企业官网建设流程全解析

一.本项目的介绍

本项目基于视频采集与人脸识别技术，主要实现以下核心功能：通过摄像头采集视频数据，利用人脸识别技术将识别结果实时叠加到视频画面上，并推送至流媒体服务器。系统整合了多项关键技术模块，包括：

1. RockX人脸检测与识别模块
2. SQLite3人脸特征数据库存储系统
3. RKMedia视频采集（VI）与编码（VENC）模块
4. FFmpeg流媒体推送功能
5. OpenCV图像标注与文字叠加功能

相比第一阶段的基础推流功能，本项目的创新点在于：

• 新增RockX人脸识别功能
• 实现SQLite3人脸特征数据库管理
• 开发人脸特征比对算法
• 集成OpenCV实时标注功能

这些扩展功能使系统在保持原有视频采集、编码和推流能力的基础上，具备了完整的人脸识别与标注能力。

二.本项目程序的大体框图

上图展示了RV1126+Rockx人脸识别推流系统的整体架构框图。该系统首先需要初始化核心模块和队列容器：模块部分包含两个VI模块，其中第一个VI模块负责基于Rockx框架的人脸检测与识别AI推理，第二个VI模块用于显示推理结果；容器部分包括Map容器（用于存储人脸特征数据库）和视频编码队列。

系统初始化完成后，通过四个并行线程实现功能处理：

1. rockx_vi_handle_thread线程：从第一个VI模块获取视频数据，利用Rockx框架进行人脸检测与识别。该线程会先对人脸数据进行过滤处理，随后提取人脸特征值并与数据库进行比对（相似度阈值设为1.2），识别成功后输出对应人员姓名。

2. show_vi_thread线程：从第二个VI模块获取视频数据，结合rockx_vi_handle_thread线程提供的人脸坐标和识别结果，使用OpenCV进行可视化渲染，并将处理后的视频数据推送至VENC编码器。

3. camera_venc_thread线程：负责从VENC编码器获取数据，并将每帧H264编码视频存入VIDEO_QUEUE队列。

4. video_push_thread线程：从VIDEO_QUEUE队列获取编码数据，通过FFMPEG框架将视频流推送至RTMP等流媒体服务器。

三．本项目程序的思维导图

RV1126人脸识别系统架构说明

项目入口函数(main)主要流程

1. init_rkmedia_module_function- 初始化RKMEDIA组件
2. 初始化HIGH_VIDEO_QUEUE- 创建高分辨率视频编码队列
3. init_face_data- 加载人脸数据库数据
4. init_rv1126_first_assignment- 启动人脸识别推流任务

3.1 RKMEDIA组件初始化

3.1.1 AI推理VI模块

• 负责为RockX框架提供视频输入
• 用于人脸检测和识别推理

3.1.2 显示VI模块

• 处理并显示RockX的处理结果
• 包括人脸坐标和识别名称

3.1.3 VENC模块

• 初始化H264视频编码器

3.2 高分辨率视频队列

• 创建1920×1080分辨率编码数据队列
• 用于多线程视频数据处理

3.3 人脸数据初始化

• 从SQLite3数据库加载人脸特征数据
• 使用map容器存储(key:姓名, value:特征值)

2.4 人脸识别推流任务

2.4.1 FFMPEG推流器初始化

• 配置1920×1080分辨率的FFMPEG推流参数

2.4.2 RockX处理线程

• 使用RockX框架进行人脸检测和识别
• 保存人脸坐标和识别结果

2.4.3 显示处理线程

1. 获取摄像头视频数据
2. 叠加RockX处理结果(坐标/名称)
3. 使用OpenCV显示处理结果
4. 将数据发送至VENC编码器

2.4.4 编码器线程

• 获取VENC编码数据
• 存入high_video_queue编码队列

2.4.5 视频推流线程

• 从队列获取H264编码数据
• 通过FFMPEG推送至RTMP服务器