解决Jetson Nano使用CSI摄像头在Darknet下实时检测绿屏

        前两天一直被darknet实时检测时摄像头显示绿屏所困扰,一直没有找到较好的方法,今天终于看到一篇博客给出的解决方案,就是输入比较麻烦,语句如下:

./darknet detector demo cfg/coco.data cfg/yolov4-tiny.cfg yolov4-tiny.weights "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv  ! video/x-raw, width=1280, height=720, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink"

        实时检测的Demo终于可以正常的运行了,帧率也有十几,还是有一些卡顿的。出运行时现CSI摄像头显示绿屏的小伙伴可以试一试,语句的说明可以看这篇博客。如果用的是USB摄像头的应该不太会碰到这个问题,可能是和摄像头传回的数据有关系,CSI传回的是原始的图像数据,没有经过处理可能和darknet需要的数据不太一样。jetson nano tx2 调用csi摄像头(解决摄像头蓝屏问题)_天天放羊的博客-CSDN博客_jetsonnano调用csi摄像头./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights "nvarguscamerasrc ! video/x-raw(memory:NVMM), width=1280, height=720, format=NV12, framerate=30/1 ! nvvidconv flip-method=2 ! video/x-raw, width=1280, height=720, format=BGRx ! vhttps://blog.csdn.net/weixin_45392081/article/details/106882538

版权声明:本文为CSDN博主「/*wywy*/」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_44360908/article/details/122777848

/*wywy*/

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

RCNN详解

RCNN详解 RCNN即region proposals(候选区域) CNN,是将CNN引入目标检测领域的开山之作(2014年),大大提高了目标检测的效果&

如何使用Albumentations 对目标检测任务做增强

目录 1、导入所需的库 2、定义可视化函数显示图像上的边界框和类标签 3、获取图像和标注 4、使用RandomSizedBBoxSafeCrop保留原始图像中的所有边界框 5、定义增强管道 6、输入用于增强的图像和边框 7、其他不

实战深度学习目标检测:RCNN (1)

深度学习目标检测:RCNN 什么是目标检测?目标检测主要是明确从图中看到了什么物体?他们在什么位置。传统的目标检测方法一般分为三个阶段:首先在给定的图像上选择一些候选的区域&#xff0c

YOLOv3 YOLOv4 YOLOv5老鼠识别检测告警

前言 在食品安全众多环节中,后厨安全无疑是重中之重。俗话说“民以食为天,食以安为先”,食材新鲜程度如何、加工过程规不规范、厨具是否经过清洁消毒等问题,备受大家关注。 一、为什么需要AI检