FH8626V300 芯片 的双路安防摄像头系统的启动、初始化及运行过程

这段 Log 展示了一个基于 富瀚微 (Fullhan) FH8626V300 芯片 的双路安防摄像头（或 NVR 通道）系统的启动、初始化及运行过程。系统成功启动了视频采集、编码、AI 人形检测以及 RTSP 推流服务，并有客户端成功连接。
 
以下是对该 Log 的 启动步骤、功能模块 及 关键状态 的详细分析：
 

📋 一、启动流程步骤分析 (Chronological Steps)

Log 按时间顺序记录了系统从命令输入到稳定运行的全过程，可分为 5 个阶段：
 1️⃣ 命令执行与程序启动
  操作：用户首先误输入 vlc（报错），随后输入正确命令 vlcview -p 1234。
  • 含义：启动视频查看/推流应用程序，-p 1234 指定基础端口号（后续 RTSP 端口基于此偏移）。
 2️⃣ 视频采集与编码链路初始化 (Video Pipeline)

[Vicap]Vicap[0] Online! ... [Vicap][1] Online!
[Vpu]Vpu[0] CHN[0] start init! ...
[SensorConfig]Start Reset Sensor[0]! ... CHIP_ID = FH8626V300
[IspConfig]ISP[0] Format:0x80000201! ... VICAP's FPS = 15

 双路支持：[0] 和 [1] 表示系统支持 双摄像头/双视频流 并发。
  • 硬件识别：识别到 Sensor 芯片，主控 SoC 为 FH8626V300（富瀚微 IPC 芯片）。
  • 参数配置：
    • ISP：图像信号处理器初始化，设置图像格式。
    • 帧率：视频采集帧率设定为 15 FPS (VICAP's FPS = 15)。
    • VPU：视频编码单元初始化，准备进行 H.264/H.265 编码。
 3️⃣ 叠加层与 AI 模型加载 (OSD & AI)

[DemoOverlay]OSD[0] init success!
sample_fh_nna_obj_detect_start[0]
[NnaConfig]NNA[0] ... FH_NNA_Model_Init success!
nnpost version: PersonDet1.3.4 ...

  • OSD：加载时间、通道名等字符叠加功能（版本 V1.0.0）。
  • NNA (NPU)：启动神经网络加速器。
  • AI 模型：加载 人形检测模型 (PersonDet)，版本 1.3.4。
  • 双路 AI：两路视频流均启用了 AI 检测任务。
 4️⃣ 网络服务与推流启动 (Network & Streaming)

RTSP: listen on port 1240 ...
RTSP: listen on port 1246 ...

 
  • RTSP 服务：启动实时流媒体协议服务。
  • 端口映射：
    • 通道 0 监听端口：1240
    • 通道 1 监听端口：1246
    • (注：虽然命令参数是 1234，但实际监听端口有偏移，可能是内部逻辑定义)
 5️⃣ 运行监控与客户端连接 (Runtime & Connection)

[DemoNNAObjDet]NN[0] Det FPS: 5.100000
RTSP: client 0x106cc000 192.168.70.50/56945 established! 

  • AI 性能：检测帧率稳定在 5.1 FPS（低于视频帧率 15 FPS，属于抽帧检测以节省 NPU 资源）。
  • 客户端连接：IP 为 192.168.70.50 的客户端（如 VLC 播放器、NVR）成功连接并拉流。
 
 

🛠 二、核心功能模块解析 (Functional Modules)

 
模块
Log 关键词
功能说明
状态
主控芯片
FH8626V300
富瀚微嵌入式 SoC，集成 ISP、VPU、NNA
✅ 正常
视频采集
Vicap, Sensor
控制 Image Sensor 曝光、增益、数据采集
✅ 双路在线
图像处理
IspConfig
白平衡、去噪、色彩校正等图像增强
✅ 格式 0x80000201
视频编码
Vpu
将原始数据压缩为 H.264/H.265 码流
✅ 通道初始化完成
AI 推理
Nna, PersonDet
硬件加速的人形/物体检测，输出坐标
✅ 5.1 FPS
字符叠加
ADV_OSD
在视频画面上叠加时间、通道名、报警框
✅ 初始化成功
网络推流
RTSP
通过局域网将视频流发送给客户端
✅ 监听中，已连接
 

📊 三、关键性能参数提取 (Key Metrics)

  1. 视频帧率 (Video FPS): 15 FPS
    • 分析：这是采集和编码的帧率。对于安防监控，15-25 FPS 是标准范围，15 FPS 有助于降低带宽和存储压力。
  2. AI 检测帧率 (AI FPS): 5.1 FPS
    • 分析：AI 检测不需要每帧都跑。系统采用了 抽帧策略（约每 3 帧检测 1 次），这是典型的边缘计算优化手段，既能保证检测实时性，又能降低 NPU 负载和功耗。
  3. 网络端口 (Ports): 1240, 1246
    • 分析：标准 RTSP 端口是 554，这里使用高位端口，可能是为了避免冲突或用于内网私有协议映射。
  4. 固件版本 (Build Info):
    • OSD: 2025-06-27
    • NNPost: 2025-04-27
    • 注意：编译时间显示为 2025 年，说明这是较新的固件版本（或者系统时间/编译时间设置在未来），功能上应包含最新的算法优化。
 
 

💡 四、结论与诊断

✅ 系统状态：健康 (Healthy)

  • 所有关键模块（Sensor, ISP, VPU, NNA, RTSP）均初始化成功，无 Error 或 Fail 报错。
  • 双路摄像头均被识别并同步 (Set Sensor[1] sync!)。
  • 客户端已成功建立连接，视频流可正常观看。
 

⚠️ 观察点与建议

  1. 帧率差异：视频 15 FPS，AI 5 FPS。
    • 正常：这是设计策略。如果需要更高频的报警（如快速移动物体），可尝试调整 NNA 任务配置提高检测帧率，但会增加功耗。
  2. 端口确认：
    • 客户端连接时请确保防火墙允许 1240 和 1246 端口通行。
    • RTSP 地址格式推测为：rtsp://<设备 IP>:1240/ch0 和 rtsp://<设备 IP>:1246/ch1。
  3. 时间戳：
    • Log 中显示的编译日期是 2025 年，确认设备系统时间是否准确，否则录像文件的时间戳可能会错误。
 

🔍 故障排查指引 (若后续出现问题)

  • 若黑屏：检查 [SensorConfig] 是否有 CHIP_ID 读取失败。
  • 若无 AI 框：检查 [NnaConfig] 是否 Model_Init success，以及 Det FPS 是否归零。
  • 若无法连接：检查 RTSP: listen on port 是否打印，以及防火墙设置。
 
总结：这是一个典型的 富瀚微方案双路 AI 网络摄像头 的正常启动日志，视频流与 AI 功能均已就绪。
 
posted @ 2026-04-02 00:14  七星望  阅读(0)  评论(0)    收藏  举报