如何增加树莓派的 fps 以进行对象检测答案

【问题标题】：how to increase fps for raspberry pi for object detection如何增加树莓派的 fps 以进行对象检测
【发布时间】：2019-07-19 18:27:23
【问题描述】：

我的树莓派实时物体检测的 fps 很低

我使用笔记本电脑 windows 10 在我自己的数据集上训练了 yolo-darkflow 对象检测。当我在笔记本电脑上使用网络摄像头测试模型以进行实时检测时，它在高 fps 下运行良好

但是，当我尝试在运行在 Raspbian OS 上的树莓派上对其进行测试时，它的 fps 速率非常低，大约为 0.3 ，但是当我只尝试使用不带 yolo 的网络摄像头时，它可以很好地处理快速帧。 . 同样，当我使用 Tensorflow API 在 pi 上使用网络摄像头进行对象检测时，它也可以在高 fps 下正常工作

有人可以给我一些建议吗？原因与 yolo 模型或 opencv 或 phthon 有关吗？如何让网络摄像头的对象检测的 fps 速率更高更快？

【问题讨论】：

1) 不要使用cv2.VideoCapture()，而是尝试使用imutils.WebcamVideoStream，它与前者相同，但实现了线程。 2) 使用针对树莓派等边缘设备优化的模型的迷你版

标签： python opencv raspberry-pi object-detection yolo

【解决方案1】：

您可以尝试使用带有树莓派的 Coral AI 加速器。它是一个 USB 加速器，您可以从中获得高达 14fps 的速度。检查这个https://coral.ai/docs/accelerator/get-started/#requirements

【讨论】：

您的答案可以通过额外的支持信息得到改进。请edit 添加更多详细信息，例如引用或文档，以便其他人可以确认您的答案是正确的。你可以找到更多关于如何写好答案的信息in the help center。

【解决方案2】：

我在没有任何加速器的树莓派上的检测器可以达到 5 FPS。我用SSD mobilenet，训练后量化。
Tensorflow Lite 提供了一个对象检测演示，可以在树莓派 4 上达到约 8 FPS。

【讨论】：

【解决方案3】：

树莓派没有 GPU 处理器，因此很难以高 fps 进行图像识别。

【讨论】：