Python中的Yeap-gstreamer循环是异步
在这个链接中，我们可以访问gstreamer管道缓冲区并转换numpy数组中的帧缓冲区，我想知道，我如何访问GPU-mem中的帧缓冲器，然后在不将帧转换为numpy数组的情况下输入我的自定义处理器。
我们有两种使用深度流解码器的解决方案(比opencv+gstreamer更有效的方法(：一种方法是，我们需要在gstreamer中编写处理和注册的自定义元素，然后将自定义元素放入管道中，然后在帧缓冲区上进行处理。这种方式很好，但需要编写和了解gstreamer编程。这条路和深溪的路是一样的。第二种方法是，我们只使用来自该链接的解码帧，然后将帧传递到自定义处理器单元中。对于这部分，我有两个问题：
1-gstreamer的循环与异步编程循环相同？
2-如您所知，如果我们在pad prob函数中添加额外的操作，这会导致性能下降，但我想知道，是否可以将帧放在pad prob函数中，并像async一样执行loop.create_task(process(frame((？这是因为我们在这里不等待执行处理。像这样：
def tiler_sink_pad_buffer_probe(pad,info,u_data):
....
### capture the frames in GPU buffer without converting into numpy
loop.create_task(process(frame))
....
return Gst.PadProbeReturn.OK
好吧，你可以像我一样这样做(通过创建全局变量的糟糕方式(
ws = None
loopIO = None
def tiler_sink_pad_buffer_probe(pad,info,u_data):
global ws
global loopIO
....
### capture the frames in GPU buffer converting into numpy
if ws and loopIO:
_, jpeg_frame = cv2.imencode('.jpg', frame_image)
str_pic = jpeg_frame.tobytes()
asyncio.run_coroutine_threadsafe(ws.send(str_pic), loopIO)
....
return Gst.PadProbeReturn.OK
if __name__ == '__main__':
start_server = websockets.serve(consumer_handler, 'localhost', 8765)
loopIO = asyncio.get_event_loop()
loopIO.run_until_complete(start_server)
wst = threading.Thread(target=asyncio.get_event_loop().run_forever)
wst.daemon = True
wst.start()
sys.exit(main(sys.argv))