3.4. 使用Yolov3对多路视频做目标检测

在本节，我们将展示如何在 Sophon TPU 上面使用 Yolov3 对多路视频中的物体进行检测。 我们使用的 bmodel 都是经过转换后的官方的 darknet 版本的 Yolov3，包括了 fp32 以及 int8 类型的。 我们实现了 2 个示例程序。 它们分别使用 opencv 与 bm-ffmpeg 进行图像解码以及 opencv 与 bmcv 进行数据预处理。

c++版本:

ID	Input	Decoder	Preprocessor	Data Type	Model	Mode	Model Number	Batch Size	Multi-Thread
0	multi-video	opencv	opencv	fp32 int8	yolov3	static	1	1	Y
1	multi-video	bm-ffmpeg	bmcv	fp32 int8	yolov3	static	1	1	Y

python版本:

ID	Input	Decoder	Preprocessor	Data Type	Model	Mode	Model Number	Batch Size	Multi-Thread
0	single-video	opencv	opencv	fp32 int8	yolov3	static	1	1	N

• 3.4.1. 运行demo
  • 3.4.1.1. 获取bmodel和视频
  • 3.4.1.2. 运行C++程序
  • 3.4.1.3. 运行python程序
• 3.4.2. C++代码解析
  • 3.4.2.1. Case 0: 使用 opencv 做解码和数据预处理
  • 3.4.2.2. Case 1: 使用 bm-ffmpeg 解码，使用 bmcv 做预处理
• 3.4.3. Python代码解析
  • 3.4.3.1. Case 0: 使用 opencv 做解码和数据预处理