高效 AI 视频处理利器 - BMF 模块开发初体验

2023-12-31
北京
本文字数：7906 字
阅读完需：约 26 分钟

当前 AI 算法蓬勃发展，但在开源的代码中，基本都是处理图片，原生支持处理视频的算法寥寥无几。究其原因，相比图片的处理，视频的处理不仅需要考虑封装格式的处理（如 MP4、HLS、MKV 等），还要考虑编码格式的处理（如 H264、H265、AV1、VP9 等），这是都是算法开发人员不得不面对的一个障碍。

FFmpeg 作为一个持续了 20 多年的开源项目，号称音视频处理的“瑞士军刀”。在 FFmpeg 中，有一个 AVFilter 模块，支持简单的音视频前处理、后处理，如图像调色、图像叠加等。近几年，随着 AI 技术的发展，FFmpeg 也支持集成了 libtensorflow 的能力，可以支持一些简单的音视频 AI 能力。但开发 FFmpeg 的 AVFilter 模块，仍有一定的门槛。

BabitMF（Babit Multimedia Framework，BMF），是字节跳动最近开源的一个通用的多媒体处理框架。在 BMF 中，AVFilter 对应都是 BMF 模块。从它的开源文档介绍中，看到 BMF 完全兼容 FFmpeg 的功能和标准，而且支持 Python 开发，这可以显著提升 AI 算法在视频处理上的集成效率，对 AI 算法开发人员是一个福音！

那么，BMF 模块真的是 AI 视频处理利器吗？体验一下就知道了。

BMF 安装

BMF 有四种安装方式，具体如下：

pip 安装：在满足依赖的情况下，安装比较简单
docker 镜像：无需关注依赖情况，直接拉取镜像即可体验，但 babitmf/bmf_runtime:latest 超过 10G
预编译二进制文件：需要满足依赖
源码构建：需要关注依赖和编译选项，极客玩家必选

我有一台 centos 8 的云服务器，秉承尽量少折腾的原则，先尝试拉取 docker 镜像，但拉取 10G 的镜像实在太慢，遂放弃该安装方式。剩下的三种方法，都需要先处理下依赖，命令如下：

# 安装前置依赖dnf -y upgrade libmodulemddnf -y install glibc-langpack-en epel-release epel-next-releasednf makecachednf update -ydnf config-manager --set-enabled powertoolsdnf -y install make git pkgconfig cmake3 openssl-devel binutils-devel gcc gcc-c++ glog-devel
# 安装 FFmpegdnf install -y https://download1.rpmfusion.org/free/el/rpmfusion-free-release-8.noarch.rpmdnf install -y https://download1.rpmfusion.org/nonfree/el/rpmfusion-nonfree-release-8.noarch.rpmdnf install -y ffmpeg ffmpeg-devel

复制代码

因为 dnf 搜索不到 python3.9 版本，因此采用源码安装：

cd /optwget https://www.python.org/ftp/python/3.9.13/Python-3.9.13.tgztar xvf Python-3.9.13.tgzcd Python-3.9.13sudo ./configure --enable-optimizations --enable-sharedsudo make altinstall

复制代码

设置下环境变量：export LD_LIBRARY_PATH=/usr/local/lib/:$LD_LIBRARY_PATH，执行 python3 -c 'import bmf'成功，则表示安装环境已成功。

Python 模块开发

在官方文档有创建 Python 模块的示例，对照着改造了一个超分的算法模块，惊喜地发现并不需要太多的改动！可以在这个代码仓库查看相关的 BMF 模块和测试代码。

开发和管理 BMF Python 模块

BMF 的模块开发，需要关注两个函数：__init__和process。其中，__init__用于初始化模块，process里包装了对单帧视频或音频的处理逻辑。BMF 提供了模块管理工具 module_manager，可以方便地安装、管理本地的模块。

接下来，我们使用官网提供的复制流的代码，快速熟悉 BMF 模块的开发和管理流程。

复制流的代码逻辑比较简单，在process中，直接把输入的视频包直接输出即可，代码参考copy_module.py。接下来，使用module_manager安装模块，执行命令和输出成功的日志如下：

module_manager install copy_module python copy_module:CopyModule $(pwd)/ v0.0.1Installing the module:copy_module in "/usr/local/share/bmf_mods/Module_copy_module" success.

复制代码

接下来，就是对这个模块进行测试，代码如下：

import bmfimport sys
input_file = sys.argv[1]output_path = 'copy.mp4'
(    bmf.graph()       .decode({'input_path': input_file})['video']       .module('copy_module')       .encode(None, {"output_path": output_path})       .run())

复制代码

代码还是非常直观的，构建graph，将输入文件进行解码，取其中的视频流，使用我们新建的模块进行处理，最后进行编码输出。运行命令 python3 test_copy_module.py input.jpg，我们可以看到如下的日志输出如下，可以看到载入了我们新建的copy_module，将输入的图片处理后，生成了 MP4 文件。

[2023-12-31 11:09:12.655] [info] c_ffmpeg_decoder c++ /root/py3-env/lib/python3.9/site-packages/bmf/lib/libbuiltin_modules.so libbuiltin_modules.CFFDecoder[2023-12-31 11:09:12.655] [info] Module info c_ffmpeg_decoder c++ libbuiltin_modules.CFFDecoder /root/py3-env/lib/python3.9/site-packages/bmf/lib/libbuiltin_modules.so[2023-12-31 11:09:12.656] [info] Constructing c++ module[2023-12-31 11:09:12.658] [error] node id:0 Could not find audio stream in input file 'input.jpg'Input #0, image2, from 'input.jpg':  Duration: 00:00:00.04, start: 0.000000, bitrate: 497 kb/s    Stream #0:0: Video: mjpeg (Baseline), yuvj420p(pc, bt470bg/unknown/unknown), 128x128 [SAR 1:1 DAR 1:1], 25 tbr, 25 tbn, 25 tbc[2023-12-31 11:09:12.658] [info] c++ module constructed[2023-12-31 11:09:12.658] [info] copy_module python /usr/local/share/bmf_mods/Module_copy_module copy_module.CopyModule[2023-12-31 11:09:12.658] [info] Module info copy_module python copy_module.CopyModule /usr/local/share/bmf_mods/Module_copy_module[2023-12-31 11:09:12.658] [info] c_ffmpeg_encoder c++ /root/py3-env/lib/python3.9/site-packages/bmf/lib/libbuiltin_modules.so libbuiltin_modules.CFFEncoder[2023-12-31 11:09:12.658] [info] Module info c_ffmpeg_encoder c++ libbuiltin_modules.CFFEncoder /root/py3-env/lib/python3.9/site-packages/bmf/lib/libbuiltin_modules.so[2023-12-31 11:09:12.658] [info] Constructing c++ module[2023-12-31 11:09:12.658] [info] c++ module constructed[2023-12-31 11:09:12.659] [info] BMF Version: 0.0.9[2023-12-31 11:09:12.659] [info] BMF Commit: e3c9730[2023-12-31 11:09:12.659] [info] start init graph[2023-12-31 11:09:12.659] [info] scheduler count2debug queue size, node 0, queue size: 5[2023-12-31 11:09:12.659] [info] node:c_ffmpeg_decoder 0 scheduler 0debug queue size, node 1, queue size: 5[2023-12-31 11:09:12.659] [info] node:copy_module 1 scheduler 0debug queue size, node 2, queue size: 5[2023-12-31 11:09:12.659] [info] node:c_ffmpeg_encoder 2 scheduler 1[2023-12-31 11:09:12.660] [info] node id:0 decode flushing[2023-12-31 11:09:12.660] [info] node id:0 Process node end[2023-12-31 11:09:12.660] [info] node id:0 close node[2023-12-31 11:09:12.660] [info] node 0 close report, closed count: 1[2023-12-31 11:09:12.660] [info] node id:1 eof received[2023-12-31 11:09:12.660] [info] node id:1 eof processed, remove node from scheduler[2023-12-31 11:09:12.660] [info] node id:1 process eof, add node to scheduler[2023-12-31 11:09:12.660] [info] node id:1 Process node end[2023-12-31 11:09:12.660] [info] node id:1 close node[2023-12-31 11:09:12.660] [info] node 1 close report, closed count: 2[2023-12-31 11:09:12.660] [info] node id:2 eof received[2023-12-31 11:09:12.660] [info] node id:2 eof processed, remove node from scheduler[libx264 @ 0x7f3308002400] using SAR=1/1[libx264 @ 0x7f3308002400] using cpu capabilities: MMX2 SSE2Fast SSSE3 SSE4.2 AVX FMA3 BMI2 AVX2 AVX512[libx264 @ 0x7f3308002400] profile High, level 1.1, 4:2:0, 8-bit[libx264 @ 0x7f3308002400] 264 - core 157 r2980 34c06d1 - H.264/MPEG-4 AVC codec - Copyleft 2003-2019 - http://www.videolan.org/x264.html - options: cabac=1 ref=3 deblock=1:0:0 analyse=0x3:0x113 me=hex subme=7 psy=1 psy_rd=1.00:0.00 mixed_ref=1 me_range=16 chroma_me=1 trellis=1 8x8dct=1 cqm=0 deadzone=21,11 fast_pskip=1 chroma_qp_offset=-2 threads=3 lookahead_threads=1 sliced_threads=0 nr=0 decimate=1 interlaced=0 bluray_compat=0 constrained_intra=0 bframes=3 b_pyramid=2 b_adapt=1 b_bias=0 direct=1 weightb=1 open_gop=0 weightp=2 keyint=250 keyint_min=25 scenecut=40 intra_refresh=0 rc_lookahead=40 rc=crf mbtree=1 crf=23.0 qcomp=0.60 qpmin=0 qpmax=69 qpstep=4 ip_ratio=1.40 aq=1:1.00Output #0, mp4, to 'copy.mp4':  Metadata:    encoder         : Lavf58.29.100    Stream #0:0: Video: h264 (avc1 / 0x31637661), yuv420p, 128x128 [SAR 1:1 DAR 1:1], q=2-31, 25 fps, 25 tbr, 12800 tbn, 25 tbc[swscaler @ 0x7f3308125e40] deprecated pixel format used, make sure you did set range correctly[2023-12-31 11:09:12.663] [info] node id:2 process eof, add node to scheduler[2023-12-31 11:09:12.664] [info] node id:2 Process node end[libx264 @ 0x7f3308002400] frame I:1     Avg QP:29.45  size:   795[libx264 @ 0x7f3308002400] mb I  I16..4: 15.6% 64.1% 20.3%[libx264 @ 0x7f3308002400] 8x8 transform intra:64.1%[libx264 @ 0x7f3308002400] coded y,uvDC,uvAC intra: 64.8% 81.2% 25.0%[libx264 @ 0x7f3308002400] i16 v,h,dc,p: 40%  0%  0% 60%[libx264 @ 0x7f3308002400] i8 v,h,dc,ddl,ddr,vr,hd,vl,hu: 28%  7% 19%  6%  4% 12%  5% 13%  6%[libx264 @ 0x7f3308002400] i4 v,h,dc,ddl,ddr,vr,hd,vl,hu: 30%  7% 26%  5%  4%  7%  4%  9%  8%[libx264 @ 0x7f3308002400] i8c dc,h,v,p: 47% 12% 33%  8%[libx264 @ 0x7f3308002400] kb/s:159.00[2023-12-31 11:09:12.665] [info] node id:2 close node[2023-12-31 11:09:12.665] [info] node 2 close report, closed count: 3[2023-12-31 11:09:12.665] [info] schedule queue 0 start to join thread[2023-12-31 11:09:12.665] [info] schedule queue 0 thread quit[2023-12-31 11:09:12.665] [info] schedule queue 0 closed[2023-12-31 11:09:12.665] [info] schedule queue 1 start to join thread[2023-12-31 11:09:12.665] [info] schedule queue 1 thread quit[2023-12-31 11:09:12.665] [info] schedule queue 1 closed[2023-12-31 11:09:12.665] [info] all scheduling threads were joint{    "input_streams": [],    "output_streams": [],    "nodes": [        {            "module_info": {                "name": "c_ffmpeg_decoder",                "type": "",                "path": "",                "entry": ""            },            "meta_info": {                "premodule_id": -1,                "callback_binding": []            },            "option": {                "input_path": "input.jpg"            },            "input_streams": [],            "output_streams": [                {                    "identifier": "video:c_ffmpeg_decoder_0_1",                    "stream_alias": ""                }            ],            "input_manager": "immediate",            "scheduler": 0,            "alias": "",            "id": 0        },        {            "module_info": {                "name": "copy_module",                "type": "",                "path": "",                "entry": ""            },            "meta_info": {                "premodule_id": -1,                "callback_binding": []            },            "option": {},            "input_streams": [                {                    "identifier": "c_ffmpeg_decoder_0_1",                    "stream_alias": ""                }            ],            "output_streams": [                {                    "identifier": "copy_module_1_0",                    "stream_alias": ""                }            ],            "input_manager": "immediate",            "scheduler": 0,            "alias": "",            "id": 1        },        {            "module_info": {                "name": "c_ffmpeg_encoder",                "type": "",                "path": "",                "entry": ""            },            "meta_info": {                "premodule_id": -1,                "callback_binding": []            },            "option": {                "output_path": "copy.mp4"            },            "input_streams": [                {                    "identifier": "copy_module_1_0",                    "stream_alias": ""                }            ],            "output_streams": [],            "input_manager": "immediate",            "scheduler": 1,            "alias": "",            "id": 2        }    ],    "option": {},    "mode": "Normal"}[2023-12-31 11:09:12.667] [info] schedule queue 0 start to join thread[2023-12-31 11:09:12.667] [info] schedule queue 0 closed[2023-12-31 11:09:12.667] [info] schedule queue 1 start to join thread[2023-12-31 11:09:12.667] [info] schedule queue 1 closed[2023-12-31 11:09:12.667] [info] all scheduling threads were joint[2023-12-31 11:09:12.667] [info] node id:0 video frame decoded:1[2023-12-31 11:09:12.667] [info] node id:0 audio frame decoded:0, sample decoded:0

复制代码

解决人脸超分算法的依赖

体验完 BMF 模块的使用方式，接下来就是解决算法的依赖问题。因为是 CPU 环境，所以先从 Github 上找一个可以在 CPU 上运行的代码。简单搜索后，决定使用这个人脸超分的代码 ewrfcas/Face-Super-Resolution，首先需要解决依赖问题，让代码在本地可以运行：

创建 Python 虚拟环境：python3.9 -m venv ~/py3_env
激活虚拟环境：source ~/py_env/bin/activate
安装 BMF：pip3 install BabitMF，执行 python3 -c 'import bmf' 确认可运行
安装人脸超分代码的依赖：pip3 install opencv-python scikit-image dlib torch torchvision
按照人脸超分代码仓库的 README，下载依赖的模型，并执行python3 test.py，确认可执行成功解决了算法依赖问题，就可以开始 BMF Python 模块的改造了。

改造人脸超分模块

我们可以在上面复制流模块的基础上，对算法模块进行改造。具体改造点包括：

init 中进行超分模型的初始化，这样在后续的处理中就可以直接使用了
process 中将输入视频流的帧解码并转换成rgb24的色彩空间，这样可以直接输出 numpy 的数组，就可以直接使用原来的超分函数，最后将超分的结果重新编码成视频帧

class FaceSR(Module):    def __init__(self, node, option=None):        self.sr_model = SRGANModel(FaceSROpt(), is_train=False)        self.sr_model.load()
    def process(self, task):        input_packets = task.get_inputs()[0]        output_packets = task.get_outputs()[0]
        while not input_packets.empty():            pkt = input_packets.get()
            if pkt.timestamp == Timestamp.EOF:                Log.log_node(LogLevel.DEBUG, task.get_node(), "Receive EOF")                output_packets.put(Packet.generate_eof_packet())                task.timestamp = Timestamp.DONE                return ProcessResult.OK
            if pkt.is_(VideoFrame) and pkt.timestamp != Timestamp.UNSET:                vf = pkt.get(VideoFrame)                frame = ffmpeg.reformat(vf, "rgb24").frame().plane(0).numpy()
                sr_frame = self.sr_forward(frame)
                rgb = mp.PixelInfo(mp.kPF_RGB24)                video_frame = VideoFrame(mp.Frame(mp.from_numpy(sr_frame), rgb))                video_frame.pts = vf.pts                video_frame.time_base = vf.time_base                out_pkt = Packet(video_frame)                out_pkt.timestamp = video_frame.pts                output_packets.put(out_pkt)
        return ProcessResult.OK
    def sr_forward(self, img, padding=0.5, moving=0.1):        img_aligned, M = dlib_detect_face(img, padding=padding, image_size=(128, 128), moving=moving)        input_img = torch.unsqueeze(_transform(Image.fromarray(img_aligned)), 0)        self.sr_model.var_L = input_img.to(self.sr_model.device)        self.sr_model.test()        output_img = self.sr_model.fake_H.squeeze(0).cpu().numpy()        output_img = np.clip((np.transpose(output_img, (1, 2, 0)) / 2.0 + 0.5) * 255.0, 0, 255).astype(np.uint8)        rec_img = face_recover(output_img, M * 4, img)        return rec_img

复制代码

代码改造好后，就可以使用 module_manager 进行本地发布：

~: module_manager install face_sr_module python face_sr_module:FaceSR $(pwd)/ v0.0.1Installing the module:face_sr_module in "/usr/local/share/bmf_mods/Module_face_sr_module" success.

复制代码

测试就更简单了，可以使用上面测试复制流的代码，把其中 copy_module 改成 face_sr_module 就可以了。

最后，我们运行测试代码 python3 test_copy_module.py input.jpg，看下执行效果。

上面左图是输入图片，右图是人脸超分处理后的图片。可以看到，超分效果并不明显，这个后续再排查，不影响本次的 BMF 开发体验。

不知道各位读者是否注意到，测试代码都是使用图片作为输入，这是因为图片也是多媒体格式的一种，那么算法的开发验证，就不需要再把视频转成图片序列了。使用 BMF 开发，就可以做到同时处理图片和视频！

总结与建议

通过一个 Python 人脸超分模块的改造开发，验证了 BMF 多媒体处理框架能让 AI 算法在视频处理上的集成难度下降、集成效率提升。BMF 在字节内部有非常多的应用，支持专业地音视频处理，算法开发人员不再需要担心音视频的封装、编解码、音画同步等复杂情况。只要适配了 BMF 的模块开发要求，就可以做到一次开发，直接支持图片和视频！

当然，体验过程中，也发现一些可以改进的地方，比如：

可以提供轻量级的 Docker 镜像，或对现有镜像进行精简，便于下载体验
模块开发的示例可以添加一些具体的例子和详细的解释，更加便于理解和上手

本次主要体验了 BMF Python 模块的开发，相信 BMF 内部还有很多值得探索的特性，各位读者如果有兴趣，欢迎留言，一起交流学习。

发布于: 37 分钟前阅读数: 11

写bug的小王

关注

还未添加个人签名 2018-08-06 加入

还未添加个人简介

发布

暂无评论

创作场景

高效 AI 视频处理利器 - BMF 模块开发初体验

BMF 安装

Python 模块开发

开发和管理 BMF Python 模块

解决人脸超分算法的依赖

改造人脸超分模块

总结与建议

写bug的小王

评论