在gitee上：Ascend/mindxsdk-referenceapps/tutorials/mxBaseVideoSample：基于MxBase 的yolov3视频流推理样例程序链接：https://gitee.com/ascend/mindxsdk-referenceapps/tree/master/tutorials/mxBaseVideoSample操作步骤如下：1.已用ffmpeg对mp4视频转码h264，并将视频放入mediaServer中，运行mediaServer，有提示rtsp流地址如下已按照Readme执行操作，编译完毕，并配置上述rtsp流地址，在bash run.sh后，报错如下：rtsp流找不到程序内rtsp流地址写法如下图：求助，为什么找不到视频流，怎么解决。怎么样才能让程序获取到rtsp流

【功能模块】因现在要做分析业务这块的适配 现在16路既然跑不起来 看下demomxVision-2.0.4/sample 模块跑不起来【操作步骤&问题现象】1、main_video_rtspsrc 接入rtsp视频例子2、main_image_reasoning 图片例子 这两个例子都跑不起来 下面是报错 看的不太懂，文件路径和模型路径等都反复确认 没有报错。运行环境run脚本也添加了export MX_SDK_HOME=/home/HwHiAiUser/mxVision-2.0.4export ACL_HOME=/usr/local/Ascend/ascend-toolkit/latest/acllibexport GST_PLUGIN_SCANNER=${MX_SDK_HOME}/opensource/libexec/gstreamer-1.0/gst-plugin-scannerexport GST_PLUGIN_PATH=${MX_SDK_HOME}/lib/:${MX_SDK_HOME}/lib/plugins:${MX_SDK_HOME}/lib/modelpostprocessors:${MX_SDK_HOME}/opensource/lib/:${MX_SDK_HOME}/opensource/lib/gstreamer-1.0:./lib:./lib/plugins:export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:${ACL_HOME}/lib64:/opt/boost/lib:/opt/ffmpeg/lib:${GST_PLUGIN_PATH}:$LD_LIBRARY_PATH【截图信息】下面是例子main_video_rtspsrc 运行报的错调试还是在pipe创建 不成功

# MindX SDK -- ADNet图像去噪参考设计案例 ## 1 案例概述 ### 1.1 概要描述 本案例为基于ADNet模型的图像去噪MindX SDK后处理开发,是在华为昇腾芯片的性能下对模型降噪后的图像进行保存，与原图像进行对比后计算出PSNR（峰值信噪比，是一种最普遍，最广泛使用的评鉴画质的客观量测法）,在 BSD68 数据集上测试得到精度大小为30.05。 案例获取地址 https://gitee.com/ascend/mindxsdk-referenceapps/tree/master/contrib/ADNet ### 1.2 特性及适用场景 本案例中的 ADNet 模型适用于灰度图像的去噪，并可以返回测试图像的PSNR精度值。 ### 1.3 模型介绍 ADNet是一种包含注意力模块的卷积神经网络，主要包括用于图像去噪的稀疏块（SB）、特征增强块（FEB）、注意力块（AB）和重建块（RB）。具体来说，SB模块通过使用扩张卷积和公共卷积来去除噪声，在性能和效率之间进行权衡。FEB模块通过长路径整合全局和局部特征信息，以增强去噪模型的表达能力。 AB模块用于精细提取隐藏在复杂背景中的噪声信息，对于复杂噪声图像，尤其是真实噪声图像非常有效。 此外，FEB模块与AB模块集成以提高效率并降低训练去噪模型的复杂度。最后，RB模块通过获得的噪声映射和给定的噪声图像来构造去噪的图像。 本方案采用ADNET模型实现图像去噪功能，整体流程与开发流程如图1所示。我们将待检测的图像输入到整体框架中，通过图像解码、图像解码、图像缩放后输入到图像去噪模型中进行推理，推理得到一个去噪后的图像矩阵。然后，我们将该图像与原始图像之间计算出PSNR值，同时完成图像的可视化结果。 模型地址 https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/ACL_PyTorch/contrib/cv/quality_enhancement/ADNet 论文地址 https://github.com/hellloxiaotian/ADNet 模型概述 https://www.hiascend.com/zh/software/modelzoo/models/detail/1/d360c03430f04185a4fe1aa74250bfea ### 1.4 实现流程 实现流程图如下图所示：  pipeline流程如下图所示：  ## 2 软件方案介绍 ### 2.1 技术原理 ADNet图像去噪模型的后处理的输入是 pipeline 中 mxpi_tensorinfer0 推理结束后通过 appsink0 输出的 tensor 数据，尺寸为[1* 1* 321* 481]，将张量数据通过 pred 取出推测的结果值，将像素点组成的图片保存成result.jpg，同时通过提供的 BSD68 数据集完成模型 PSNR 的精度计算。 ### 2.2 项目方案架构介绍 项目主要由主函数，pipeline 文件，模型及其配置文件，测试数据集组成。主函数中构建业务流 stream 读取图片，通过 pipeline 在 SDK 环境下先后实现图像解码，图像缩放，模型推理的功能，最后从流中取出相应的输出数据完成图像保存并测试精度。 系统方案中各模块功能如下： | 序号 | 模块 | 功能描述 | | ---- | ------------- | ------------------------------------------------------------ | | 1 | appsrc | 向stream中发送数据，appsrc将数据发给下游元件 | | 2 | imagedecoder | 用于图像解码，当前只支持JPG/JPEG/BMP格式 | | 3 | imageresize | 对解码后的YUV格式的图像进行指定宽高的缩放，暂时只支持YUV格式的图像 | | 4 | tensorinfer | 对输入的张量进行推理 | | 5 | dataserialize | 将stream结果组装成json字符串输出 | | 6 | appsink | 从stream中获取数据 | | 7 | evaluate | 模型精度计算，输出图像降噪效果评估值PSNR | | 8 | transform | 对测试图像进行格式转换,evaluate 运行前需要进行尺寸调整 | ## 3 开发环境准备 ### 3.1 环境依赖说明 推荐系统为ubuntu 18.04，环境依赖软件和版本如下表 | 软件名称 | 版本 | | -------- | ------ | | MindX SDK | 2.0.4 | | Ascend-CANN-toolkit | 5.0.4 | | ubuntu | 18.04.1 LTS | | python | 3.9.2 | | cv2 | 4.5.5 | | numpy | 1.22.3 | | scikit-image| 0.16.2 | ### 3.2 环境搭建 #### 3.2.1 依赖安装 在服务器上进入指定的虚拟环境，并通过 conda install ~ 或者 pip install ~ 完成 python 相关库的安装。 #### 3.2.2 工程创建 本工程名称为ADNet，工程目录如下图所示： ``` ├── main.py //运行工程项目的主函数 ├── evaluate.py //精度计算 ├── transform.py //图像转换 ├── t.pipeline //pipeline ├── model //存放模型文件 | ├──aipp_adnet.cfg //预处理配置文件 ├── result.jpg //输出结果 ├── 流程.png //流程图 ├── pipeline.png //pipeline流程图 └──README.md ``` ### 3.3 环境变量设置 在编译运行项目前，需要设置环境变量 - 环境变量介绍 - MX_SDK_HOME 指向SDK安装包路径 - LD_LIBRARY_PATH 用于指定查找共享库（动态链接库）时除了默认路径之外的其他路径。 - PYTHONPATH Python中一个重要的环境变量，用于在导入模块的时候搜索路径 - GST_PLUGIN_SCANNER 用于查找plugin相关的依赖和库 - GST_PLUGIN_PATH 用于查找plugin相关的依赖和库 具体执行命令 ``` . ${MX_SDK_HOME}/set_env.sh . ${ascend-toolkit-path}/set_env.sh ``` ## 4 编译与运行 当已有模型的om文件，保存在ADNet/model/下 **步骤 1** 将任意一张jpg格式的图片存到当前目录下(./ADNet），命名为test.jpg。如果 pipeline 文件（或测试图片）不在当前目录下（./ADNet），需要修改 main.py 的pipeline（或测试图片）路径指向到所在目录。 **步骤 2** 按照模型转换获取om模型，放置在 ADNet/model 路径下。若未从 pytorch 模型自行转换模型，使用的是上述链接提供的 onnx 模型或者 om 模型，则无需修改相关文件，否则修改 main.py 中pipeline的相关配置，将 mxpi_tensorinfer0 插件 modelPath 属性值中的 om 模型名改成实际使用的 om 模型名；将 mxpi_imageresize0 插件中的 resizeWidth 和 resizeHeight 属性改成转换模型过程中设置的模型输入尺寸值。 **步骤 3** 在命令行输入 如下命令运行整个工程 ``` python3 main.py ``` **步骤 4** 图片检测。运行结束输出result.jpg。 ## 5 测试精度 **步骤 1** 安装数据集用以测试精度。数据集 BSD68 需要自行下载。 数据集下载链接： https://mindx.sdk.obs.cn-north-4.myhuaweicloud.com/mindxsdk-referenceapps%20/contrib/ADNet/BSD68.zip 在./ADNet目录下新建 dataset 文件夹与 BSD68文件夹，并将数据集下载至BSD68文件夹解压。我们运行以下命令对数据集完成格式与尺寸转换，将处理好的数据集保存在dataset文件夹中，此时ADNet文件夹的目录结构为如下所示。 ``` python3 transform.py ``` ``` ├── main.py //运行工程项目的主函数 ├── evaluate.py //精度计算 ├── transform.py //图像转换 ├── t.pipeline //pipeline ├── model //存放模型文件 | ├──aipp_adnet.cfg //预处理配置文件 ├── test.jpg //测试图像 ├── result.jpg //输出结果 ├── 流程.png //流程图 ├── pipeline.png //pipeline流程图 ├── BSD68 //原始数据集 ├── dataset //完成转换后的待测试数据集 └──README.md ``` **步骤 2** 修改 evaluate.py 中的 pipeline 路径与数据集路径与目录结构保持一致。修改完毕后运行如下命令完成精度测试，输出模型平均 PSNR 值。 ``` python3 evaluate.py ``` 模型在BSD68数据集上的精度达标，最终模型平均PSNR输出值为30.054，满足精度要求（PSNR ≥ 29.27）。  ## 6 常见问题 ### 6.1 在执行样例时报错“No module named 'StreamManagerApi'” **问题描述：**  **解决方案：** 正确导入所需的环境变量。 ### 6.2 模型转换过程中无法选择我们需要的模型输入大小（321 * 481） **问题描述：**  **解决方案：** 模型的输入分辨率值（W与H）不能为奇数。转换模型时未导入aipp_config文件，需要配置resize之后在图像左侧和上侧设置padding值为1，从而满足模型的输入。

【功能模块】composer  php SDK 安装【操作步骤&问题现象】1、composer require huaweicloud/huaweicloud-sdk-php:3.0.54-rc 安装完成后如下图：1  图：2  代码中的依赖库 sdk 文件加载不上HuaweiCloud\SDK\ 这个文件夹加载不上是哪里没有配置好吗？【截图信息】图：1图：2【日志信息】（可选，上传日志内容或者附件）

我修改的是安全帽识别的项目：我的pipeline如下所示：{    "Detection":{      "stream_config":{        "deviceId":"0"       },       "mxpi_rtspsrc0":{            "factory":"mxpi_rtspsrc",            "props":{                "rtspUrl":"rtsp://10.254.3.238:8500/ds-test",                "channelId":"0"            },            "next":"queuerstp0"        },        "queuerstp0":{            "props":{                "max-size-buffers":"50"            },            "factory":"queue",            "next":"mxpi_videodecoder0"        },        "mxpi_videodecoder0":{            "factory":"mxpi_videodecoder",            "props":{                "deviceId":"0",                "inputVideoFormat":"H264",                "outputImageFormat":"YUV420SP_NV12",                "vdecChannelId":"0"            },            "next":"queue01"        },        "queue01":{            "props":{                "max-size-buffers":"500"            },            "factory":"queue",            "next":"mxpi_selectedframe0"        },        "mxpi_selectedframe0":{            "factory":"mxpi_selectedframe",            "next":"mxpi_parallel2serial0:0",            "props":{                "frameNum":"1"            }        },        "mxpi_parallel2serial0":{            "factory":"mxpi_parallel2serial",            "props":{                "dataSource":"mxpi_videodecoder0"            },            "next":"mxpi_imageresize0"        },        "mxpi_imageresize0":{            "props":{                "dataSource":"mxpi_parallel2serial0",                "resizeType": "Resizer_KeepAspectRatio_Fit",                "resizeHeight":"640",                "resizeWidth":"640"            },            "factory":"mxpi_imageresize",            "next":"queue0"        },        "queue0":{            "props":{                "max-size-buffers":"500"            },            "factory":"queue",            "next":"mxpi_modelinfer0"        },        "mxpi_modelinfer0":{            "props":{                "dataSource":"mxpi_imageresize0",                "modelPath":"/opt/MindX_SDK/mxVision/wty/yolov5/yolov5_2.0_demo/models/yolov5/yolov5s.om",                "postProcessConfigPath":"/opt/MindX_SDK/mxVision/wty/yolov5/yolov5_2.0_demo/models/yolov5/yolov5.cfg",                "labelPath":"/opt/MindX_SDK/mxVision/wty/yolov5/yolov5_2.0_demo/models/yolov5/label.txt",                "postProcessLibPath":"/opt/MindX_SDK/mxVision-3.0.RC1/lib/libMpYOLOv5PostProcessor.so"            },            "factory":"mxpi_modelinfer",            "next":"mxpi_imagecrop0"        },        "mxpi_imagecrop0":{            "props":{                    "dataSource":"mxpi_modelinfer0",                    "resizeHeight": "256",                    "resizeWidth": "128"            },            "factory":"mxpi_imagecrop",            "next":"mxpi_tensorinfer1"        },        "mxpi_tensorinfer1": {            "props": {                "dataSource": "mxpi_imagecrop0",                "modelPath": "/opt/MindX_SDK/mxVision-3.0.RC1/wty/mindxsdk-referenceapps/contrib/ReID/models/ReID.om"            },            "factory": "mxpi_tensorinfer",            "next": "appsink0"        },        "appsink0": {            "props": {                "blocksize": "4096000"            },            "factory": "appsink"        }    }}报错如下所示：Object detection result of model infer is null!!!W20220728 15:11:05.848527 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(235),y0(22),x1(264),y1(62). Therefore, This box will not be cropped.E20220728 15:11:05.848695 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(235),y0(22),x1(264),y1(62). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:05.925478 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(21),x1(263),y1(61). Therefore, This box will not be cropped.E20220728 15:11:05.925604 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(21),x1(263),y1(61). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.009892 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(235),y0(22),x1(263),y1(61). Therefore, This box will not be cropped.E20220728 15:11:06.010021 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(235),y0(22),x1(263),y1(61). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.024123 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(22),x1(263),y1(61). Therefore, This box will not be cropped.E20220728 15:11:06.024333 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(22),x1(263),y1(61). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.174964 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(22),x1(263),y1(60). Therefore, This box will not be cropped.E20220728 15:11:06.175156 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(234),y0(22),x1(263),y1(60). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.183930 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(234),y0(22),x1(262),y1(60). Therefore, This box will not be cropped.E20220728 15:11:06.184103 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(234),y0(22),x1(262),y1(60). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.435464 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(233),y0(21),x1(262),y1(59). Therefore, This box will not be cropped.E20220728 15:11:06.435578 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 29. x0(233),y0(21),x1(262),y1(59). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.518703 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(233),y0(21),x1(261),y1(58). Therefore, This box will not be cropped.E20220728 15:11:06.518829 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(233),y0(21),x1(261),y1(58). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:06.602635 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(233),y0(21),x1(261),y1(58). Therefore, This box will not be cropped.E20220728 15:11:06.602766 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 28. x0(233),y0(21),x1(261),y1(58). Therefore, This box will not be cropped.Object detection result of model infer is null!!!W20220728 15:11:10.635695 18989 MxpiImageCrop.cpp:432] [mxpi_imagecrop0][2021][DVPP: image height out of range] The crop height of image is out of range [6,4096], actual height is 4294967248. x0(0),y0(528),x1(213),y1(480). Therefore, This box will not be cropped.W20220728 15:11:13.109241 18989 MxpiImageCrop.cpp:432] [mxpi_imagecrop0][2021][DVPP: image height out of range] The crop height of image is out of range [6,4096], actual height is 4294967200. x0(259),y0(576),x1(323),y1(480). Therefore, This box will not be cropped.W20220728 15:11:13.179190 18989 MxpiImageCrop.cpp:432] [mxpi_imagecrop0][2021][DVPP: image height out of range] The crop height of image is out of range [6,4096], actual height is 4294967200. x0(258),y0(576),x1(320),y1(480). Therefore, This box will not be cropped.W20220728 15:11:14.122613 18989 MxpiImageCrop.cpp:432] [mxpi_imagecrop0][2021][DVPP: image height out of range] The crop height of image is out of range [6,4096], actual height is 4294967291. x0(251),y0(485),x1(296),y1(480). Therefore, This box will not be cropped.W20220728 15:11:14.352444 18989 MxpiImageCrop.cpp:432] [mxpi_imagecrop0][2021][DVPP: image height out of range] The crop height of image is out of range [6,4096], actual height is 4294967292. x0(249),y0(484),x1(292),y1(480). Therefore, This box will not be cropped.W20220728 15:11:16.110862 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 31. x0(238),y0(22),x1(269),y1(65). Therefore, This box will not be cropped.W20220728 15:11:16.111092 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 31. x0(238),y0(22),x1(269),y1(65). Therefore, This box will not be cropped.[mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[1] is out of range [32,4096], actual width is 19. x0(621),y0(590),x1(640),y1(480). Therefore, This box will not be cropped.W20220728 15:11:16.111219 18989 MxpiImageCrop.cpp:422] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 31. x0(238),y0(22),x1(269),y1(65). Therefore, This box will not be cropped.[mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[1] is out of range [32,4096], actual width is 19. x0(621),y0(590),x1(640),y1(480). Therefore, This box will not be cropped.[mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[2] is out of range [32,4096], actual width is 12. x0(0),y0(590),x1(12),y1(480). Therefore, This box will not be cropped.E20220728 15:11:16.111304 18989 MxpiImageCrop.cpp:590] [mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[0] is out of range [32,4096], actual width is 31. x0(238),y0(22),x1(269),y1(65). Therefore, This box will not be cropped.[mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[1] is out of range [32,4096], actual width is 19. x0(621),y0(590),x1(640),y1(480). Therefore, This box will not be cropped.[mxpi_imagecrop0][2020][DVPP: image width out of range] The crop width of image No.[2] is out of range [32,4096], actual width is 12. x0(0),y0(590),x1(12),y1(480). Therefore, This box will not be cropped.我需要您的帮助，请尽快回复，谢谢

【功能模块】【操作步骤&问题现象】1、之前是2.0.2的 mxVision SDK 单进程pipe可创建16路稳定工作。2、升级2.04的 mxVision SDK之后 单进程也就6路 现在8路跑一会儿就上面的decode 失败挂掉。3、晟腾服务器的系统好像升级到20.04lts 不知道受影响不。【日志信息】（可选，上传日志内容或者附件）这是显存超了 还是什么其他问题啊。有没有解决解码失败的办法。怎么和之前一样原来16路跑起来。

【功能模块】用的是Mind Studio自带的目标检测Sample，做了如下操作：1.通过Mind Studio安装了MindX SDK2.按官网给的教程做了模型转换3.RUN后出现如下错误ImportError: /usr/local/Ascend/mindx_sdk/mxVision_2.0.4/linux-aarch64/mxVision-2.0.4/python/_StreamManagerApi.so: undefined symbol: PyCMethod_New2022-07-27 09:44:14 - [ERROR] Exit status: 1求助怎么解决

华为云官网2022-05-05日已发布Web UI SDK的第一个商用版本，也有不少客户有需求使用Web UI SDK，下面总结一下近期客户集成过程中咨询到问题：1：集成Web UI SDK不能创建会议嘛？对浏览器有要求吗？      Web UI SDK当前只支持Windows端的chrome浏览器和MAC端的Safari浏览器加入会议，不能在浏览器创建会议，会议创建可以在portal上进行；2：Web UI SDK支持接入微信小程序吗      不支持；3：集成Web UI SDK，web端入会报错11084016:join cms room fail              11084016这个报错，是企业没开通WebRTC入会；如需开通请联系您企业对接的SA，由SA进行申请开通；      （另注：网络研讨会不需要，普通会议要开权限；要在开通权限之后重新创建会议，加入会议 验证是否正常）4：WebSDK加入会议，网页端摄像头打不开，打开麦克风别人听不到声音；       可能的原因：由于浏览器安全策略限制，仅支持通过https://域名的方式访问，或者直接在本地搭建服务器，通过localhost:端口访问，否则无法获取摄像头及麦克风的权限。5：用华为云会议的 web sdk加入了会议，共享屏幕共享不了；控制台提示[client] [publishImpl fail, errMsg = TypeError: Cannot set properties of undefined (setting 'id')]      可能原因：浏览器103版本以上，需要升级webrtc-sdk到1.0.7版本；      此处提供下Web UI SDK   1.0.7版本 下载链接：https://esdk.obs.cn-north-1.myhuaweicloud.com/huaweimeeting/hwmsdk-webrtc-1.0.7.zip 

【功能模块】摄像机有没有java版本的sdk【操作步骤&问题现象】1、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】【操作步骤&问题现象】1、2、【截图信息】【日志信息】（可选，上传日志内容或者附件）

★重磅推荐★ MindX SDK带您感受全新的AI开发体验延伸阅读【CANN 环境搭建指导视频】【MindStudio环境搭建指导视频】

使用iClient安装狗识别Demo，提示SDK一般错误，是什么问题

【功能模块】问下MindXsdk是否支持目标跟踪，现在我使用的是HelmetIdentification项目，其中包含了mxpi_motsimplesort路径跟踪的功能，但是对于我们的模型并不合适，trackId一直变化，请问有没有适合的Mindxsdk是否支持其它目标跟踪算法【操作步骤&问题现象】【截图信息】下图是打印的结果，其中倒数第二列为trackId，这都是一辆车，但是trackId不断变化。【日志信息】（可选，上传日志内容或者附件）

【功能模块】【操作步骤&问题现象】根据官方操作文档进行模型转换的时候，没有看到历史下载如下：于是下载了模型1.6版本在本地进行配置的时候我只有这个yolov3_tf_aipp.cfg后缀的配置文件，与官方aippconfig后缀不一致；即下图（为官方案例图）最后得到了E29999的错误。【截图信息【日志信息】（可选，上传日志内容或者附件）

版本：MindStudio5.0.RC1 打开Settings菜单，搜索MindX SDK菜单，没有搜索结果