基于瑞芯微 RK3576 平台的多路视频流智能检测系统，支持同时接入最多 4 路网络摄像头，结合 YOLOv5 实现边缘 AI 实时推理，转推叠加识别结果的视频流，广泛适用于智慧厨房、工业安全等场景。
系统全流程基于硬件加速组件（RGA、RKMPP、RKNN），充分发挥 RK3576 在音视频处理与 AI 推理方面的性能优势。引入线程池机制实现多路流并发推理，通过 JSON 配置摄像头，灵活可拓展，支持脱网部署。
✅ 多路视频流处理：支持并发处理多路 RTSP 摄像头流
✅ 边缘计算部署：在板端完成推理，无需上传云端，保障隐私与数据安全
✅ 高实时性：基于 ZLMediaKit 实现视频拉流与推送，延迟最低可达 900ms
✅ 多端可视化：推理后的视频通过 RTSP/FLV 推流，可灵活接入多种流媒体前端
✅ 配置简洁灵活：通过 JSON 文件配置摄像头与推理参数，支持热插拔
✅ 模块化设计：结构清晰，便于扩展识别功能或替换算法
✅ 性能极致优化：使用 RKNN 推理引擎 + RGA 图像处理 + RKMPP 编解码，大幅减轻 CPU 压力，充分利用多核多线程架构
.
├── build/ # 编译输出目录
├── config.json # 摄像头与系统配置文件
├── CMakeLists.txt # CMake 构建脚本
├── README.md # 项目说明文档
├── src/ # 源码目录
│ ├── multi_stream_main.cpp # 主程序入口
│ ├── stream/ # 流处理模块
│ │ ├── avPullStream.cpp # 视频拉流解码
│ │ ├── avPushStream.cpp # 编码与推流
│ │ ├── matPool.cpp # Mat 内存池
│ │ ├── streamManager.cpp # 多路流调度器
│ ├── RtspWorker/ # RTSP 工作线程封装
│ ├── utils/ # 工具模块
│ │ ├── config.cpp # 配置解析
│ │ ├── msgServer.cpp # ZeroMQ 消息服务
│ │ ├── safeQueue.cpp # 线程安全队列
├── test/ # 单元测试模块
│ ├── zmqServerTest.cpp
│ ├── zmqClientTest.cpp
│ ├── Makefile
│ └── README.md请确保系统中已安装以下依赖：
| 组件 | 版本要求 |
|---|---|
| CMake | ≥ 3.10 |
| OpenCV | ≥ 4.5.0 |
| ZeroMQ | ≥ 4.3.4 |
| JsonCpp | ≥ 1.9.4 |
| RKNPU2 SDK | 对应 RK3576 平台 |
| 编解码库 | librknn_api.so, librga.so, librkmedia.so, librk_mpi.so |
- 确保 RK3576 已刷入包含 RKNN、RGA、RKMPP 的 Linux 镜像；
- 使用支持 RTSP 的网络摄像头并连接开发板；
- 准备好 YOLOv5 模型并转换为
.rknn格式，放入weights/目录； - 配置
config.json文件，添加摄像头流信息和推理参数。
mkdir build && cd build
cmake ..
make -j$(nproc) # 或 make -j4sudo ./StreamHive -f <path_to_config.json>示例：
sudo ./StreamHive -f ../config.json- 程序启动后将输出摄像头连接状态、推理信息、推流状态等；
- 如需排查错误，请关注异常提示和堆栈输出。
https://github.com/BGD2021/StreamHive_QT
-
项目前端基于 Qt 开发，通过 ZeroMQ 连接后端推理结果；
-
支持：
- 实时视频显示；
- 报警信息弹窗；
- 多摄像头画面切换；
- 日志查看与配置更新。
本项目遵循 MIT 开源协议，详细内容请见 LICENSE。
如有问题，欢迎通过 Issues 提交反馈，或联系：