VideoPipe

Разрабатывать приложение для видеоаналитики с детекцией, распознаванием, трекингом, анализом поведения и прочими фичами, начиная с нуля, — это огромный объём работы.

На GitHub нашёл VideoPipe — опенсорсный фреймворк, заточенный именно под сборку видеоаналитических приложений. Функциональные узлы можно комбинировать как конструктор, собирая нужный пайплайн под задачу.

Фреймворк закрывает полный цикл: чтение и декодирование видео, многоуровневый инференс, трекинг объектов, анализ поведения, отправка данных, запись и скриншоты, наложение графики, кодирование и стриминг видео. Плюс есть поддержка интеграции мультимодальных LLM.

В комплекте больше 40 демо-примеров: распознавание и трекинг лиц, детекция автомобилей, оценка позы, face swap и другие сценарии. Есть подробные видеоуроки и документация.

Написан на C++, с минимальными зависимостями и хорошей переносимостью. Архитектура конвейерная: каждый узел работает независимо и свободно комбинируется. Поддерживаются разные inference-бэкенды, включая OpenCV, TensorRT и PaddleInference.

Если ты занимаешься видео-структурированием, умным видеонаблюдением, транспортной аналитикой или просто хочешь быстро собрать прототип video AI-приложения, этот фреймворк точно стоит посмотреть.

📁 Language: #Cpp 99.2%

⭐️ Stars: 2.1k

➡️ Cсылка на GitHub

📱 @git_developer