准备工作：

开始之前，确定已经完成教程4、5的所有步骤，能测试简单的例子。最好拔掉板载摄像头，插上USB摄像头再上电。

1、检测摄像头设备

假如你在jetson-inference目录下。

如下图，执行：

ls  /dev

确定是否有video0这个设备，有可能多个摄像头时，注意后面的编号不同。

2、参数介绍

与前面的imagenet-console示例类似，相机应用程序构建在该/aarch64/bin目录中。它们在带有OpenGL渲染的实时摄像机流上运行，并接受4个可选的命令行参数：

· --network 标志设置分类模型（默认为GoogleNet）

§ 请参阅下载其他分类模型以获取可用的网络。

· --camera 标志设置要使用的摄像头设备

通过指定传感器索引（0或1等）来使用MIPI CSI摄像机

V4L2 USB摄像机通过指定其/dev/video节点（/dev/video0，/dev/video1等）使用。

§ 默认为使用MIPI CSI传感器0（--camera=0）

· --width和--height标志设置相机分辨率（默认为1280x720）

§ 分辨率应设置为相机支持的格式。

§ 使用以下命令查询可用格式：

$ sudo apt-get install v4l-utils

$ v4l2-ctl --list-formats-ext

您可以根据需要组合使用这些标志，并且还有其他命令行参数可用于加载自定义模型。启动带有--help标志的应用程序以获取更多信息，或参阅Examples自述文件。

以下是启动程序的一些典型方案：

C ++

$ ./imagenet-camera --network=alexnet       ＃使用alexnet，默认MIPI CSI相机（1280×720）

$ ./imagenet-camera --camera=/dev/video1      ＃使用GoogleNet，V4L2摄像机/ dev / video1（1280x720）

$ ./imagenet-camera --width=640 --height=480 ＃使用GoogleNet，默认为MIPI CSI摄像机（640x480）

Python

$ ./imagenet-camera.py --network=alexnet       ＃使用RESNET-18，默认MIPI CSI相机（1280×720）

$ ./detectnet-camera.py --camera=/dev/video1      ＃使用PedNet，V4L2摄像机/dev/video1（1280x720）

$ ./imagenet-camera.py --width=640 --height=480 ＃使用GoogleNet，默认为MIPI CSI相机（640x480）

3、执行图像识别命令

这个时候最好能通过桌面执行，否则可能看不到摄像头的界面，或者通过VNC远程桌面连接。

进入到bin目录下：

实时图像识别演示位于/ aarch64 / bin中并被调用imagenet-camera。它在实时摄像机流上运行，并根据用户参数，使用TensorRT加载googlenet或alexnet。

$ ./imagenet-camera --network=googlenet  --camera=/dev/video1  ＃使用googlenet的USB摄像头运行

$ ./imagenet-camera --network=alexnet  --camera=/dev/video1            ＃使用alexnet运行

每秒帧数（FPS），来自视频的分类对象名称和分类对象的置信度被打印到openGL窗口标题栏。默认情况下，应用程序可以识别多达1000种不同类型的对象，因为Googlenet和Alexnet是在包含1000类对象的ILSVRC12 ImageNet数据库上进行培训的。1000种类型对象的名称映射，可以在repo下找到data/networks/ilsvrc12_synset_words.txt

这样识别到物体就会在上面显示物体英文名称，百分数就是匹配百分比。