Leez AI局域网物体检测

1 常见的物 联 网 AI 计算模式

目前，物联网AI物体检测技术已经非常成熟了，它的计算模式只要有两种，一种是用云端来完成AI计算再把结果发回给终端，一种是直接在终端设备上做边缘计算。

终端上做边缘计算对设备的计算性能要求比较高，于是谷歌推出了Edge TPU，可以以较低的延迟完成AI计算。如果手头没有Edge TPU，也可以使用ARM处理器来跑，就是速度慢很多，不能实时检测。

在云端计算领域，百度AI推出了EasyDL物体检测服务。在这种计算架构下，终端设备的计算量非常小。终端设备只需要负责图像采集，然后把图像发给云端，所有的AI计算都在云端完成，然后云端再把计算结果还给终端设备。

但是，云计算模式也有缺点，那就是带宽和数据延迟。云服务器实际上就是机房的虚拟主机，每台主机的共享网络带宽是受限的；然后，虚拟主机与你隔了几万里，中间又隔了好多个路由器；它距离你的设备越远，网络延迟也就越大。

2 局域网AI计算

如果使用网络计算模式，有没有方法减少这种延迟呢？
很简单，把计算服务器布置在本地就好了。

技术上，我可以给桌面台式机编写一个程序把它变成计算服务器，让它处理来自LeezP710的图像，然后用低延迟的UDP协议发送回去。另外，要注意WIFI转发的延迟也很大，所以尽量使用千兆以太网。正好，我手头这块Leez P710开发板和我的桌面台式机都带有千兆网络接口。

这个开发需求，对我们这种linux老司机来说，非常简单，一晚上就能把功能实现。

是展示真正的技术的时候啦！

3 功能实现

我很快就把猫咪检测的demo做出来了，而且还是个通用度很高、可维护性很好的代码，稍加修改就可变成检测人、狗或车辆的。
程序我都会开源到github，不管你学或不学，学得会或学不会，我的开源方案全套源代码都在那里。

3.1 终端设备

Leez P710上面开启了两个程序，一个是mjpg streamer，把USB摄像头捕获的图像发给局域网的计算服务器。另一个是我编写的clouddetec客户端程序。这两个程序都不涉及AI计算，所以可以跑得飞快。

其中，mjpg streamer来自开源项目，用于实现Leez P710的USB摄像头图像采集，安装方法见我另一篇帖子《USB摄像头填坑记》

LeezP710启动网络视频流的脚本如下

mjpg_streamer -o "output_http.so -w ./www" -i "input_uvc.so -d