Files

T

gx 12708618d4 docs: reference integrations + examples

- docs/integrations/frigate.md — полный production-tested guide:
  Dockerfile, docker-compose, config.yml, troubleshooting (s6+pid, scale_cuda,
  hwaccel issues), build steps
- docs/integrations/cctv-cpp.md — C++ pattern: IFrameSource interface +
  CuframesSource skeleton + CMake setup + runtime requirements
- examples/frigate-compose/ — reference compose stack (cuframes-pub + Frigate)
  с config.yml stub, .env.example, README
- examples/python-consumer/ — ctypes-based skeleton для AI/ML pipeline'ов
  (до v0.3 native pybind11 bindings)
- docs/integration.md — превратился в index-страницу, ссылается на specific guides

Reorganization упрощает onboarding: пользователь выбирает guide по типу
integration'а (Frigate/C++/Python/FFmpeg) и сразу видит реальный code.

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

2026-05-18 21:37:35 +01:00

3.8 KiB

Raw Blame History

Integration guide

Хочешь подключить cuframes к своему проекту? Выбери guide по типу integration'а:

Готовые reference guides

Тип integration'а	Guide	Reference deployment
Frigate NVR (через FFmpeg `cuframes://` demuxer)	integrations/frigate.md	Production: Frigate 0.17.1 + RTX 5090 + Dahua HEVC
C++ project (через `CuframesSource` pattern)	integrations/cctv-cpp.md	Production: gx/cctv C++17 processor
Python AI/ML pipeline (через ctypes wrapper)	examples/python-consumer/	Skeleton ready; v0.3 даст native bindings
FFmpeg-based custom tool (своя сборка ffmpeg)	filter/README.md	Out-of-tree patch + build instructions

Целевой сценарий (motivation)

В типичной CCTV / video-analytics системе один и тот же RTSP-поток декодируется несколько раз:

   Камера ──► RTSP ──► Frigate          (decode #1: detection + recording)
                  ─►   mosaic-сервер    (decode #2: компоновка сетки)
                  ─►   AI-скрипт        (decode #3: классификация / OCR)

На 16 камер × 25 fps × 3 consumer'а = 1200 NVDEC operations/sec. RTX 5090 имеет ~3 NVDEC-движка с capacity ~50 FHD25 streams → загрузка близка к лимиту, плюс tax на PCIe bandwidth и memory.

С cuframes:

   Камера ──► cuframes-rtsp-source ──► CUDA frame в VRAM + IPC handles
                                              │
                                              ├──► Frigate          (zero-copy)
                                              ├──► mosaic-сервер    (zero-copy)
                                              └──► AI-скрипт        (zero-copy)

Decode выполняется один раз на источник, потребители получают тот же CUDA device pointer без копий. 3× меньше NVDEC operations на том же setup'е.

Текущие ограничения (v0.1)

Decoded frame sharing only (не encoded). Для record path в Frigate (mux без decode) consumer всё ещё открывает свой RTSP — это решит v0.2 encoded packet sharing (см. issue #2).
NV12 frame format only. Other formats (YUV420P, RGB) — v0.2.
GPU → CPU copy в FFmpeg demuxer'е (cudaMemcpy2DAsync). Zero-copy через AVHWFramesContext — v0.2.
Cross-container CUDA IPC требует shared ipc + pid namespace. Если consumer использует s6-overlay (как Frigate) — pid не shareable, нужен workaround (см. integrations/frigate.md troubleshooting).
Только Linux + NVIDIA GPU compute capability ≥ 7.5 (Turing+).

Production reference deployments

Setup	Версия	Где смотреть
1 publisher (1× NVDEC) → Frigate (detect) + cctv-backend (motion+grid→RTSP→TV)	v0.1.0	BENCHMARKS.md, integrations/frigate.md

Roadmap для v0.2+

Полный roadmap — ROADMAP.md. Highlights:

v0.2: encoded packet sharing (Frigate record без второго RTSP), FFmpeg upstream PR, publisher-side resize для устранения scale_cuda dependency
v0.3: pybind11 Python bindings, Jetson/arm64 support
v1.0: stable ABI, multi-GPU, env-based credentials

3.8 KiB Raw Blame History Unescape Escape