使用Intel的EVAM微服务跑通demo-app应用，处理摄像头视频数据

目录

1，关于EVAM

是Intel 开发的组件库 Edge Video Analytics Microservice，边缘端的视频分析微服务。
官方网站：

https://www.intel.com/content/www/us/en/developer/articles/technical/video-analytics-service.html
github地址：

https://github.com/intel/edge-video-analytics-microservice
Docker Hub 地址：

https://hub.docker.com/r/intel/edge_video_analytics_microservice

版本区别：
0.7.2 Aligned with Intel? Deep Learning Streamer Pipeline Server 2022.1.1 release.
0.7.0 Initial release using Intel? Distribution of OpenVINO? Toolkit 2021.4.2
当然使用 个 2022 版本的。

架构图，底层是OpenVINO的引擎，然后是Intel的深度学习框架，上面是Pipline和模型，然后是Streamer Pipeline 服务。在上面就是应用层。

2，配置EVAM的docker-compose服务

之前已经研究过一遍使用源码的方式自己编译docker镜像然后跑起来。
也可以成功：
就是构建速度慢，下载好多东西。这次直接使用镜像做服务：

docker-compose.yml

在当前目录创建
mosquitto_conf/mosquitto.conf
需要再配置下 broker 的端口：开启 websocket服务

然后就可以启动服务了

4，创建摄像头应用，启动web服务，端口 59750

首先下载 edgex examples 项目

配置摄像头凭证文件。输入账号密码。

需要golang 环境：

https://golang.google.cn/doc/install

安装工具和依赖：

执行构建，没有任何问题代表构建成功！

5，启动成功进入web界面

http://localhost:59750

特别需要注意的是这个分辨率。
2304×1296 H264 @ 25 fps
640×480 H264 @ 25 fps
选择下面的640 分辨率，否则太高了，会报错，Picture size 0x0 is invalid
不能查看摄像的实时处理结果了

实时查看流结果地址。就是带框框的视频流。

在工位，没有车辆行人的视频，用截图代替了。

6，总结

使用Intel的 EVAM 微服务，创建OpenVINO的目标检测跟踪服务，并成功接受到相关坐标数据。
这个官方例子还是非常的丰富的。稍作修改下就可以应用到项目当中了，已经把相关的目标检测模型都放到 OpenVINO 中，
封装成一个docker 服务器启动了。整个流程也通过配置下就可以了。
非常的方便、简单、高效的边缘演示服务！

来源：freewebsys