# 基于MxBase的yolov5视频流推理样例

**Repository Path**: zxt-triumph/ascend-a200-yolov5

## Basic Information

- **Project Name**: 基于MxBase的yolov5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yolov5的视频流的目标检测，并把可视化结果保存到本地。
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-05-31
- **Last Updated**: 2024-05-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 基于MxBase的yolov5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 模型下载

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YOLOv5 onnx模型。

**步骤2** 新建model文件夹，将获取到的YOLOv5模型onnx文件存放至："样例项目所在目录/model/"。

**步骤3** 模型转换

### 2.2 执行以下命令转换YOLOv5模型
```
atc \
--output_type=FP32 \
--input_shape="images:1,3,640,640"  \
--input_format=NCHW \
--output="yolov5s" \
--soc_version=Ascend310B1 \
--insert_op_conf=insert_op.cfg \
--framework=5 \
--model="yolov5s.onnx" \
```
> 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。


### 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）

```
...
initParam.modelPath = "{yolov5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

```
bash sample_build.sh
```

### 3.2 运行

```
bash run.sh
```

## 4 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。