Hello World¶
学习如何使用 DepthAI Python API 来显示彩色视频流
演示¶
依赖关系¶
首先把开发环境设置好。本教程使用:
Python 3.6 (Ubuntu) or Python 3.7 (Raspbian)。
安装或升级 DepthAI Python API安装详解
需要用到
cv2和numpyPython 模块。
文件设置¶
在你的计算机上设置以下文件结构:
cd ~
mkdir -p depthai-tutorials-practice/1-hello-world
touch depthai-tutorials-practice/1-hello-world/hello-world.py
cd depthai-tutorials-practice/1-hello-world
父目录名称里面的 -practice 后缀是干什么的? 我们的教程可以在 depthai-tutorials 代码库中获得。
在我们加上 -practice 后，你就可以把你个人的代码和我们完整教程的代码区分开来（前提是你下载了这些教程）。
安装 pip 依赖¶
要显示 DepthAI 彩色视频流，我们需要导入少量的软件包。 下载并安装本教程所需的包:
python3 -m pip install numpy opencv-python depthai --user
测试你的环境¶
让我们验证一下是否能够加载所有的依赖项。 在你的代码编辑器中打开你之前 创建 的 hello-world.py 文件。
复制并粘贴以下内容到 hello-world.py 中：
import numpy as np # numpy - manipulate the packet data returned by depthai
import cv2 # opencv - display the video stream
import depthai # access the camera and its data packets
尝试运行脚本并确保其执行无误：
python3 hello-world.py
如果你看到了如下的错误:
ModuleNotFoundError: No module named 'depthai'
…请按照 我们的故障排除部分的这些步骤 来操作。
定义管道¶
DepthAI的任何动作，无论是神经推理还是彩色摄像机输出，都需要定义 管道 ，包括与我们需求相对应的节点和连接。
在这种情况下，我们要查看 彩色摄像机 的帧，以及要在它们之上运行的简单 神经网络。
让我们从一个空 Pipeline 对象开始
pipeline = depthai.Pipeline()
现在，我们要添加的第一个节点是 ColorCamera 。我们将使用 preview 调整为300x300的输出以适合 mobilenet-ssd 输入大小（我们将在以后定义）
cam_rgb = pipeline.createColorCamera()
cam_rgb.setPreviewSize(300, 300)
cam_rgb.setInterleaved(False)
接下来，让我们NeuralNetwork用mobilenet-ssd network定义一个节点。此示例的Blob文件可在 此处 找到。
detection_nn = pipeline.createNeuralNetwork()
detection_nn.setBlobPath("/path/to/mobilenet-ssd.blob")
现在，让我们将彩色摄像头 preview 输出连接到神经网络输入
cam_rgb.preview.link(detection_nn.input)
最后，我们希望同时接收彩色相机的帧和神经网络的推理结果-由于这些是在设备上生成的，因此需要将它们传输到我们的机器（主机）上。设备和主机之间的通信由来处理 XLink ，在本例中，由于我们要从设备到主机接收数据，因此我们将使用 XLinkOut 节点。
xout_rgb = pipeline.createXLinkOut()
xout_rgb.setStreamName("rgb")
cam_rgb.preview.link(xout_rgb.input)
xout_nn = pipeline.createXLinkOut()
xout_nn.setStreamName("nn")
detection_nn.out.link(xout_nn.input)
初始化DepthAI设备¶
定义管道后，我们现在可以初始化设备并启动它
启动 DepthAI 设备:
device = depthai.Device(pipeline)
device.startPipeline()
Note
默认情况下，DepthAI被作为USB3设备访问。这有 几个限制 。
如果您想通过USB2进行通信（不受这些限制但带宽有限），请使用以下代码初始化DepthAI
device = depthai.Device(pipeline, True)
从这一点开始，管道将在设备上运行，并产生我们要求的结果。抓住他们
添加助手¶
由于 XLinkOut 已经在管道中定义了节点，因此我们现在将定义主机端输出队列以访问产生的结果
q_rgb = device.getOutputQueue("rgb")
q_nn = device.getOutputQueue("nn")
这些将充满结果，因此下一步是消耗结果。我们将需要两个占位符-一个用于rgb框架，一个用于nn结果
frame = None
bboxes = []
同样，由于神经网络的实现细节，推理结果中的边界框坐标表示为<0..1>范围内的浮点数-因此相对于帧的宽度/高度（例如，如果图像的宽度为200px，并且nn返回的x_min坐标等于0.2 ，这意味着实际的（规范化的）x_min坐标为40px）。
这就是为什么我们需要定义一个辅助函数，frame_form 将这些<0..1>值转换为实际像素位置的原因
def frame_norm(frame, bbox):
return (np.array(bbox) * np.array([*frame.shape[:2], *frame.shape[:2]])[::-1]).astype(int)
消耗结果¶
准备好一切之后，我们就可以开始主程序循环了
while True:
# ...
现在，在此循环中，首先要做的是从nn节点和彩色摄像机获取最新结果
in_rgb = q_rgb.tryGet()
in_nn = q_nn.tryGet()
如果队列为空，则该 tryGet 方法将返回最新结果 None 。
来自rgb摄像机或神经网络的结果将以一维数组的形式提供，因此它们都需要进行转换才能用于显示（我们已经定义了所需的转换之一 frame_norm 函数）
首先，如果我们收到了来自RGB相机的帧，则需要将其从1D阵列转换为HWC形式（HWC代表“高度宽度通道”，因此是3D阵列，第一个尺寸是宽度，第二个高度，第三个是颜色通道）
if in_rgb is not None:
shape = (3, in_rgb.getHeight(), in_rgb.getWidth())
frame = in_rgb.getData().reshape(shape).transpose(1, 2, 0).astype(np.uint8)
frame = np.ascontiguousarray(frame)
其次，神经网络的结果也将需要转换。它们也以一维数组的形式返回，但是这次数组的大小是固定的（无论神经网络实际产生多少结果，它的大小都是恒定的）。数组中的实际结果后跟 -1 ,然后用 0 填充以满足固定大小。一个结果有7个字段，每个字段分别为 image_id, label, confidence, x_min, y_min, x_max, y_max 。我们只需要最后四个值（即边界框），但我们还将过滤出 confidence 低于某个阈值的值-它可以在<0..1>之间，在此示例中，我们将使用临界点 0.8
if in_nn is not None:
bboxes = np.array(in_nn.getFirstLayerFp16())
bboxes = bboxes[:np.where(bboxes == -1)[0][0]]
bboxes = bboxes.reshape((bboxes.size // 7, 7))
bboxes = bboxes[bboxes[:, 2] > 0.8][:, 3:7]
为了更好地理解此流程，让我们举个例子。假设 np.array(in_nn.getFirstLayerFp16()) 返回以下数组
[0, 15, 0.99023438, 0.45556641, 0.34399414 0.88037109, 0.9921875, 0, 15, 0.98828125, 0.03076172, 0.23388672, 0.60205078, 1.0078125, -1, 0, 0, 0, ...]
第一个操作，从数组中删除尾随零，所以现在bbox数组将如下所示 bboxes[:np.where(bboxes == -1)[0][0]]
[0, 15, 0.99023438, 0.45556641, 0.34399414 0.88037109, 0.9921875, 0, 15, 0.98828125, 0.03076172, 0.23388672, 0.60205078, 1.0078125]
第二个-将1D数组重塑为2D数组-其中每一行都是单独的结果 bboxes.reshape((bboxes.size // 7, 7))
[
[0, 15, 0.99023438, 0.45556641, 0.34399414 0.88037109, 0.9921875],
[0, 15, 0.98828125, 0.03076172, 0.23388672, 0.60205078, 1.0078125]
]
最后一个 bboxes = bboxes[bboxes[:, 2] > 0.8][:, 3:7] -将根据置信度列（第三个，索引为 2 ）高于定义的阈值（ 0.8 ）过滤结果-从这些结果中，仅将最后4列作为边界框。由于我们的两个结果都具有很高的置信度（ 0.99023438 和 0.98828125 ），因此不会对其进行过滤，最终数组将如下所示
[
[0.45556641, 0.34399414 0.88037109, 0.9921875],
[0.03076172, 0.23388672, 0.60205078, 1.0078125]
]
显示结果¶
到此为止，我们已经从DepthaI设备消耗了所有结果，剩下的就是实际显示它们。
if frame is not None:
for raw_bbox in bboxes:
bbox = frame_norm(frame, raw_bbox)
cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (255, 0, 0), 2)
cv2.imshow("preview", frame)
您可以在此处看到 frame_norm 我们先前定义的用于边界框坐标归一化的用法。通过使用 cv2.rectangle 我们在rgb框架上绘制一个矩形作为指示人脸位置的指示器，然后使用 cv2.imshow
最后，我们添加了一种终止程序的方法（因为它在无限循环内运行）。我们将使用 cv2.waitKey 的方法，即一键等待用户按下-在我们的例子中，我们要打破循环出来的时候用户按下 q 键
