# 基于MxBase的yolov3视频流推理样例

**Repository Path**: zshxie/ascend-a200-yolov3

## Basic Information

- **Project Name**: 基于MxBase的yolov3视频流推理样例
- **Description**: 本开发样例是基于mxBase开发的端到端推理的C++应用程序，可在昇腾芯片上实现视频流的目标检测，并把可视化结果保存到本地。
- **Primary Language**: Unknown
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-04-25
- **Last Updated**: 2025-04-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于MxBase的yolov3视频流推理样例

## 1 介绍

本开发样例是基于mxBase开发的端到端推理的C++应用程序，可在昇腾芯片上实现视频流的目标检测，并把可视化结果保存到本地。

## 2 准备工作

### 2.1 模型转换

若使用A200I DK A2运行，推荐使用PC转换模型，具体方法可参考A200I DK A2资料。

**步骤1** 在ModelZoo上下载YOLOv3模型。[下载地址](https://mindx.sdk.obs.cn-north-4.myhuaweicloud.com/mindxsdk-referenceapps%20/contrib/ActionRecognition/ATC%20YOLOv3%28FP16%29%20from%20TensorFlow%20-%20Ascend310.zip)

**步骤2** 将获取到的YOLOv3模型pb文件存放至："样例项目所在目录/model/"。

**步骤3** 模型转换

在pb文件所在目录下执行以下命令

```
# 设置环境变量（请确认install_path路径是否正确）
# Set environment PATH (Please confirm that the install_path is correct).

```c
. /usr/local/Ascend/ascend-toolkit/set_env.sh # Ascend-cann-toolkit开发套件包默认安装路径，请根据实际安装路径修改。

```

### 2.2 执行转换YOLOv3模型
```
atc --model=./yolov3_tf.pb --framework=3 --output=./yolov3_tf_bs1_fp16 --soc_version=Ascend310 --insert_op_conf=./aipp_yolov3_416_416.aippconfig --input_shape="input:1,416,416,3" --out_nodes="yolov3/yolov3_head/Conv_6/BiasAdd:0;yolov3/yolov3_head/Conv_14/BiasAdd:0;yolov3/yolov3_head/Conv_22/BiasAdd:0"
```
> 说明1：out_nodes制定了输出节点的顺序，需要与模型后处理适配。

> 说明2：若用例执行在310B上，则--soc_version=Ascend310需修改为Ascend310B1


执行完模型转换脚本后，会生成相应的.om模型文件。 执行完模型转换脚本后，会生成相应的.om模型文件。

模型转换使用了ATC工具，如需更多信息请参考:

 https://gitee.com/ascend/docs-openmind/blob/master/guide/mindx/sdk/tutorials/%E5%8F%82%E8%80%83%E8%B5%84%E6%96%99.md

### 2.3 相关参数修改

main.cpp文件中，添加模型路径与 rtsp 流源地址（需要自行准备可用的视频流，视频流格式为H264）

[Live555拉流教程](../../docs/参考资料/Live555离线视频转RTSP说明文档.md)

```
...
initParam.modelPath = "{yolov3模型路径}";
...
 std::string streamName = "rtsp_Url";
```

VideoProcess.cpp文件中，设置视频的宽高值

```
const uint32_t VIDEO_WIDTH = {视频宽度};
const uint32_t VIDEO_HEIGHT = {视频高度};
```

### 2.4 配置环境变量

```
# 执行如下命令，打开.bashrc文件
vi .bashrc
# 在.bashrc文件中添加以下环境变量
MX_SDK_HOME=${SDK安装路径}
FFMPEG_PATH=${FFMPEG安装路径} 
# 若环境中没有安装ffmpeg，请联系支撑人员

LD_LIBRARY_PATH=${MX_SDK_HOME}/lib:${MX_SDK_HOME}/opensource/lib:/usr/local/Ascend/ascend-toolkit/latest/acllib/lib64:/usr/local/Ascend/ascend-toolkit/:/usr/local/python3.9.2/lib:${FFMPEG_PATH}/lib
# 保存退出.bashrc文件
# 执行如下命令使环境变量生效
source ~/.bashrc

#查看环境变量
env
```

### 2.5 配置CMakeLists

配置CMakeLists.txt文件中的`MX_SDK_HOME`与`FFMPEG_PATH`环境变量

```
set(MX_SDK_HOME {SDK实际安装路径})
set(FFMPEG_PATH {ffmpeg安装路径})
```

## 3. 编译与运行
### 3.1编译
新建立build目录，进入build执行cmake ..（..代表包含CMakeLists.txt的源文件父目录），在build目录下生成了编译需要的Makefile和中间文件。执行make构建工程，构建成功后就会生成可执行文件。

```
bash sample_build.sh

Scanning dependencies of target yolov3detect
[ 25%] Building CXX object CMakeFiles/yolov3detect.dir/main.cpp.o
[ 50%] Building CXX object CMakeFiles/yolov3detect.dir/VideoProcess/VideoProcess.cpp.o
[ 75%] Building CXX object CMakeFiles/yolov3detect.dir/Yolov3Detection/Yolov3Detection.cpp.o
[100%] Linking CXX executable ../yolov3detect
[100%] Built target yolov3detect

# yolov3detect就是CMakeLists文件中指定生成的可执行文件。
```

### 3.2 运行
在当前目录创建result目录并执行run.sh脚本前请先确认可执行文件yolov3detect已生成，并给脚本添加可执行权限。

```
bash run.sh
```

### 查看结果

执行run.sh完毕后，可视化结果会被保存在工程目录下result文件夹中。