【Jetson Nano】学习（2）——两种方法（命令行、openCV）打开摄像头、实现目标检测，语义分割

• 在使用 jetson nano 开始目标检测之前，我们还是得先安装一下 jetson-inference 推理库，后续的识别项目不出意外应该都会基于此来进行，不知道咋安装的朋友可以看一下我上一篇文章:
  【jetson nano】学习（1）——安装并跑通 jetson-inference，很详细。

❤️有问题可以私信我或者评论区留言，我会第一时间给大家找解决办法❤️。

❤️目前我在做单目摄像头测距和 检测物体大小 这一方面，后期实现后我会陆陆续续的写出来，感兴趣的读者大大可以一起学习❤️。

后续会继续学习，写一些有趣的项目，我们一起加油！

• 另外，我们得先学习如何打开 CSI 摄像头（ USB 摄像头或者自带摄像头也是差不多，主要看文件名是多少），这里有两种方法供大家参考：

1、命令行直接打开

• 使用命令行直接打开摄像头，前提是需要安装 jetson-inference ，这里我就不多说了，可以看我上一篇文章。
• 先看我们的摄像头设备号是多少，打开终端输入下列命令：

ls /dev/viseo*

• 可以看见我的设备是 video0。
  

• 之后直接输入下面命令，打开我们安装 jetson-inference 时所下载的 googlenet 检测网络来进行目标检测，但是没有语义分割这一块，可以看看效果：

#./jetson-inference/build/aarch64/bin/imagenet-camera是摄像头的路径
#network=googlenet是打开network目录下的googlenet推理模型
#camera=0是我们的摄像头设备号
./jetson-inference/build/aarch64/bin/imagenet-camera --network=googlenet --camera=0

• 这识别的不是很准确呀，也没有语义分割，上次说了的要写出语义分割的，不能这样算了，所以一定要实现！！！
  
• 来看下面第二种方法。

2、使用openCV打开

*开始之前先确保安装了openCV *

• 在这里我是用 VScode 来运行 python 文件打开CSI摄像头，大家可以看看，也是调用了我们之前安装推理库时下载的 ssd-mobilenet-v2 检测网络来进行目标检测的，这个具有语义分割。
• 完整代码放出来：

import jetson.inference    #引入推理库
import jetson.utils        #引入工具库
import cv2                 #引入openCV
import numpy as np         #引入数值运算库

net = jetson.inference.detectNet("ssd-mobilenet-v2", threshold = 0.5)     #选择检测网络为‘ssd-mobilenet-v2’模型，阈值为0.5
camera = jetson.utils.gstCamera(0)  #选择0号摄像头工具
while 1:
    img, width, height = camera.CaptureRGBA(zeroCopy = 1)
    detections = net.Detect(img, width, height)    
    image = jetson.utils.cudaToNumpy(img,width, height, 4)   
    image1 = cv2.cvtColor (image.astype (np.uint8), cv2.COLOR_RGBA2BGR)  
    cv2.imshow ("目标检测",image1)   #显示摄像头读取到的内容

    kk = cv2.waitKey(1)   #从键盘读取
    if kk == ord('q'):  # 按下 q键，退出
        break           #退出循环（关闭摄像头）

• 这种打开方式还是很不错的哈，这样得到了识别框，后期就方便我们做很多东西啦，我个人还是比较喜欢的，各位读者大大可以参考一波。

❤️点赞 收藏 ⭐留言 都是博主坚持写作、更新高质量博文的最大动力哦！❤️