英伟达 Jetson 程序员必读：运行实时摄像机识别演示

这个 imagenet.cpp / imagenet.py 我们以前使用的示例也可以用于实时相机流。支持的摄像机类型包括：

• MIPI CSI摄像机(csi://0)
• V4L2摄像机（/dev/video0）
• RTP/RTSP流(rtsp://username:password@ip:port）

有关视频流和协议的更多信息，请参阅“摄像头流和多媒体”页。

下面是在照相机提要上启动程序的一些典型场景（运行–help以获取更多选项）：

C++

$ ./imagenet csi://0                    # MIPI CSI camera
$ ./imagenet /dev/video0                # V4L2 camera
$ ./imagenet /dev/video0 output.mp4     # save to video file

Python

$ ./imagenet.py csi://0                 # MIPI CSI camera
$ ./imagenet.py /dev/video0             # V4L2 camera
$ ./imagenet.py /dev/video0 output.mp4  # save to video file

注意：例子中要使用的相机，请参见Jetson Wiki 的以下部分：

• nano：https://eLinux.org/Jetson_Nano#Cameras
• Xavier: https://elinux.org/Jetson_AGX_Xavier#Ecosystem_Products_.26_Cameras
• TX1/TX2：开发工具包包括板载MIPI CSI传感器模块（0V5693 —— developer kits include an onboard MIPI CSI sensor module (0V5693)

在OpenGL窗口中显示的是实时摄像机流、分类对象名称、分类对象的可信度以及网络的帧率。在Jetson Nano上，GoogleNet和ResNet-18的帧速率应该高达约75帧/秒（在其他Jetson上更快）。

该应用程序可以识别多达1000种不同类型的对象，因为分类模型是在包含1000类对象的ILSVRC ImageNet数据集上训练的。1000种对象的名称映射，可以在repo的data/networks/ilsvrc12_synset_words.txt 找到。

这是Hello AI世界教程中关于图像分类的这一部分的结束。接下来，我们将开始使用对象检测网络，它为我们提供每帧多个对象的边界框坐标。