jetson nano yolov5调用摄像头

### 在 Jetson Nano 上使用 YOLOv5 调用摄像头进行推理

为了实现在 Jetson Nano 上通过摄像头实时调用 YOLOv5 进行物体检测，需完成几个关键步骤。这些步骤涵盖了环境配置、模型加载以及视频流处理等方面。

#### 1. 安装依赖库
确保安装了必要的 Python 库来支持 YOLOv5 的运行：

pip install torch torchvision opencv-python-headless numpy

对于 Jetson Nano 特定的支持，还需安装 `jetson-inference` 和 `jetson-utils`:

sudo apt-get install python3-jetson

#### 2. 加载预训练的 YOLOv5 模型
下载官方发布的 YOLOv5 权重文件并将其放置于合适位置。通常情况下可以直接从 Ultralytics 提供的链接获取最新版本的权重文件。

import torch

model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # 使用小型版 yolov5s

#### 3. 初始化摄像头设备并与 OpenCV 结合
利用 OpenCV 实现对摄像机图像帧的捕获，并传递给 YOLOv5 模型进行预测。

import cv2

cap = cv2.VideoCapture(0)  # 打开默认相机
while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    results = model(frame)

    # 显示带有标注框的结果图
    img_with_boxes = results.render()[0]

    cv2.imshow('YOLOv5 Detection', img_with_boxes)
    
    key = cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
        
cv2.destroyAllWindows()
cap.release()

这段代码实现了持续读取来自连接到 Jetson Nano 的 USB 或板载 CSI 接口摄像头的数据，并将每一帧送入已加载好的 YOLOv5 模型中执行目标识别操作[^1]。