USB摄像头实时检测应用

样例介绍

功能：使用yolov3目标检测模型对USB摄像头中的即时视频进行目标检测。 样例输入：USB摄像头视频。 样例输出：树莓派os中界面展现检测结果。

样例下载

可以使用以下两种方式下载，请选择其中一种进行源码准备。

• 命令行方式下载（下载时间较长，但步骤简单）。

  # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
  cd ${HOME}     
  git clone https://gitee.com/HiCAID/rpi-ascend-app.git
  

• 压缩包方式下载（下载时间较短，但步骤稍微复杂）。

  # 1. samples仓右上角选择 【克隆/下载】 下拉框并选择 【下载ZIP】。     
  # 2. 将ZIP包上传到开发环境中的普通用户家目录中，【例如：${HOME}/rpi-ascend-app-master.zip】。      
  # 3. 开发环境中，执行以下命令，解压zip包。      
  cd ${HOME}     
  unzip rpi-ascend-app-master.zip
  

样例的代码目录说明如下：

├── scripts       // 用于存放运行样例的脚本                                              
├── src          // 用于存放源码

准备环境

1. 安装CANN软件。

   单击Link，获取最新版本的CANN软件安装指南。

   **注意：**此处还可以在页面左上侧切换版本，查看对应版本的安装指南。

2. 设置环境变量。

   注：“$HOME/Ascend”请替换“Ascend-cann-toolkit”包的实际安装路径。

   # 设置CANN依赖的基础环境变量
   . ${HOME}/Ascend/ascend-toolkit/set_env.sh
   
   #如果用户环境存在多个python3版本，则指定使用python3.11.2版本
   export PATH=/usr/local/python3.11.2/bin:$PATH
   #设置python3.11.2库文件路径
   export LD_LIBRARY_PATH=/usr/local/python3.11.2/lib:$LD_LIBRARY_PATH
   
   # 配置程序编译依赖的头文件与库文件路径
   export DDK_PATH=$HOME/Ascend/ascend-toolkit/latest 
   export NPU_HOST_LIB=$DDK_PATH/runtime/lib64/stub
   

3. 安装OpenCV。

   执行以下命令安装opencv

   sudo apt-get install libopencv-dev
   

样例运行

1. 获取是基于Caffe的yolov3目标检测模型，并转换为昇腾AI处理器能识别的模型（*.om）。

   **注：**此处以昇腾310 AI处理器为例，针对其它昇腾AI处理器的模型转换，需修改atc命令中的--soc_version参数值。

   # 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。      
   cd $HOME/rpi-ascend-app/asset/model  
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/aipp_nv12.cfg    
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.caffemodel
   wget https://obs-9be7.obs.cn-east-2.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/Yolov3/yolov3.prototxt
   atc --model=yolov3.prototxt --weight=yolov3.caffemodel --framework=0 --output=object_detection --soc_version=Ascend310B1 --insert_op_conf=aipp_nv12.cfg     
   

   atc命令中各参数的解释如下，详细约束说明请参见《ATC模型转换指南》。

   说明： 如果无法确定当前设备的soc_version，则在安装驱动包的服务器执行npu-smi info命令进行查询，在查询到的“Name“前增加Ascend信息，例如“Name“对应取值为_xxxyy_，实际配置的soc_version值为Ascend_xxxyy_。

为了方便样例运行提供了对应的数据在$HOME/rpi-ascend-app/asset/model下，样例中的路径也是此模型，不想体验模型转换的也可以直接运行。

2. 获取测试视频数据。

   为了方便样例的运行，本样例提供了下载好的视频文件在下方路径下，不想体验的可跳过次步骤直接运行

   $HOME/rpi-ascend-app/asset/video
   

   注：若需更换测试图片，则需自行准备测试图片，并将测试图片放到data目录下。

3. 运行样例。

   执行以下脚本运行样例：

   cd $HOME/rpi-ascend-app/app/Yolov3_Usb_Camera/python/scripts
   bash sample_run.sh
   

   执行成功后，在屏幕上会实时展示检测结果

   

相关操作

• 获取学习文档，请单击AscendCL C&C++或AscendCL Python，查看最新版本的AscendCL推理应用开发指南。

• 查模型的输入输出

  可使用第三方工具Netron打开网络模型，查看模型输入或输出的数据类型、Shape，便于在分析应用开发场景时使用。