Skip to main content

基于C++的reCamera实时YOLO目标检测

本文档演示了如何在reCamera终端上基于交叉编译，使用C++实现实时拍照、YOLO目标检测和HTTP结果访问。这种方法避免了在reCamera上使用Node-RED时遇到的过热问题。您可以参考本文档修改C++代码以实现定制化的计算机视觉应用。

环境准备​

预编译​

首先，您需要参考"使用C/C++开发"文档在您的linux上配置交叉编译环境。 注意：每次启动后需要重新配置路径：

export SG200X_SDK_PATH=$HOME/recamera/sg2002_recamera_emmc/
export PATH=$HOME/recamera/host-tools/gcc/riscv64-linux-musl-x86_64/bin:$PATH

然后，下载 Realtime_detection_http 项目，并编译它。

cd Realtime_detection_http/
mkdir build && cd build
cmake ..
make

构建目录中绿色可执行文件 Realtime_detection_http 的存在表明编译成功：

然后打开 reCamera 终端，并将可执行文件复制到 reCamera 终端目录。​

 sudo scp Realtime_detection_http [email protected]:/home/recamera/

reCamera 准备工作​

1.从 设备端模型 下载已部署的 YOLOv11 模型，然后将模型的 .cvimodel 文件复制到您的 reCamera 终端：/home/recamera/。 2.在执行代码之前，请访问 reCamera 工作区 来终止进程（参考 使用 c/c++ 开发）以防止内存消耗。 3.然后导航到 /etc/init.d/，将 S93sscma-supervisor 和 S91sscma-node 文件夹复制到 /home/recamera/ 或其他位置进行备份，并删除原始的 S93sscma-supervisor 和 S91sscma-node 文件夹以防止内存消耗和程序占用。​

cd /etc/init.d/
sudo scp S93sscma-supervisor /home/recamera/
sudo scp S91sscma-node /home/recamera/
sudo rm -r S93sscma-supervisor
sudo rm -r S91sscma-node

Run the program​

Run the program as administrator under the /home/recamera/ on the reCamera terminal​:

sudo ./Realtime_detection_http

结果​

终端显示以下内容，表明程序正常运行：

您可以通过网页浏览器或 Postman 访问 http://192.168.42.1/modeldetector。reCamera 将立即拍摄一张照片并返回 YOLOv11 检测到的对象。​ 浏览器：

Postman：

返回的信息包括以下数据：​​

  • Code：1（运行中）
  • Msg：错误消息
  • Initialize_camera_duration：相机初始化持续时间，仅在首次访问时显示。​
  • Initialize_model_duration：模型初始化持续时间，仅在首次访问时显示。​
  • Data：
    • ​Score：检测置信度分数（0-1）
    • Target：检测到的对象名称
    • Box：[x1, y1, x2, y2]​：检测框坐标（以像素表示 [左、上、右、下] 边缘）
    • ​Center：[x, y]​：检测框的归一化中心位置（相对于图像宽度/高度的比例）
    • ​Size：[w, h]​：检测框的归一化宽度和高度（相对于图像尺寸的比例）
    • Release_duration：清除相机缓存所用时间（毫秒）
    • ​Capture_duration：图像获取持续时间（毫秒）
    • ​Image_preprocessing_duration：推理前图像准备持续时间（毫秒）
    • Detection_duration：模型检测持续时间（毫秒）（包括预处理、推理、后处理）
  • ​Duration：程序总执行时间（毫秒）
  • Timestamp：Unix 时间戳

终端将显示：​

  • 相机初始化参数​：
    • 分辨率：1920×1080
    • 帧率：5 fps
    • 捕获通道：通道 2
  • 捕获的图像大小（例如 Jpeg size: 216149 (pixels)）
  • ​不同步骤期间的内存使用量（MB）：
    • 捕获前（Memory usage）
    • 释放中（Memory usage_during_）
    • 捕获后（Memory usage_after）
    • 图像预处理后（Memory usage_before_model）
    • 模型检测后（Memory usage_after_model）
  • 模型检测持续时间（毫秒）
    • 预处理（例如 pre: 9ms）
    • 推理（例如 infer: 40ms）
    • 后处理（例如 post:395ms）

在 reCamera 终端上，检测到的图像可以自动保存：​

您可以使用设备持续访问以获得实时检测结果，用于智能安防和监控等应用。

您可以在 registerModelDetector()（Realtime_detection_http/src/http.cpp）和 model_detector()（Realtime_detection_http/src/model_detector.cpp）中修改返回消息的格式。 您也可以在 registerModelDetector() 中调用 initialize_model(const std::string& model_path) 时使用您自己部署的模型，并在 initialize_camera()（Realtime_detection_http/src/model_detector.cpp）中修改相机初始化设置：

检测完成后，您可以按 Ctrl+C 终止操作。​程序将停止相机。​

更多详细信息，请参考我们的 GitHub 仓库。

下载库文件

技术支持与产品讨论​

感谢您选择我们的产品！我们在这里为您提供不同的支持，以确保您使用我们产品的体验尽可能顺畅。我们提供多种沟通渠道，以满足不同的偏好和需求。

Loading Comments...