---
title: "Inferenz auf einem Bild-Stream (experimentell)"
product: "LumiScan AI Object Matching"
component: "lumiscan-ai-object-matching-de"
version: "2.1.0"
display_version: "2.1.0.9"
latest_version: true
language: "de"
url: "https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html"
---

# Inferenz auf einem Bild-Stream (experimentell) – LumiScan AI Object Matching

> [!IMPORTANT]
> Die Inferenz auf einem Bild-Stream ist **experimentell** (ab v2.2.0). Ihre Knoten können sich noch ändern. Verwenden Sie sie zur Evaluierung, und prüfen Sie sie mit Ihrem Netz und Ihrer Kamera, bevor Sie sich darauf verlassen.

Das allgemeine Konzept der Streams - Produzenten und Konsumenten, der Ergebnis-Envelope und seine Lineage - ist in [Streams](https://docs.hdvisionsystems.com/de/lumiscan-keryx-de/1.0.0/streams.html) beschrieben. Diese Seite beschreibt den Stream von AI Object Matching. Er funktioniert auf dem ctrlX Data Layer und auf LumiScan Keryx gleich.

Auf Anfrage inferiert ein Modul ein Bild pro Request: Ihr Programm schreibt das Bild, oder der Cam Driver nimmt eines auf, und fordert dann die Inferenz an. Mit einem Bild-Stream veröffentlicht der Cam Driver jedes Bild, das er aufnimmt, auf `control/publish/output/stream/frame`, mit seiner Größe, seinem Pixelformat und seiner Lineage (siehe das Handbuch des Cam Driver, *Bilder streamen*). Ein Modul abonniert den Stream einer Kamera - seine Quelle -, inferiert die Bilder, sobald sie eintreffen, und veröffentlicht ein Ergebnis pro inferiertem Bild. Jedes Ergebnis trägt die Lineage seines Bildes - welche Kamera es aufgenommen hat, in welchem Lauf ihres Streams, als welches Bild des Laufs - ergänzt um den eigenen Schritt des Moduls, siehe [Die Lineage eines Ergebnisses](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#lineage).

Standardmäßig fällt das Modul nie hinter die Kamera zurück. Treffen Bilder schneller ein, als das Netz inferiert, inferiert es jeweils das neueste Bild, sobald die vorherige Inferenz abgeschlossen ist. Die Bilder dazwischen zählen als übersprungen. Wie viele Bilder warten dürfen, legt die Warteschlangengröße fest, siehe [Die Warteschlangengröße](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#queue-size).

Ein Modul hat eine Quelle. Um die Bilder von zwei Kameras zu inferieren, verwenden Sie zwei Module.

Auf beiden Data Layern erreicht jedes Bild das Modul, in der richtigen Reihenfolge. Unterwegs verlorene Bilder werden in `statistics/lost-frames` gezählt: Jedes Bild trägt seine Nummer im Stream seiner Kamera.

## Einrichtung {#setting-up}

Jedes Modul hat die unten aufgeführten Stream-Knoten, ob es bereits eine Quelle hat oder nicht: Um sie zu verwenden, ist kein Neustart nötig. Entweder

- setzen Sie in der Konfigurationsdatei des Moduls den Abschnitt `stream`, zum Beispiel
  ```json
  "stream": {
      "enable": true,
      "address": "hdvisionsystems/lumiscan-cam-driver/camera1/control/publish/output/stream"
  }
  ```

  Siehe [Konfigurationsdatei eines Moduls](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/module-configuration-file.html). Eine geänderte Datei wirkt beim nächsten Start oder Reset; oder

- Sie schreiben zur Laufzeit die Eingaben von `control/subscribe` und rufen es auf, siehe [Abonnieren zur Laufzeit](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#subscribing).

Der Bild-Stream wird mit dem Netz, den Klassenfiltern und der Neuzuordnung des Moduls inferiert. Für ein anderes Netz oder andere Einstellungen verwenden Sie ein anderes Modul.

### In den Einstellungen gespeichert {#kept-in-the-settings}

Stream-Modus und Quelle sind Einstellungen des Moduls, im Abschnitt `stream` seiner Konfigurationsdatei. Ohne diesen Abschnitt, oder ohne `enable` darin, ist das Modul nicht im Stream-Modus. Der Stream-Modus benötigt eine Quelle: Eine Modulkonfigurationsdatei, in der `enable` auf `true` gesetzt ist und keine `address` steht, ist ungültig, und das Modul wird nicht geladen. Ebenso wenig ein Modul mit einem Schritt in `stream.onEntry`: Der Abschnitt enthält die Schritte des Streams jeder LumiScan-Anwendung, und AI Object Matching hat noch keine.

`control/subscribe/execute` und `control/unsubscribe/execute` speichern `enable`, `address`, `tag`, `queueSize` und `keepLatestOutput`, bevor sie sie anwenden. Nach einem Neustart abonniert das Modul dieselbe Quelle und startet, wenn `stream.enable` `true` ist, seinen Stream sofort - niemand muss die Methode erneut aufrufen. Das Speichern ändert nur diese Werte: Der Rest der Datei bleibt, wie er war, Kommentare eingeschlossen.

## Adressen {#addresses}

Alle Adressen unten beginnen mit `hdvisionsystems/lumiscan-ai-object-matching/<network name>/`. Der Stream folgt dem Aufbau einer Execute-Methode: `control/subscribe` besitzt seine Eingaben und Ausgaben.

**Tabelle 1. Methoden**

| Adresse | Bedeutung |
| --- | --- |
| `control/subscribe/execute` | Prüft alle `control/subscribe/input/…` gemeinsam, speichert sie in der Konfigurationsdatei des Moduls und wendet sie dann an: Der Stream folgt in seinem nächsten Zyklus, ohne Neustart. Siehe [Abonnieren zur Laufzeit](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#subscribing). |
| `control/unsubscribe/execute` | Entfernt die Quelle, die `control/unsubscribe/input/address` nennt, was auch den Stream-Modus beendet, und speichert das. Das Tag bleibt. |

**Tabelle 2. Eingaben**

| Adresse | Typ | Beim Start | Bedeutung |
| --- | --- | --- | --- |
| `control/subscribe/input/enable` | bool | `stream.enable`, oder `false` | `true` inferiert die Bilder der Quelle; `false` stoppt es. |
| `control/subscribe/input/address` | string | `stream.address`, oder leer | Der Stream-Ordner der Quelle, der das `frame` der Kamera enthält, zum Beispiel `hdvisionsystems/lumiscan-cam-driver/camera1/control/publish/output/stream`. |
| `control/subscribe/input/tag` | string | `stream.tag`, oder leer | Das Tag, das das Modul auf seine Ergebnisse setzt: Der Schritt des Moduls in der Lineage jedes Ergebnisses trägt es, sodass jeder, der ein Ergebnis weiter unten in der Kette liest, sieht, welches Modul es erzeugt hat. Leer: die Modul-ID, das letzte Segment der Adresse des Moduls - `example` für `hdvisionsystems/lumiscan-ai-object-matching/example`. Ein neues Tag markiert das nächste Ergebnis; die Quelle bleibt abonniert. |
| `control/subscribe/input/queue-size` | uint32 | `stream.queueSize`, oder 1 | Wie viele Bilder auf die Inferenz warten dürfen, 1 bis 64. Siehe [Die Warteschlangengröße](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#queue-size). |
| `control/subscribe/input/keep-latest-output` | bool | `stream.keepLatestOutput`, oder `false` | `true` schreibt jedes Stream-Ergebnis zusätzlich in die normale Ausgabe. Siehe [Neuestes Ergebnis behalten](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#keep-latest-output). |
| `control/unsubscribe/input/address` | string | leer | Die Quelle, die `control/unsubscribe/execute` entfernt: die Adresse auf `setting/stream/address`. |

Das Schreiben einer Eingabe ändert für sich allein nichts: Erst `control/subscribe/execute` wendet die Eingaben an. Sie beginnen mit dem, was das Modul anwendet, und ein Reset setzt sie wieder auf die Werte der Datei, sodass ein Client eine Eingabe ändern und die Methode aufrufen kann.

Was die Quelle enthalten muss: Lesen Sie `hdvisionsystems/lumiscan-ai-object-matching/system/meta/subscription-schema` (string, schreibgeschützt), für jedes Modul dasselbe. Es ist ein JSON Schema (draft-04) des `frame`-Knotens der Quelle, eines `stream_image` mit seiner `lineage` und seinem `image`, in seiner JSON-Form. Der Knoten ist experimentell.

**Tabelle 3. Ausgaben**

| Adresse | Typ | Bedeutung |
| --- | --- | --- |
| `control/subscribe/output/stream/active` | bool | `true`, solange das Modul seinen Bild-Stream inferiert. |
| `control/subscribe/output/stream/result` | flatbuffer `stream_detections` | Das Ergebnis jedes inferierten Bildes, im selben Format wie `output/result`, und seine Lineage. Abonnieren Sie ihn, um jedes Ergebnis zu erhalten. Siehe [Das Ergebnis eines gestreamten Bildes](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#result). |
| `control/subscribe/output/stream/statistics/…` | uint64 | Zähler des laufenden oder letzten Streams, siehe [Die Statistik lesen](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#statistics). |

**Tabelle 4. Einstellung**

| Adresse | Typ | Bedeutung |
| --- | --- | --- |
| `setting/stream/enable`, `setting/stream/address`, `setting/stream/tag`, `setting/stream/queue-size`, `setting/stream/keep-latest-output` | wie die Eingaben | Was das Modul gerade anwendet, wie im Abschnitt `stream` gespeichert. Ein Client findet hier die Bilder der Quelle: LumiScan Cockpit verwendet `setting/stream/address`, um die Ergebnisse auf den Livebildern einzuzeichnen. |
| `setting/settings-hash` | string | Der Hash der Einstellungen, mit denen die Ergebnisse erzeugt werden, als 16 Hexadezimalziffern. Siehe [Der Einstellungs-Hash](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#settings-hash). |

Solange `keep-latest-output` nicht gesetzt ist, werden die Ergebnisse des Streams nur auf `control/subscribe/output/stream/result` veröffentlicht, und `output/result`, `output/package-identifier`, `output/timestamp` und `output/image` behalten das Ergebnis der letzten Inferenz auf Anfrage.

## Das Ergebnis eines gestreamten Bildes {#result}

`control/subscribe/output/stream/result` enthält eine FlatBuffers-Tabelle vom Typ `stream_detections`, auf dem Data Layer registriert als `types/hdvisionsystems/lumiscan-ai-object-matching/stream_detections`. Ihr kompiliertes Schema wird als `bfbs/stream_detections.bfbs` installiert. Sie hat zwei Felder: `result`, dieselbe Tabelle wie `output/result` (`object_detection`), und `lineage`, siehe [Die Lineage eines Ergebnisses](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#lineage).

Drei Felder von `result` beschreiben das Bild:

| Feld | Bedeutung |
| --- | --- |
| `image_id` | Die Nummer des Bildes seit dem Start des Streams: 1, 2, 3 und so weiter. Eine Lücke bedeutet, dass die Bilder dazwischen übersprungen wurden oder fehlgeschlagen sind. Eine 64-Bit-Zahl (`ulong`). In Versionen vor Oktober 2026 war es ein 16-Bit-`short`, das nach 32767 Bildern in negative Zahlen überlief. |
| `timestamp` | Wann das Bild eingetroffen ist, in Mikrosekunden seit der Epoche. |
| `requested_timestamp` | Wann die Inferenz auf dem Bild gestartet wurde, in Mikrosekunden seit der Epoche. Die Differenz zu `timestamp` ist die Zeit, die das Bild gewartet hat. |

Die Klassenfilter in `input/class-filters` und die Neuzuordnung der Klassenindizes des Moduls gelten wie bei der Inferenz auf Anfrage. Eine Klasse, die die Netzbeschreibung nicht benennt, wird mit ihrem Index veröffentlicht.

## Neuestes Ergebnis behalten {#keep-latest-output}

Mit gesetztem `keep-latest-output` wird jedes Stream-Ergebnis zusätzlich in die normale Ausgabe des Moduls geschrieben, so wie eine Inferenz auf Anfrage es schreibt: `output/result`, `output/timestamp` und `output/package-identifier`, weitergezählt ab den Inferenzen auf Anfrage. Ein Client, der die normale Ausgabe liest - zum Beispiel ein SPS-Programm, das für die Inferenz auf Anfrage geschrieben wurde -, sieht dort dann das neueste Stream-Ergebnis. Das Ausgabebild (`output/image`) wird nicht gezeichnet.

Es kostet eine Kopie jedes Ergebnisses und ist deshalb standardmäßig ausgeschaltet. Das Stream-Ergebnis auf `control/subscribe/output/stream/result` wird zuerst veröffentlicht.

## Die Lineage eines Ergebnisses {#lineage}

`lineage.steps` listet auf, woher das Ergebnis stammt, der Ursprung zuerst:

1. Der Schritt der Kamera, wie der Cam Driver ihn erzeugt hat: `producer` ist die Adresse der Kamera, `hdvisionsystems/lumiscan-cam-driver/<camera name>`, `run`, wann ihr Stream gestartet wurde, `sequence` die Nummer des Bildes in diesem Lauf, `external_id` die eigene Bildnummer der Kamera, `settings_hash` die Einstellungen der Kamera und `tag` das Tag des Cam Driver für die Kamera, standardmäßig ihre Modul-ID, zum Beispiel `camera1`.
2. Der Schritt des Moduls: `producer` ist die Adresse des Moduls, `hdvisionsystems/lumiscan-ai-object-matching/<network name>`; `run`, wann der Stream des Moduls gestartet wurde (jeder Start ist ein neuer Lauf); `sequence` die Nummer des Ergebnisses im Lauf; `settings_hash` die Einstellungen des Moduls, siehe [Der Einstellungs-Hash](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#settings-hash); `elapsed_us` die Mikrosekunden vom Eintreffen des Bildes bis zur Veröffentlichung des Ergebnisses; `time_us`, wann es veröffentlicht wurde; `tag` das Tag des Moduls, `control/subscribe/input/tag`, oder die Modul-ID, wenn es leer ist.

Ein Ergebnis benennt sein Bild also genau: die Kamera über `producer`, das Bild über `run` und `sequence`. Eine Quelle, die während des laufenden Streams geändert wird, behält den Lauf des Moduls: Die Ergebnisse der neuen Kamera werden weitergezählt, und der `producer` ihres ersten Schritts benennt sie. Zwei Ergebnisse desselben Kamerabildes, vor und nach einer Änderung der Einstellungen, unterscheiden sich im `settings_hash` des Modulschritts.

Ein Bild ohne Lineage - veröffentlicht von etwas anderem als dem Cam Driver - ergibt ein Ergebnis mit dem Schritt des Moduls allein. Ein Wert auf dem `frame`-Knoten des Streams, der kein `stream_image` ist, wird ignoriert und einmalig protokolliert.

## Der Einstellungs-Hash {#settings-hash}

`setting/settings-hash` und der `settings_hash` des Modulschritts in jedem Ergebnis bezeichnen, womit die Ergebnisse erzeugt werden. Der Hash ändert sich, wenn sich eines davon ändert:

- die Einstellungen der Modulkonfigurationsdatei, mit denen das Modul gestartet wurde - außer dem Abschnitt `stream` und `externalImagePath`, die die Bilder auswählen und nicht, was daraus gemacht wird;
- die Netzbeschreibung und die Netzdatei, die sie benennt, nach ihrem Inhalt - ein neues Netz unter dem alten Dateinamen ist ein neuer Hash; mit `simulateResult` stattdessen der Inhalt dieser Datei;
- `input/class-filters`;
- die Version der Anwendung.

Ein Reset liest die Netzbeschreibung und die Netzdatei erneut. Wenn ein Hash zum ersten Mal auftritt, schreibt das Modul die Einstellungen, für die er steht, nach `settings-history/<network name>-<hash>.json` im Konfigurationsordner der Anwendung, sodass ein in einem Ergebnis gefundener Hash später nachgeschlagen werden kann.

> [!NOTE]
> Ein Ergebnis trägt nur den Hash. Ein anderer Hash besagt, dass sich etwas geändert hat, womit die Ergebnisse erzeugt werden, nicht was. Um das herauszufinden, vergleichen Sie die beiden Dateien in `settings-history`, die die Hashes benennen, von Hand. Dasselbe gilt für den Hash der Kamera im Kameraschritt; was er abbildet, steht im Handbuch des Cam Driver, *Bilder streamen*.

## Abonnieren zur Laufzeit {#subscribing}

Eine SPS oder ein anderer Client ändert Quelle und Stream-Modus, während die Anwendung läuft, mit oder ohne laufenden Stream:

1. Schreiben Sie die Eingaben, die sich ändern, auf `control/subscribe/input/…` - für eine andere Kamera `control/subscribe/input/address`; für eine andere Markierung der Ergebnisse `control/subscribe/input/tag`; zum Starten oder Stoppen `control/subscribe/input/enable`.
2. Schreiben Sie `true` auf `control/subscribe/execute`.

Die Methode prüft alle Eingaben gemeinsam, speichert sie im Abschnitt `stream` und wendet sie dann an: `setting/stream/…` zeigt sie sofort, und ein laufender Stream folgt in seinem nächsten Zyklus. Eine andere Adresse ersetzt die Quelle - ein vorheriges Unsubscribe ist nicht nötig -, und die Bilder, die die alte Kamera noch wartend hatte, zählen als übersprungen. Tag, Warteschlangengröße und `keep-latest-output` wirken ohne erneutes Abonnieren: Ein neues Tag markiert das nächste Ergebnis.

Um die Quelle zu entfernen, schreiben Sie ihre Adresse auf `control/unsubscribe/input/address` und `true` auf `control/unsubscribe/execute`. Das beendet auch den Stream-Modus und speichert `enable` als `false` ohne Adresse. Das Tag bleibt: Es markiert die Ergebnisse des Moduls, nicht die Quelle. `control/subscribe/input/…` werden ebenfalls darauf gesetzt, sodass ein späteres `control/subscribe/execute`, das eine andere Eingabe ändert, die Quelle nicht zurückbringt. Ein `/` am Anfang oder Ende einer Adresse spielt keine Rolle.

Die Methoden antworten:

| ctrlX Data Layer | LumiScan Keryx | Wann |
| --- | --- | --- |
| `DL_OK` | `Ok` | Erledigt. |
| `DL_INVALID_VALUE` | `Rejected` | `control/subscribe`: `enable` ist `true` und die Adresse ist leer, oder die Warteschlangengröße liegt nicht zwischen 1 und 64. `control/unsubscribe`: Die Adresse ist nicht die Quelle, oder es gibt keine Quelle. Nichts hat sich geändert. |
| `DL_CREATION_FAILED` | `CreationFailed` | Die Konfigurationsdatei des Moduls konnte nicht geschrieben werden. Nichts hat sich geändert: Der Stream bleibt, wie er war. Die Antwort und das Log nennen den Grund. |
| `DL_RESOURCE_UNAVAILABLE` | `ResourceUnavailable` | Die Einstellungen wurden auf `system/settings` bearbeitet, und die Anwendung wartet auf einen Neustart. |

Ein Reset (`control/reset`) liest den Abschnitt `stream` der Modulkonfigurationsdatei erneut, wendet ihn an und setzt die Eingaben darauf: Ein laufender Stream folgt. Eine von Hand bearbeitete Datei wirkt also mit einem Reset.

Kann das Abonnement nicht eingerichtet werden, zum Beispiel weil die Kamera noch nicht läuft, versucht es das Modul alle 5 Sekunden erneut, solange der Stream läuft, und protokolliert den ersten Fehlschlag.

## Die Warteschlangengröße {#queue-size}

`control/subscribe/input/queue-size`, gespeichert als `stream.queueSize`, legt fest, wie viele Bilder auf die Inferenz warten dürfen: 1 bis 64, standardmäßig 1. Ein Bild, das eintrifft, wenn so viele warten, verdrängt das älteste davon, was in `statistics/skipped-frames` gezählt wird.

| Warteschlangengröße | Wirkung |
| --- | --- |
| 1 (Standard) | Das Modul inferiert das neueste Bild. Es fällt nie zurück; ist das Netz langsamer als die Kamera, überspringt es Bilder. |
| Mehr als 1 | Kurze Bildschübe werden vollständig inferiert, und weniger Bilder werden übersprungen. Ist das Netz länger langsamer als die Kamera, fällt das Modul zurück: Es inferiert Bilder, die bis zu so viele Inferenzen alt sind. Jedes wartende Bild hält ein ganzes Bild im Speicher. |

Eine geänderte Warteschlangengröße gilt für das nächste eintreffende Bild, ohne Neustart des Streams.

## Einen Stream ausführen {#running}

1. Stellen Sie sicher, dass der Stream des Cam Driver läuft: Sein `control/publish/output/stream/active` ist `true`.
2. Abonnieren Sie `control/subscribe/output/stream/result`.
3. Schreiben Sie `true` auf `control/subscribe/input/enable` - und die Adresse der Quelle, falls das Modul noch keine hat - und `true` auf `control/subscribe/execute`. Warten Sie, bis `control/subscribe/output/stream/active` `true` ist. Ab dann treffen die Ergebnisse ein.
4. Zum Stoppen schreiben Sie `false` auf `control/subscribe/input/enable` und `true` auf `control/subscribe/execute`.

Beides wird gespeichert: Das Modul startet wieder so, wie es verlassen wurde. Der Stream kann vor dem Stream des Cam Driver gestartet werden; Ergebnisse treffen ein, sobald Bilder eintreffen.

## Inferenz auf Anfrage, während der Stream läuft {#while-streaming}

Beide verwenden dasselbe Netz, deshalb laufen sie nie gleichzeitig:

- `control/inference/ready` ist `false`, solange der Stream läuft.
- Ein Request auf `control/inference/request` wird mit Status `100002` (`StreamActive`) beantwortet. Er hinterlässt **keinen** Fehler, und kein Reset ist nötig.
- `control/inference/execute` antwortet mit `DL_INVALID_OPERATION_MODE` (LumiScan Keryx: `InvalidOperationMode`). Wiederholen Sie es nicht in einer Schleife: Stoppen Sie zuerst den Stream.
- Reset, list, load, save, save-result-image und remove funktionieren weiterhin. Ein Reset lädt das Netz neu, und der Stream läuft damit weiter.

## Gemessene Raten {#measured-rates}

Gemessen mit einer simulierten Kamera (1440 x 1080, Mono8), einem Detektionsnetz mit einer Eingabe von 640 x 480 auf einer NVIDIA GeForce RTX 2060 SUPER mit dem CUDA-Provider, unter Linux. Die Zahlen zeigen nur die Größenordnung.

- **ctrlX Data Layer:** Der Data Layer machte bei den Zahlen keinen Unterschied.
- **LumiScan Keryx auf einem PC (Windows):** Auf derselben GPU dauerte eine Inferenz etwa 53 ms, und 18,4 von 30 Bildern pro Sekunde wurden inferiert; die Tabelle zeigt den Lauf unter Linux.

| Kamera | Empfangen | Inferiert | Übersprungen | Inferenzzeit |
| --- | --- | --- | --- | --- |
| 10 Bilder/s | 10 /s | 10 /s | 0 | etwa 49 ms |
| 30 Bilder/s | 30 /s | 19,4 /s | 10,7 /s | etwa 51 ms |

Kein Bild ging verloren oder schlug fehl.

## Die Statistik lesen {#statistics}

Die Zähler stehen unter `control/subscribe/output/stream/statistics/`. Sie beginnen bei jedem Start des Streams bei null und werden, solange er läuft, etwa viermal pro Sekunde aktualisiert.

| Zähler | Bedeutung |
| --- | --- |
| `elapsed-ms` | Millisekunden seit dem Start des Streams. Teilen Sie einen Zähler dadurch, um eine Rate zu erhalten. |
| `received-frames` | Bilder, die das Abonnement geliefert hat. |
| `inferred-frames` | Inferierte Bilder, jedes mit einem auf `control/subscribe/output/stream/result` veröffentlichten Ergebnis. |
| `skipped-frames` | Nie inferierte Bilder: von neueren aus der Warteschlange verdrängt, während Inferenzen liefen (siehe [Die Warteschlangengröße](https://docs.hdvisionsystems.com/de/lumiscan-ai-object-matching-de/2.1.0/lumiscan-ai-object-matching/inference-on-an-image-stream.html#queue-size)), oder wartend, als die Quelle ersetzt wurde. |
| `failed-frames` | Bilder, die nicht dekodiert oder inferiert werden konnten, zum Beispiel weil ihre Pixel nicht die Größe und das Pixelformat ausfüllen, die sie tragen. Das Log nennt den Grund. |
| `lost-frames` | Bilder, die verloren gingen, bevor sie eintrafen, ermittelt aus Lücken in der `sequence` der Kamera innerhalb eines Laufs ihres Streams. Ein neuer Lauf des Kamera-Streams oder eine neue Quelle beginnt die Zählung von vorn. |
| `inference-us` | Mikrosekunden, die alle Inferenzen gedauert haben. Teilen Sie durch `inferred-frames` für den Mittelwert. |