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
声明:本站部分文章及图片转载于互联网,内容版权归原作者所有,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!