feat(pipeline): 添加Pipeline与Handle设计框架

- doc: 各处理器独立实现特定功能，支持解耦合和复用。同步处理保证依赖性，异步处理提升性能，异步处理作为管道终端操作后续将引入BUS机制，作为事件的发布者。统一的数据存取接口，内置类型转换和验证机制 - 创建BaseProcessor抽象基类定义统一处理接口 - 实现video_yolo_iterator和video_yolo_detect_iterator数据源 - 构建Pipeline核心类管理同步和异步处理器 - 设计PipelineData数据包承载检测结果和缓存信息 - 支持同步和异步处理器的混合执行模式 - 提供数据缓存管理和内部数据存储功能
2026-01-10 09:40:02 +08:00
commit 963e858341
4 changed files with 288 additions and 0 deletions
@@ -0,0 +1,97 @@
+from typing import Iterator
+import cv2
+from ultralytics import YOLO
+from .pipeline_data import PipelineData
+
+
+def video_yolo_iterator(video_path: str, model_path: str = "yolov8n.pt", tracker: str = "botsort.yaml",
+                        device: str = "0") -> Iterator[PipelineData]:
+    """
+    从视频读取帧，经YOLO跟踪检测，返回PipelineData迭代器
+    :param video_path: 视频文件路径（或0表示摄像头）
+    :param model_path: YOLO模型路径（默认使用yolov8n）
+    :param tracker: 跟踪器配置文件（默认使用botsort）
+    :param device: 设备标识（默认使用GPU 0）
+    :return: 包含YOLO跟踪结果的PipelineData迭代器
+    """
+    # 加载YOLO模型
+    model = YOLO(model_path)
+    # 打开视频
+    cap = cv2.VideoCapture(video_path)
+    if not cap.isOpened():
+        raise ValueError(f"无法打开视频: {video_path}")
+
+    frame_idx = 0
+    try:
+        # 使用 model.track 替代 model 进行跟踪检测
+        results_stream = model.track(source=video_path, tracker=tracker, device=device, stream=True)
+
+        last_data = PipelineData()
+        for r in results_stream:  # 迭代跟踪结果
+            # 读取对应的帧
+            ret, frame = cap.read()
+            if not ret:
+                break  # 视频读取完毕
+
+
+            # 构建数据包
+            data = PipelineData()
+            data.set_to_cache(last_data.result_cache)
+            data.current_result = r
+            data.frame = frame
+            data.frame_idx = frame_idx
+            # 获取时间戳（毫秒）
+            data.timestamp = cap.get(cv2.CAP_PROP_POS_MSEC)
+            # 将结果加入缓存
+            data.add_to_cache(r)
+
+            yield data
+            last_data = data
+            frame_idx += 1
+    finally:
+        # 确保视频流关闭
+        cap.release()
+
+
+def video_yolo_detect_iterator(video_path: str, model_path: str = "yolov8n.pt", device: str = "0") -> Iterator[
+    PipelineData]:
+    """
+    从视频读取帧，经YOLO检测（非跟踪），返回PipelineData迭代器
+    :param video_path: 视频文件路径（或0表示摄像头）
+    :param model_path: YOLO模型路径（默认使用yolov8n）
+    :param device: 设备标识（默认使用GPU 0）
+    :return: 包含YOLO检测结果的PipelineData迭代器
+    """
+    # 加载YOLO模型
+    model = YOLO(model_path)
+    # 打开视频
+    cap = cv2.VideoCapture(video_path)
+    if not cap.isOpened():
+        raise ValueError(f"无法打开视频: {video_path}")
+
+    frame_idx = 0
+    try:
+        while cap.isOpened():
+            # 读取一帧
+            ret, frame = cap.read()
+            if not ret:
+                break  # 视频读取完毕
+
+            # YOLO检测（stream=True表示流式处理，提升效率）
+            results = model(frame, device=device, stream=True)
+            for r in results:  # 迭代结果（单帧只有一个结果）
+                # 构建数据包
+                data = PipelineData()
+                data.current_result = r
+                data.frame = frame
+                data.frame_idx = frame_idx
+                # 获取时间戳（毫秒）
+                data.timestamp = cap.get(cv2.CAP_PROP_POS_MSEC)
+                # 将结果加入缓存（默认最多30帧）
+                data.add_to_cache(r)
+
+                yield data
+                frame_idx += 1
+    finally:
+        # 确保视频流关闭
+        cap.release()