浏览器实时播放RTSP/RTMP视频流的实战方案与避坑指南

浏览器播放RTSP、RTMP等几种编码格式视频流 项目需求,需要前端页面实时展示摄像头采集的视频,视频啊,之前一点没接触过,经过一番调研、尝试,不得不说,网上文章真的大同小异,踩过许多坑,整理如下。 一、科普一下 1.流程 2.常见视频流格式 ● RTMP(推流端、拉流端) ● RTSP(推流端) ● HLS(拉流端) ● FLV(拉流端) 3.FLV ● 原生video标签只支持Ogg、MPEG4、WebM三种格式 ● 默认需要安装flash插件才可以播放 ● bilibili开源flv.js插件可直接转码,vue项目直接使用 ○ 推流端视频编码必须是 阅读详情

1. 从零开始:为什么浏览器播放RTSP/RTMP这么“难”?

大家好,我是老张,一个在音视频领域摸爬滚打了十来年的老码农。最近几年,我被问得最多的问题之一就是:“老张,我们有个项目,需要在网页上直接播放摄像头的RTSP流,或者直播的RTMP流,到底该怎么搞?” 每次听到这个问题,我都仿佛看到了当年那个同样一头雾水、熬夜查资料、疯狂踩坑的自己。

为什么这件事听起来简单,做起来却处处是坑?核心原因在于浏览器本身的设计。你可以把浏览器想象成一个非常注重安全和标准的“乖学生”。它内置的 <video> 标签,就像这个学生自带的、只能播放特定格式(MP4、WebM)的播放器。而RTSP和RTMP,更像是来自“旧时代”的两位“江湖大佬”,它们有自己的一套复杂的通信规则(协议),这套规则和浏览器这位“乖学生”的课堂纪律(HTTP/HTTPS协议)格格不入。

简单来说,RTSP(实时流协议)和RTMP(实时消息协议)都是为低延迟、实时传输而生的流媒体协议,但它们通常基于TCP或UDP直接传输数据,并且需要专门的客户端(如VLC播放器)来解析和播放。而现代浏览器的安全策略(CORS、混合内容限制等)和媒体支持能力,天生就不支持直接处理这些“原生”的流。这就好比你想用家里的智能电视直接播放一盘老式录像带,没有对应的录像机(解码器)是根本不可能的。

所以,我们前端开发者要做的,本质上就是在这个“乖学生”(浏览器)和“江湖大佬”(RTSP/RTMP流)之间,搭建一座桥梁,或者找一个“翻译官”,把大佬的话翻译成学生能听懂的语言。这个过程,就涉及到我们今天要深入探讨的各种技术方案。别担心,我会把每种方案的原理、怎么上手、以及我踩过的那些“坑”,都掰开揉碎了讲给你听。

2. 技术方案全景图:四大主流路线深度剖析

面对RTSP/RTMP播放的需求,市面上主流的解决方案可以归纳为四条技术路线。每条路线的原理、优缺点和适用场景都大不相同,选错了方向,后期可能会事倍功半。

2.1 方案一:转码分发(最主流、最稳妥)

这是目前业界最成熟、应用最广泛的方案。它的核心思想是“变不可能为可能”——既然浏览器不能直接吃“生肉”(原生RTSP/RTMP流),那我们就在服务器端把“生肉”做熟,做成浏览器爱吃的“熟食”(如HTTP-FLV、HLS、WebRTC)。

实现流程通常是这样的:

  1. 在你的服务器上(或者一台专门的流媒体服务器),运行一个“转码服务”,比如用 FFmpeg 或 Nginx with RTMP module。
  2. 这个服务主动去“拉取”摄像头的RTSP流,或者接收推上来的RTMP流。
  3. 服务内部对视频流进行协议转换和封装格式转换。例如,将RTSP流转码、封装成HTTP-FLV流,或者切片成HLS(m3u8+ts文件)。
  4. 前端页面通过一个普通的HTTP/HTTPS链接,去请求这个转换后的流。前端使用对应的播放库(如flv.js、hls.js、video.js)进行播放。

优点:

  • 兼容性无敌:最终输出的是基于HTTP的流,所有现代浏览器(Chrome, Firefox, Safari, Edge)都支持。
  • 功能强大:可以在服务器端做很多事,比如录制、截图、水印、多码率适配、鉴权等。
  • 技术生态成熟:FFmpeg、SRS、ZLMediaKit等开源项目非常强大,社区活跃,坑基本都被踩平了。

缺点:

  • 架构复杂:需要额外的服务器和运维成本。
  • 延迟增加:转码和协议转换会引入额外的延迟,通常在1-3秒左右,对于超低延迟要求的场景(如远程操控)可能不够。
  • 服务器压力:并发观看人数多时,服务器带宽和计算压力会很大。

实战代码示例(Node.js + FFmpeg 生成HTTP-FLV): 假设我们有一个RTSP流:rtsp://admin:password@192.168.1.100:554/stream1。

# 在服务器上使用FFmpeg命令进行转推
ffmpeg -i "rtsp://admin:password@192.168.1.100:554/stream1" \
  -c:v copy -c:a aac -f flv "rtmp://localhost:1935/live/stream1"

上面命令将RTSP流转推到本地的Nginx RTMP服务。然后,Nginx可以配置将RTMP流以HTTP-FLV的形式输出。

前端使用 flv.js 播放:

<script src="https://cdn.jsdelivr.net/npm/flv.js@latest/dist/flv.min.js"></script>
<video id="videoElement" controls></video>
<script>
  if (flvjs.isSupported()) {
    const videoElement = document.getElementById('videoElement');
    const flvPlayer = flvjs.createPlayer({
      type: 'flv',
      url: 'http://你的服务器地址:8000/live/stream1.flv' // HTTP-FLV地址
    });
    flvPlayer.attachMediaElement(videoElement);
    flvPlayer.load();
    flvPlayer.play();
  }
</script>

2.2 方案二:WebRTC 网关(追求低延迟的首选)

如果你对延迟有极致要求(希望控制在500毫秒以内),那么WebRTC方案是你的菜。WebRTC是浏览器原生支持的实时通信技术,延迟极低。但问题是,WebRTC不支持直接播放RTSP/RTMP。所以,我们需要一个“WebRTC网关”。

原理: 这个网关(一个独立的服务)扮演了双重角色。一方面,它用FFmpeg等工具拉取RTSP流,解码成原始的YUV/RGB帧。另一方面,它作为一个WebRTC的信令服务器和媒体服务器,将这些视频帧重新编码成WebRTC支持的VP8/H.264格式,并通过SRTP协议传输给浏览器。

优点:

  • 延迟极低:通常可达到100-500ms,接近原生客户端体验。
  • 浏览器原生支持:无需额外插件,Chrome、Firefox、Safari(部分版本)都支持良好。
  • 支持双向通信:理论上不仅可以拉流,还能推流,适合交互场景。

缺点:

  • 实现复杂:需要理解WebRTC的信令交换(SDP/ICE)流程,网关部署有一定门槛。
  • 服务端压力大:视频转码和WebRTC传输非常消耗CPU资源,单个服务能承载的并发数有限。
  • 移动端兼容性需注意:虽然主流支持,但不同机型、不同浏览器内核下表现可能有差异。

实战工具推荐: 对于不想从头造轮子的朋友,可以直接使用一些开源的WebRTC网关:

  • webrtc-streamer:一个用C++写的轻量级网关,我之前在项目里用过。下载可执行文件,运行后它会启动一个Web服务器和WebSocket服务。前端通过其提供的JavaScript API,传入RTSP地址,它就会帮你建立WebRTC连接。
  • Janus Gateway:功能极其强大的WebRTC网关,支持视频房间、录制、流转发等多种功能,但配置相对复杂。
  • MediaSoup:Node.js实现的SFU(选择性转发单元),性能强悍,适合构建大规模直播系统,但学习曲线较陡。

2.3 方案三:基于Wasm的纯前端解码(小众但有趣)

这是一个比较“极客”的方案。它的思路是:既然浏览器不能直接解码H.264(RTSP/RTMP流中常用的编码),那我们能不能把解码器“搬”到浏览器里来?答案是肯定的,通过 WebAssembly (Wasm) 技术。

原理: 将FFmpeg的H.264解码器部分用C/C++编写,然后编译成Wasm模块。前端JavaScript通过Fetch API或WebSocket获取到原始的流数据(可能是TS或FLV封装格式),然后将这些二进制数据交给Wasm解码器。解码器输出原始的YUV帧,再通过Canvas 2D或WebGL渲染到页面上。

优点:

  • 无服务端转码延迟:延迟主要来自网络传输,理论上可以做到比方案一更低。
  • 减轻服务器压力:解码工作完全在客户端进行,服务器只负责透传流数据。
  • 灵活性高:可以处理一些非标准的流或封装格式。

缺点:

  • 性能消耗大:视频解码是计算密集型任务,在浏览器中用JavaScript协调Wasm解码,会大量消耗客户端的CPU,可能导致风扇狂转、页面卡顿,尤其在高分辨率、高帧率下。
  • 实现复杂度极高:你需要深入理解视频封装格式、解码流程、Wasm内存管理等,绝非一日之功。
  • 兼容性风险:Wasm支持虽好,但在一些老旧设备或特殊浏览器环境下可能有问题。

这个方案我一般不推荐普通业务项目使用,更适合作为技术探索或对延迟有极端要求且能控制客户端环境的特定场景。

2.4 方案四:浏览器插件(时代的眼泪,仅作了解)

这就是原始文章里提到的“IE浏览器+VLC插件”方案。原理是给浏览器安装一个NPAPI或PPAPI插件(如VLC Web Plugin),这个插件作为本地播放器,可以直接播放RTSP/RTMP地址。

为什么现在是“眼泪”? Chrome早在2015年就开始逐步废弃NPAPI插件,2020年彻底禁用。Firefox等现代浏览器也紧随其后。Flash Player更是在2020年底被全面终结。所以,这条路线在当今的互联网环境下已经基本行不通。除非你的项目是运行在特定、封闭、可控的内网环境,并且可以强制用户使用指定版本的旧浏览器,否则绝对不要考虑这个方案。它带来的兼容性噩梦和安全隐患远大于其便利性。

3. 避坑指南:那些年我踩过的“雷”

光知道方案还不够,实战中到处都是细节和陷阱。下面我结合自己的经验,总结几个最常见的“坑”。

3.1 编码格式的“生死门”:H.264 vs H.265

这是最容易忽略却最致命的一点。不是所有的RTSP/RTMP流都能被顺利转换和播放。

  • H.264 (AVC):这是当前绝对的主流和 safest bet。无论是FFmpeg转码,还是flv.js、hls.js播放,对H.264的支持都是最完善的。如果你的摄像头或编码器输出H.264,那么恭喜你,成功了一大半。
  • H.265 (HEVC):虽然压缩效率更高,但兼容性是个大问题。很多旧设备、旧版本的FFmpeg可能不支持解码H.265。更重要的是,浏览器对H.265的原生支持非常有限。Safari在macOS High Sierra及以上版本支持,但Chrome、Firefox默认不支持。这意味着,即使你通过转码服务把RTSP流转成了HLS或HTTP-FLV,如果流本身是H.265编码,前端播放器很可能黑屏或报错。

避坑方法:

  1. 源头控制:在采购摄像头或配置编码器时,务必优先选择H.264编码。
  2. 服务端转码:如果源流是H.265,必须在服务器端用FFmpeg将其转码为H.264。命令类似:ffmpeg -i rtsp_source -c:v libx264 -preset ultrafast -c:a aac ...。注意-preset ultrafast是为了降低转码延迟,但会增大体积。
  3. 前端探测:在前端代码中加入编码格式判断,给用户友好的提示。

3.2 网络与协议:内网、跨域与HTTPS

  • 内网地址问题:你的转码服务(FFmpeg)部署在公网服务器上,但它要去拉取位于公司或家庭内网的摄像头RTSP流。这是拉不通的!你需要确保摄像头有公网IP,或者通过端口映射、VPN(此处指合法的企业内部虚拟专用网络技术) 等方式,让服务器能访问到摄像头。
  • 跨域 (CORS):如果你的前端页面(例如 https://www.yourdomain.com)去请求转码服务(例如 http://media.yourdomain.com:8000/live/stream.flv),即使域名主域相同,端口不同也会触发跨域。你必须在转码服务的HTTP响应头中设置正确的CORS策略,例如 Access-Control-Allow-Origin: * 或你的前端域名。
  • HTTPS混合内容:如果你的网站是HTTPS的,但视频流地址是HTTP的,浏览器会因为安全策略阻止加载。这就是“混合内容”错误。解决方案必须是全站HTTPS,包括你的流媒体服务器,也需要配置SSL证书,提供https://的流地址。

3.3 延迟优化:从3秒到1秒内

延迟是直播体验的核心。除了选择低延迟方案(如WebRTC),在转码分发方案中,也可以通过参数调优大幅降低延迟。

FFmpeg 关键参数示例:

ffmpeg -i rtsp_source \
  -c:v libx264 -preset ultrafast -tune zerolatency -g 30 -keyint_min 30 \
  -c:a aac -ar 44100 -b:a 64k \
  -f flv rtmp://server/app/stream
  • -preset ultrafast:编码速度最快,但压缩率低(文件稍大)。直播首选。
  • -tune zerolatency:为零延迟场景优化。
  • -g 30 -keyint_min 30:设置关键帧间隔为30帧。间隔越小,延迟越低,但可能影响画质和带宽。
  • 缓存(Buffer)是延迟的大敌:无论是服务端(Nginx的buffer配置)还是客户端播放器(flv.js的enableStashBuffer),都要尝试将其调到最小。在flv.js中,可以设置 enableStashBuffer: false 来禁用初始缓存,但可能增加卡顿风险,需要根据网络状况权衡。

3.4 稳定性与异常处理

直播流网络不稳定是常态,代码必须有健壮的异常处理。

  • 断流重连:flv.js、hls.js等库都有reconnect或auto-reconnect的配置项,一定要开启。你还需要监听error事件,在发生致命错误时,尝试重新创建播放器实例。
  • 心跳保活:对于需要长连接的流(如HTTP-FLV),前端可以定时发送心跳包,后端服务也应定期检查上游源流是否存活。
  • 降级方案:当WebRTC或低延迟方案失败时,是否可以考虑自动降级到延迟稍高但更稳定的HLS方案?在设计架构时可以考虑这种容错机制。

4. 2023年后的技术选型决策树

综合以上所有分析,我为你梳理了一个清晰的决策流程,你可以像查手册一样对号入座:

  1. 第一步:明确核心需求

    • 延迟要求:是需要500ms内的超低延迟(如视频通话、远程控制),还是可以接受2-3秒的延迟(如普通直播、监控查看)?
    • 客户端环境:用户主要用什么浏览器?是否需要支持移动端(特别是iOS Safari)?
    • 开发运维资源:团队是否有能力部署和维护一个流媒体服务器?
  2. 第二步:对照决策

    • 场景A:追求极致低延迟(<500ms),且能接受较高的服务器成本和复杂度。

      • 首选方案:WebRTC网关。
      • 推荐工具:从 webrtc-streamer 开始尝试,它最简单。如果需要更多功能,研究 Janus 或 MediaSoup。
      • 注意:准备好应对WebRTC复杂的NAT穿越(STUN/TURN服务器)问题。
    • 场景B:延迟要求1-3秒即可,需要最好的兼容性和稳定性,有服务器运维能力。

      • 首选方案:转码分发(HTTP-FLV / HLS)。
      • 推荐技术栈:
        • 服务端:SRS(简单易用)或 Nginx-RTMP-Module + FFmpeg(灵活)。
        • Web端播放:HTTP-FLV用 flv.js,延迟更低(1-2秒);HLS用 hls.js 或 video.js,兼容性最好(尤其对Safari),但延迟稍高(3秒以上)。
        • 移动端:iOS Safari 优先用 HLS 方案;Android 可尝试 HTTP-FLV。
      • 这是目前绝大多数直播、监控项目的选择,平衡了延迟、兼容和复杂度。
    • 场景C:无服务器运维条件,或只是做个简单的Demo/POC。

      • 可以尝试:寻找一些提供“RTSP/RTMP转WebRTC”或“RTSP转HLS”的云服务或开源一体化项目。有些项目打包了网关和播放页面,一键部署。但这通常不适合大规模生产环境。
    • 场景D:技术探索,或对客户端性能有绝对信心。

      • 可以挑战:基于Wasm的纯前端解码方案。但请做好性能测试和兼容性兜底。
  3. 第三步:编码与网络确认

    • 无论选择哪种方案,确认视频源是H.264编码。
    • 规划好网络架构,确保服务器能访问到视频源,并且前端能无跨域问题地访问到转码后的流。

5. 实战:搭建一个最简单的HTTP-FLV直播系统

纸上得来终觉浅,我们动手搭一个。这里我用 Docker 来快速部署一个最轻量的流媒体服务器 SRS,它同时支持拉RTSP和收RTMP,并输出HTTP-FLV。

步骤 1:准备环境 确保你的开发机或服务器上安装了 Docker。

步骤 2:拉取并运行SRS

docker run -p 1935:1935 -p 1985:1985 -p 8080:8080 \
  --name srs \
  -it ossrs/srs:latest
  • 1935: RTMP推流/拉流端口。
  • 1985: SRS管理API端口。
  • 8080: HTTP-FLV拉流和HTTP API端口。

步骤 3:推送一个测试流 你可以用OBS软件,向 rtmp://你的服务器IP:1935/live 推流,流密钥(Stream Key)设为 livestream。 或者,用FFmpeg模拟一个RTSP源并推送到SRS:

# 假设你在另一台机器上,运行一个测试RTSP服务器(如用mediamtx)
# 然后用FFmpeg拉这个测试RTSP流,并推给SRS
ffmpeg -re -stream_loop -1 -i test_video.mp4 \
  -c copy -f rtsp rtsp://localhost:8554/mystream
# 在SRS服务器上,用FFmpeg拉RTSP并推RTMP到SRS自身
ffmpeg -i rtsp://上一步的IP:8554/mystream \
  -c copy -f flv rtmp://localhost:1935/live/livestream

步骤 4:前端播放 现在,HTTP-FLV的地址是:http://你的服务器IP:8080/live/livestream.flv 用我们前面提到的flv.js代码,把这个地址填进去,就能播放了。

步骤 5:让SRS主动拉取RTSP 更常见的场景是,让SRS主动去拉摄像头的RTSP流。你需要修改SRS的配置文件。进入SRS容器:

docker exec -it srs bash
vi /usr/local/srs/conf/push.conf

添加如下配置:

# 在vhost __defaultVhost__里面添加
vhost __defaultVhost__ {
    # 拉流转发,将远端RTSP流拉过来,然后作为RTMP流本地发布。
    transcode {
        enabled on;
        ffmpeg ./objs/ffmpeg/bin/ffmpeg;
        engine livestream {
            enabled on;
            input rtsp://摄像头IP:端口/路径; # 替换为你的真实RTSP地址
            output rtmp://127.0.0.1:1935/live/livestream;
        }
    }
}

重启SRS服务后,它就会自动去拉取RTSP流,并生成 livestream 这个HTTP-FLV流。

这个过程我走过很多遍,第一次可能会觉得步骤繁琐,但一旦跑通,你就会对整个流媒体从采集、传输到播放的链条有非常直观的理解。遇到问题,多查查SRS的官方Wiki,社区很活跃。记住,在音视频领域,耐心和动手尝试是最好的老师。

Web浏览器播放rtsp视频流详细解决方案 (1)、浏览器插件方案这种方案依赖于浏览器插件或者控件,在浏览器中播放 RTSP/RTMP 流,但这种方法存在一些局限性,尤其在移动平台上不可用。a. VLC浏览器控件(已过期)简介:VLC是一个开源的媒体播放器,曾经可以通过浏览器插件来播放RTSP流。缺点:VLC控件已经过时,仅支持老版本的浏览器,而且在移动端完全不支持。推荐度:不推荐,已经过时,无法满足现代Web的需求。b. Flash控件(已淘汰)简介:Flash曾是Web视频流的标准,通过Flash插件可以播放RTMP流。 阅读详情

相关推荐

三种主流流协议的浏览器播放解决方案

三种主流流协议的浏览器播放解决方案

m0_58699417的博客 3843

用网页播放RTMP!

启动nginx-rtmp安装并配置nginx-rtmp模块,启动nginx服务。FFmpeg推流使用FFmpeg将RTMP流推送到nginx-rtmp服务器。设置WebSocket服务器启动脚本,将MPEG-TS流通过WebSocket传输。前端显示编写HTML页面,使用JSMpeg库通过WebSocket接收并播放视频流。完。

m0_62231223的博客 1万+

前端播放rtmp协议的视频流文件

前端播放rtmp协议的视频流文件 最近公司的项目中需要在大屏可视化的页面中的一个位置是视频监控的,需求大概是这样的: 大屏右下角布局中有六个div,每个可以实时播放监控视频 点击某个视频全屏放大, 自动播放 先用图片占个位,大概就是这样,很常见的需求,开发起来还是遇到了一些问题,这里分享一下。 我们都知道H5的video标签一共支持三种格式的视频文件:Ogg, MPEG4, WebM,这三种格式对于浏览器的兼容性也不相同。但是video标签肯定是不能直...

仗剑天涯,从摘要开始 1万+

rtsp直播流转换成rtmp流在浏览器正常播放(Windows命令行,Java代码)

rtsp直播流转换成rtmp流在浏览器正常播放(Windows命令行,Java代码)

Mr_XiMu的博客 8331

rtmp视频流播放-前端

rtmp视频流播放-前端直播技术,video.js播放视频流源文件,下载可用

波束形成算法:LCMV实现(MATLAB)

阵列信号处理,波束成形,

weixin_43601588的博客 1万+

获取视频 RTMP 推流web播放

需求获取USB摄像头,手机谁摄像头。显示到web网页上。

个人的工作随笔和日记,主要作为一个记录风向平台 7003

DAC8568控制器实战:如何用STM32实现多通道同步输出(附完整代码)

本文详细介绍了如何使用STM32微控制器驱动TI的DAC8568多通道DAC控制器,实现高精度的多通道同步模拟信号输出。内容涵盖硬件设计要点、SPI时序精准配置、驱动层命令构建,并重点解析了通过LDAC引脚实现同步更新的核心策略,提供了完整的代码框架和实战案例,帮助工程师快速解决多通道同步输出的工程难题。

weixin_29179311的博客 173

前端视频流的解决方案(RTSP、RTMP、HLS、FLV)

通过浏览器用video.js可以正常播放,但是发现和原视频存在5秒左右的延迟,不符合项目的实时性需求,所以有实时视频的需求不建议用HLS流播放。在开始一个流媒体会话时,客户端会下载一个包含源数据的extended M3U(m3u8)playlist文件,用于寻找可用的媒体流。因为他会将数据分割成多个片段,所以客户端可以很快的实现码率切换,以适应不同的带宽,主要应用于手机端。因其自己的实现方式,需要多次请求,HLS存在延迟的延迟比别的协议会高,不适用于直播,HLS对于网络质量的要求比较高。

wytraining 5674

cartographer基于3d地图的纯定位模式

关于纯定位模式呢,本人试过2d和3d,怎么说呢,有条件的话,建议直接上3d,因为博主当初在做定位时针对室内和室外都尝试过,2d只在室内环境下效果会很棒,但是在室外就呵呵啦!所以这里直接讲解3d室外定位(建图篇请自己查看我之前的博客:[3d建图](https://blog.youkuaiyun.com/qq_40216084/article/details/105531983) 看了我之前的博客大概知道配置文件和源文件路径了,我这里就不把路径写出来了,挺麻烦的。直接讲怎么做把,有不懂的留言,看到了我一定知无不言。 **首

qq_40216084的博客 5552

基于STM32、HAL库的TCA9555PWR I/O扩展器驱动程序设计

define TCA9555_ADDR_BASE 0x20 // 基础地址 (A0=A1=A2=0)* @param direction: 方向 (0=输出, 1=输入)* @param direction: 方向 (0=输出, 1=输入)* @param polarity: 极性 (0=正常, 1=反转)* @param polarity: 极性 (0=正常, 1=反转)

corlin6688的博客 528

【前端】rtsp 与 rtmp 视频流的播放方法

【前端】rtsp 与 rtmp 视频流的播放方法导读写在前面前端如何在网页上播放 rtsp 视频流 导读 RTSP(Real Time Streaming Protocal),RFC2326,实时流传输协议,是 TCP/IP 协议体系中的一个应用层协议。… 额,算了,不写这些了;想了解科普知识的,自己去网上查;而且这也不是我写博文的风格,咋们直接上干货! 写在前面 如何生成一个 rtsp 的视频流?如何播放 rtsp 视频流? 你可以在网上搜一下 rtsp 测试视频流,看有没有现成的 rtsp 视频流连接可

热爱思考、活力满满、开朗爱笑的年轻人 4万+

简单VASP计算INCAR设置(结构优化OPT、静态自洽SCF、能带BAND、态密度DOS)

改变 K 点、NBANDS、晶胞、ENCUT、POTCAR、自旋或 SOC 后要检查兼容性。该参数不参与物理计算,因此不会改变总能量、受力、应力或最终结构。如果研究的是金属、磁性材料、表面、二维材料、分子、缺陷、DFT+U、杂化泛函或强自旋轨道耦合体系,部分参数必须调整。适合已经用 IBRION = 2 预优化、力较小、自由度较多的结构。在 IBRION = 1、2、3 中,它只是内部缩放因子。“不能修改”不是程序禁止修改,而是修改后会改变理论模型、数值精度或能量参考,使结果不能直接比较。

weixin_51420530的博客 126

前端VUE播放RTSP、RTMP、HLS、FLV视频流的解决方案

前端VUE播放RTSP、RTMP、HLS、FLV视频流的解决方案 文章目录前端VUE播放RTSP、RTMP、HLS、FLV视频流的解决方案前言一、目前几种常见视频流的优缺点二、几种视频流的播放方法1.RTSP2.RTSP转RTMP3.RTSP转HLS4.RTSP转FLV总结 前言 最近有个需求是前端在浏览器显示摄像头传回的RTSP视频流,我和后端都没做过视频流的项目,所以一步步摸索过来,方法和经验供大家参考。前端采用的技术有VUE+video.js+flv.js 一、目前几种常见视频流的优缺点

weixin_45835850的博客 3万+

微信小程序 - 实现仿小红书轮播图组件功能,类似小红书笔记页面图片展示播放效果,微信小程序仿小红书幻灯片轮播支持视频播放、图片预览,自动适应图片或视频大小可左右滑动切换(小程序精美轮播图,丝滑切换)

微信小程序,轮播图组件,微信小程序仿小红书轮播图,小红书轮播图仿造,微信小程序轮播图,微信小程序幻灯片,微信小程序高仿小红书轮播图实现,小程序实现类似小红书一样的轮播图组件,轮播图插件,精致轮播图,精美丝滑流畅切换的轮播图,轮播图组件,小红薯轮播图,关于小红书的小程序不同数量的轮播图,展示不一样的轮播指示点的实现,微信小程序仿小红书图片轮播,开发微信小程序模仿小红书,高仿小红书Banner的指示器,小红书小程序笔记详情轮播图指示点的随图片数量的变化动态变化,微信小程序swiper轮播图,js轮播图,html

✅ 精选推荐文章 6935

(七)独立按键

(七)独立按键

m0_52555663的博客 1734

浏览器web原生播放 rtmp,rtsp(h264, h265),flv, hls 的解决方案

支持协议:RTSP、RTMP、HLS、HTTP-FLV、WebSocket-FLV、GB28181、HTTP-TS、WebSocket-TS、HTTP-fMP4、WebSocket-fMP4、MP4、WebRTC。

liveweb视频汇聚平台 3025

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

浏览器播放rtmp

rtmp播放 文章目录rtmp播放1、rtmp测试路径地址2、video.js播放rtmp3、ezuikit播放rtmp 1、rtmp测试路径地址 https://www.cnblogs.com/yeminglong/p/14704789.html 2、video.js播放rtmp 注意: 1.如果写在html本地运行,请使用http-server启动,npm install http-server -g 2.video.js要使用5.X版本 3.需要开启网页flash 4.如果视频转的久,不要慌多等等 5

qq_45068078的博客 7369

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

浏览器播放视频流

HLS是由苹果公司提出的基于HTTP的流媒体网络传输协议。它将流媒体数据切片成多个小片段,并保存在m3u8列表文件中。HLS的优势在于支持不同速率的版本切换,实现无缝播放,且兼容性好,可在大多数浏览器上直接播放。然而,HLS的实时性较差,延迟较高,不适合对实时性要求极高的场景。

liveweb888的博客 1123

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

RTMP流媒体播放过程

本文描述了从打开一个RTMP流媒体到视音频数据开始播放的全过程。 注意:RTMP中的逻辑结构 RTMP协议规定,播放一个流媒体有两个前提步骤:第一步,建立一个网络连接(NetConnection);第二步,建立一个网络流(NetStream)。其中,网络连接代表服务器端应用程序和客户端之间基础的连通关系。网络流代表了发送多媒体数据的通道。服务器和客户端之间只能建立一个网络连接,但是基于该连接可

雷霄骅(leixiaohua1020)的专栏 8万+

Web浏览器没有Flash如何播放RTMP协议直播

各大主流浏览器在很早的时候就已声明 2020 年底不支持 Adobe Flash。所以已经线上运行的项目以及涉及直播的项目,都会涉及一个问题 : “?

liveweb视频汇聚平台 2279

网页可以播放RTMP视频流,支持RTMP的网页播放器

对于这些要求,我们的视频流媒体服务器已经解决。我们研发的流媒体服务器自身支持对成功接入的摄像机实时视频进行7*24h录像,支持录像的检索与回放,并且支持网络硬盘录像机NVR按设备、通道、日期获取对应录像文件进行录像的检索与回放,无需安装各个安防厂商的视频播放插件。我们知道多数监控摄像头都是支持RTMP协议的,当然公安部的摄像头是支持GB28181协议的,这个我们在本文不做过多赘述,我们来探讨一下网页播放RTMP视频流的播放器。当然是可以的,但是对于PC端来说,网页播放RTMP流媒体视频流将会承受更多的。

liveweb视频汇聚平台 2719

Video.js实现在html页面播放rtmp流媒体

Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtmp流媒体Video.js实现在html页面播放rtm

各类程序设计成品、文档、学习资料 4105

前段播放 流媒体(RTMP,RTSP,HLS)

前言 最近项目需要流媒体的播放,后端一共提供了 三种流数据(RTSP,RTMP,HLS),在不同的场景可能会使用到不同方式播放,就需要做到适配, 支持所有的流数据播放。花了一段时间研究,在这里和大家分享一下,还有些遗留问题,看大家有没有好的方法。 RTSP 简介 这种协议流数据前段播放,没有特别好的解决方法,需要在本机装一个vlc 插件,依靠这个插件才能让 RTSP 协议 在网页上能播放...

dianchengsn076644的博客 1589

基于SpringBoot实现的浏览器网页端视频监控流播放器,支持RTSP、RTMP视频流

该项目是RTSP、RTMP 流媒体网页直播服务支持任意的 RTSP 或 RTMP 协议的视频流实现了 HTTP-FLV 和 WS-FLV 两种传输协议无需安装插件,兼容大部分浏览器超低延迟,追帧播放,实时更新。

TheTsing的博客 5393
上一篇: FPGA进阶指南:Quartus II 15.0宏模块(MegaWizard Plug-In Manager)高效配置技巧
下一篇: Zotero CSL进阶:打造个性化双语参考文献格式
寂静夜空35
博客等级 码龄3年 60粉丝 1797原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值