Skip to main content

目标检测

gst-ai-video-detection 给定一个视频帧,识别其中的物体并在其周围绘制边界框
请确保已安装 QIMSDK。QIM SDK 安装指南

前提条件

首先在您的设备上运行以下命令:

方式 1. 在设备上运行预构建的目标检测应用程序

继续之前,请确保已完成前提条件
1

配置应用程序

覆盖现有的配置文件:
2

运行管线

3

查看结果

您的显示器现在会显示视频画面,每个检测到的物体周围都绘制了边界框和类别标签。检测结果随每一帧实时更新。
Ctrl+C 优雅地停止管线。
这是由许多模块(插件)协同工作形成 pipeline 才得以实现的。
让我们再次运行相同的示例,但这次以一种能让您看到所有插件工作情况的方式。

方式 2. 目标检测管线命令

继续之前,请确保已完成前提条件
1

运行管线命令

2

查看结果

您的显示器会显示视频画面,每个检测到的物体上都渲染了边界框和类别标签。该管线实时处理帧。
Ctrl+C 优雅地停止管线。
  • 如果您想基于此演示进行开发,命令行可能不是最稳健的解决方案
  • 您可以将其粘贴到一个 shell 文件中……
  • 但如果您希望其他代码与之交互,则需要一个 cpp 或 python 文件(管线应用程序)。

方式 3. 使用 Python 构建您的目标检测管线应用程序

继续之前,请确保已完成前提条件
1

创建脚本

2

运行脚本

3

查看结果

您的显示器会显示视频画面,每个检测到的物体上都渲染了边界框和类别标签。该 Python 应用程序实时处理帧。
Ctrl+C 优雅地停止管线。

方式 4. 使用 C++ 构建您的目标检测管线应用程序

前往构建 AI 管线

工作原理

该管线读取一个 H.264 视频文件,进行硬件解码,将解码后的流分支,在 Qualcomm® AI Engine(HTP 后端)上运行 YOLO-X 推理,对边界框结果进行后处理,使用硬件合成器将标注混合回原始帧,并将输出显示到屏幕上。 管线示意图 管线示意图

后续步骤

您已经在 Qualcomm® 硬件上以三种不同方式运行了目标检测管线。接下来可以前往:

AI 示例管线

可直接运行的 GStreamer 管线,涵盖分类、分割、姿态估计、超分辨率等。

博客

由 QIM SDK 社区构建的真实案例——涵盖目标检测、PPE 合规、安防摄像头等。

支持的模型

在 Qualcomm® 硬件上测试过的量化 TFLite 模型完整目录,并附有每个模型的管线命令。

插件参考

每个 QIM SDK GStreamer 插件的 API 级文档——属性、caps 和使用示例。