Jetson Nano踩坑记录贴其二
此文章基于前文的jetson-inference库，本次实现的是在nano上运行一个可调用摄像头实时进行物体检测的py脚本，帧率在24fps左右。通过使用库中的DetectNet，该DetectNet对象接受图像作为输入，并输出检测到的边界框的坐标列表及其类别和置信度值。
代码
import jetson.inference
import jetson.utils
net = jetson.inference.detectNet("ssd-mobilenet-v2", threshold=0.5)
camera = jetson.utils.videoSource("csi://0")
display = jetson.utils.videoOutput() # 输出
while True:
img = camera.Capture()
detections = net.Detect(img)
display.Render(img) #将 detections 数组里所有检测到的物件信息显示出来
display.SetStatus("Object Detection | Network {:.0f} FPS".format(net.GetNetworkFPS())) #获取这一帧图像的计算性能，框的标题将为Object Detection | Network xx FPS
代码分析
用 detectNet() 建立 net 对象，处理后面的 “物件检测推理识别” 物件检测推理识别的任务，这部分至少需要给定 “模型代号” 变数以及作为检测最低要求的阈值（threshold）。在此将输出置信度高于0.5的所有结果，可根据需要调整。而这里的预训练模型ssd-mobilenet-v2可更改为其他模型，除了前篇文章中所说的模型，我们也可以自行添加。默认模型是在MS COCO数据集上训练的91级ssd-mobilenet-v2模型，该模型在使用TensorRT的jetson nano上实现实时推理性能。
net = jetson.inference.detectNet("ssd-mobilenet-v2", threshold=0.5)
videoSource() 支持 7 种输入源方式，包括 CSI 摄像头、USB 摄像头、RTP 视频流、RTSP 视频流、视频文件、图像文件、文件夹。其中CSI摄像头的调用为"csi://0",可大大简化使用opencv建立csi对象的代码；USB摄像头为”/dev/video0”，其中0需要置换成指定的 USB 摄像头编号；最后三种输入完整文件名即可。
camera = jetson.utils.videoSource("csi://0")
若为空，则默认显示屏输出，与填写"display://0"效果一致。若要保存为视频文件，输入完整名称即可，例如“CSIVideo.mp4”。其共支持 4 种视频输出格式：MKV、MP4、AVI 与 FLV；支持4种图像格式：JPG、PNG、TGA 与 BMP。
display = jetson.utils.videoOutput()
从数据源读取一帧图像
img = camera.Capture()
将这张图像中满足阈值的物件找出来，存放到 detections 数组中
detections = net.Detect(img)
补充
关于inference库的具体介绍与更多应用可在此链接下找到：
https://github.com/dusty-nv/jetson-inference/blob/master/docs/detectnet-console-2.md
同时在此可以查看本文使用的ssd-mobilenet-v2模型的label。
上一篇：
JS实现多线程数据分片下载