本设计可应用于流媒体业务中，对内容进行AI的实时分析，并对分析结果进行实时跟踪与分析。
设计的基本流程如下：
1：使用yolov5来训练数据集，在图中提取N个标识位，为了结果更准确，数据量以及场景要能够覆盖应用场景。
2：在程序中载入训练好的模型数据，然后将直播流中读取的每一帧数据都进行识别，并将结果保存到一个有限数据集
3：针对要计算的方式，比如特定标识物的尺寸信息、标识物间的重叠数据等信息保存到数据集中
4：根据流的FPS，计算差值变化均值，来获取特定的频率信息。
5：将最终需要获取的信息与帧ID信息进行绑定输出。
这里有几个关键点是需要注意的：
1：单帧的识别速度，这个会关系到整个直播业务的识别效率，即影响到最终的用户体验。
2：针对流的处理，需要将流读取与帧处理分线程进行处理。这样可以加快处理速度
3：将输出跟计算进行分离，这个双向1v1的通信场景会有很直接的表现
4：均值计算中，需要注意数值突变情况，即流丢包造成的异常处理
业务在线运行一段时间后，发现几个可以提升的地方
1：针对点播业务的服务，数据只需要处理一次并记录下来，后续直接使用结果即可
2：针对直播业务，本身的fps较低，可使用跳帧的方式主动丢弃部分数据
3：针对分析结果的计算，或考虑使用GPU来提高计算速度
从第一次尝试去了解机器学习的相关东西，到真正第一个实际落地的AI应用，前后花了几年的时间。通过对此次项目的反思与总结。总算有了一点儿感悟，特记录一下。
整个过程持续了差不多整整一年，算法前后更新了6版，而且针对算法整合的应用也差不多更新了同样多的版本。遇到的困难都解决了，也算是对AI的落地应用有了完整的认识。继续期待下一个应用的开始了。
作者： lansnow，来自：好好学习自留地
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
