piestreamer 0.1.0

No project description provided

Техническое задание

Пошаговое задание

1. Поток видео с RSTP через ffmpeg посекундно сохранять в директорию по кадрам
2. Собрать 128 последовательных кадров и из них сделать видео, и удалить кадры из директории
3. Видео отправить в CDN и получить ID
4. Сохранить ID в базу с информацией о времени и об индексов кадров

Этпы реализации

1. Абстрагировать интерфейс CDN

• Базовый класс при сохрании отрывков видео
• Отнаследоваться от базового класса и реализовать хранение в том же gridfs
• в публичном CDN Amazon
• локальный CDN поднять и сохранял эти файлы

2. Метрики сохранения

• файл теста, в котором будет 30 минут считываться все потоки, сохраняться на CDN и после сохранения чтобы выводил максимальное и среднее значение задержек Задержка - это разница между двумя последовательными кадрами при чтении по каждому урлу выводить максимальное и среднее значение задержек

3. Оптимизировать сервис, так чтобы метрики снизились

Продолжение

ffmpeg может читать из потока и сразу созранять как видео

Текущая команда:

ffmpeg -rtsp_transport tcp -i 'rtsp://faceid:Hv4w2!X7r@37.204.180.11:554/cam/realmonitor?channel=6&subtype=0' -filter:v fps=2 -an -use_wallclock_as_timestamps 1 -f segment -reset_timestamps 1 -segment_time 128 -segment_format mkv -strftime 1 test_output/%Y%m%dT%H%M%S.mkv

Нужно ознакомиться с документацией, дополнить команду так, чтобы колиество фреймов было фиксировано - 128 https://ffmpeg.org/ffmpeg-all.html#segment_002c-stream_005fsegment_002c-ssegment

Решение 1

ffmpeg -rtsp_transport tcp -i 'rtsp://faceid:Hv4w2!X7r@37.204.180.11:554/cam/realmonitor?channel=6&subtype=0' -c:v libx264 -x264-params keyint=1:min-keyint=1 -filter:v fps=2 -an -use_wallclock_as_timestamps 1 -f segment -reset_timestamps 1 -segment_time 64 -segment_time_delta 0.5 -segment_format mkv -strftime 1 test_output/2/%Y%m%dT%H%M%S.mkv

Решение 2 - с архивацией

ffmpeg -rtsp_transport tcp -i 'rtsp://faceid:Hv4w2!X7r@37.204.180.11:554/cam/realmonitor?channel=6&subtype=0' -c:v libx264 -preset veryfast -crf 40 -filter:v fps=1 -x264-params keyint=1:min-keyint=1 -an -use_wallclock_as_timestamps 1 -f segment -reset_timestamps 1 -segment_time 128 -segment_format mp4 -strftime 1 'test_output/6/%Y%m%dT%H%M%S.mp4'

Решение 3 (лучшее) - с архивацией и ускорением

ffmpeg \
-rtsp_transport tcp \
-i 'rtsp://faceid:Hv4w2!X7r@37.204.180.11:554/cam/realmonitor?channel=6&subtype=0' \
-c:v libx264 -preset medium -crf 34 \
-filter:v "fps=16, setpts=PTS/16" \
-x264-params keyint=1:min-keyint=1 -an \
-use_wallclock_as_timestamps 1 \
-f segment -reset_timestamps 1 -segment_time 8 \
-segment_format mp4 -strftime 1 \
'test_output/11/%Y%m%dT%H%M%S.mp4'

Доп. информация

Иструкция: https://gist.github.com/TomHumphries/f565e0ce479e4acae4a6ecb1d244dbbc

---

Структурв БД:

- dt: datetime
- grid_id: ObjectId
- index: int
- room_id: ObjectId
- meta: dict

storage: [grid_id, file]

10:00 - 12:00 room_id

query - grid_id, index которые в этот промежток

Техническое задание для оптимизации записи и хранения медиа файлов

Общее описание задачи

Целью проекта является оптимизация процессов захвата, записи и хранения видео и аудио данных, используя возможности ffmpeg, для улучшения производительности, эффективности хранения и расширения функциональности системы.

Основные требования:

1. Интеграция ffmpeg для захвата и обработки видеопотоков:

   • Замена текущей логики захвата видеопотоков с использованием OpenCV на ffmpeg.
   • Реализация функций предварительной обработки видеопотоков, включая изменение разрешения, сжатие, конвертацию в черно-белый формат и другие.

2. Разработка новых классов для записи и чтения видео с использованием ffmpeg:

   • Создание классов, аналогичных EfficientGridFSWriter и EfficientGridFSReader, для работы с файлами через ffmpeg.
   • Обеспечение совместимости новых классов с существующей архитектурой системы.

3. Оптимизация хранения видео и аудио данных:

   • Исследование возможностей ffmpeg для оптимизации форматов хранения данных с целью экономии дискового пространства при сохранении качества.
   • Адаптация схемы хранения данных в MongoDB с учетом новых форматов и требований к эффективности.

4. Разработка метрик и тестов для оценки производительности системы:

   • Создание инструментов для измерения производительности захвата, обработки и хранения данных.
   • Сбор и анализ метрик для определения оптимальных настроек ffmpeg и структуры хранения данных.

Детальные требования:

1. Абстракция интерфейса CDN для унификации работы с хранилищами:

   • Разработка базового класса для абстракции процессов сохранения и чтения данных.
   • Имплементация конкретных классов для работы с GridFS MongoDB, Amazon CDN и локальными хранилищами.

2. Реализация тестового сценария для измерения задержек:

   • Создание скрипта для автоматизированного тестирования, измеряющего задержки при работе с различными CDN.
   • Анализ полученных данных для выявления узких мест в процессе сохранения данных.

3. Оптимизация сервиса для снижения задержек:

   • Использование результатов тестирования для оптимизации параметров кодирования ffmpeg.
   • Адаптация логики записи и чтения данных для минимизации задержек.

Технические детали:

• Язык программирования: Python 3.
• Основные библиотеки и инструменты: ffmpeg, imageio-ffmpeg, PIL (Pillow), numpy, pymongo, gridfs.
• Среда разработки: Возможность разработки и тестирования должна быть обеспечена как в локальной среде, так и на целевых серверах.
• Документация: Каждый новый класс и метод должен сопровождаться подробными комментариями и документацией. Также необходимо подготовить инструкции по развер

тыванию и настройке новых компонентов системы.