highoooo的博客

（public、private、protected）

virtual

# YOLOV4-tiny WIN10 部署

yaml

v4-tiny win部署

C/C++从多重路径获取img名字。

tensorrt

tensorrtx-alexnet

C

必须要在外面malloc

1 MVS下载或SDK下载在海康机器人官网，服务支持-软件下载中间中，下载相应的客户端安装包。2 放到TX2目录下解压并安装sudo tar –xvf MVS-2.1.1_aarch64_20220511.tarsudo ./setup.sh3.c/c++ 库文件和头文件都在opt/MVS/下4.samples里面可以直接make就可以玩了5.读取工业摄像头并用转为cv::Mat用yolov5-trt推理5.1 cmakelistscmake_minimum_required(VER

转#include<iostream>#include<algorithm>#include<vector>#include<opencv2\opencv.hpp>using namespace std;using namespace cv;vector<cv::Point2d> po; //自定义排序函数 bool sortFun(const cv::Point2d &p1, const cv::Point2d &a

配置文件width : 640height : 360framerate : 25.0faces_active: [5,6,7,1] cameras_active: [1,2,3] channels: - rtsp: rtsp://admin:[email protected]:554/Streaming/Channels/102 chn: 1 - rtsp: rtsp://admin:[email protected]:554/Streaming/Ch

#include <functional>#include <iostream> struct Foo { void display_greeting() { std::cout << "Hello, world.\n"; } void display_number(int i) { std::cout << "number: " << i << '\n'; }

inference(hasface,lastface_pts,lastPts,img);void inference(bool hasface[],int64_t lastface_pts[], int64_t lastPts,cv::Mat img) inference(&hasface,&lastface_pts,lastPts,img);void inference(bool &hasface[0],int64_t &lastface_pts[0], int64_

struct timeval pts;gettimeofday(&pts,NULL);int64_t ptsTime = (int64_t)pts.tv_sec * 1000 + (int64_t)pts.tv_usec / 1000;

替换replace(str.begin(),str.end(),'/',' ');查找std::string a = "1234456";std::cout<<a.find("12345")<<std::endl;std::cout<<a.find("4")<<std::endl;

不能嵌套结构体 mmp会报错typedef struct _VideoWrapper{public: std::string video; //mp4 bool active; int chn; std::vector<int> times; std::vector<cv::Rect> rois;}VideoWrapper;typedef struct _VideoStaticWrapper{ char filetype[.

#ifndef __CONCURRENCEQUEUE_H__#define __CONCURRENCEQUEUE_H__#include <mutex>#include <condition_variable>#include <deque>#include <queue>#include <memory>template<typename DATATYPE, typename SEQUENCE = std::deque&lt

// TODO 1 merge frame(background)/face(tmp_ptr->frame) into one image cv::Mat background; cap.read(background); cv::Mat dst(720,1280,CV_8UC3); cv::Rect rect_face(0,0,640,720); cv::resize(tmp_pt

#include <thread>#include <vector>#include <iostream>#include <stdio.h>#include <unistd.h>#include <thread>#include <list>using namespace std;class cla{public: int h; cla();};cla::cla(){ h=1

Trail 1 ：.pth->.wts->.engine1.1 pth文件转为key value的字典文件便于c++解析 （.pth->.wts）def main(): print('cuda device count: ', torch.cuda.device_count()) device = 'cuda:0' net = torch.load('retinaface.pth') net = net.to(device) net.eval()

基于c++的人脸检测识别NVIDIA边缘设备部署效果展示：1.检测识别模型retinaface+arcface（mobilenet）2.部署（以下步骤直接参考readme）https://github.com/axxx-xxxa/Insightface-arcface-retinaface2.1 模型转换2.2 tensorrt推理2.3 集成两个模型到主函数2.4 opencv抓流送入推理2.5 显示+保存...

文章目录主要思路一、超参数和常量二、简易的WrapData类三、opencv获取rtsp流四、.engine 推理部分五、主函数流程主要思路每个thread负责一个rtsp流，主线程里定义WrapData类型的消息队列（目的是包含frame和对应的rtsp信息），传到每个线程里面去通过opencv获取frame，将frame和rtsp信息包装到WrapData后push到队列中，主函数中捕捉到队列长度大于1则进行.front()推理并在推理结束后.pop()一、超参数和常量#define NMS_

1.std::cout/cerrcerr只在终端输出 cout会在log输出2.char** argv二级指针 [1,2,3,4] argv存放首个地址3.fstream/ofstream/ifstream如果想以输入方式(只写)打开，就用ifstream来定义;如果想以输出方式(只读)打开，就用ofstream来定义;如果想以输入/输出方式来打开，就用fstream来定义。4.seekg/ tellg/ ios.end/ ios.begfile.seekg(0,file.end);si

文章目录一、create a model using the API directly and serialize it to a stream二、deserialize the .engine and data prepare三、run inference四、get image一、create a model using the API directly and serialize it to a stream//如果不存在wts_name //create a model using the

一、pytorch模型转为tensorrt模型1.yololayer.h中修改class_num2.Cmakelist中修改cuda路径3.build中编译生成yolov5文件4.sudo ./yolov5 -s [.wts] [.engine] [s/m/l/x/s6/m6/l6/x6 or c/c6 gd gw] // serialize model to plan file 生成.engine文件5.sudo ./yolov5 -d yolov5.engine …/samples 确定

#include <opencv2/dnn.hpp>#include <opencv2/imgproc.hpp>#include <opencv2/highgui.hpp>using namespace cv;using namespace cv::dnn;#include <fstream>#include <iostream>#include <cstdlib>using namespace std;int m

左移 << 左移一位扩大两倍右移 >> 右移一位缩小两倍

new其实就是告诉计算机开辟一段新的空间，但是和一般的声明不同的是，new开辟的空间在堆上，而一般声明的变量存放在栈上。通常来说，当在局部函数中new出一段新的空间，该段空间在局部函数调用结束后仍然能够使用，可以用来向主函数传递参数。另外需要注意的是，new的使用格式，new出来的是一段空间的首地址...

cmake_minimum_required(VERSION 3.0)项目名称project(boltDetect)c++11标准set(CMAKE_CXX_FLAGS “–std=c++11”)opencv库find_package(OpenCV)include_directories(${OpenCV_INCLUDE_DIRS})python库include_directories(/usr/inlcude/python3.8)link_directories(usr/lib/x86

静态链接 ：c++/general: addtional include directory （附加包含目录）：添加include路径 （.h头文件）linker/input: addtional dependencies（附加依赖）：添加lib（静态库 *.lib） 动态链接：linker/input: addtional dependencies（附加依赖）：添加lib（动态库 *dll.lib） 编译后将 *.dll放在与exe同目录下多项目建立静态链接右键main项目，添加(add

*.lib 静态链接库 较大，无需链接dll.lib+.dll 动态链接库 较小，需要链接include -> addtional include_ -> .h文件library -> addtional library_ -> 链接库lib文件

配置环境变量计算机——右键——属性——高级系统设置——高级（标签）——环境变量——系统变量栏里双击path——新建——添加路径工程包含目录配置打开VS软件，新建一个项目，建立一个windows控制台应用程序。在建完程序之后，在菜单栏里找视图——其他窗口——属性管理器，点击后窗口会发生变化，如下显示在Debug|x64里右键Microsoft.Cpp.x64.user或者在Debug|Win32里右键Microsoft.Cpp.Win32.user注意：选择哪个和你想配的的编译环境有关，64位

编译：.cpp(源文件) -> .i(预处理/将所有include paste到源文件中) {-> .asm(转为可读的汇编语言)} -> .obj(转为十六进制汇编语言)链接：将所有的obj联通 -> .exe通过cmakelist.txt来描述整个编译过程example：project(main)add_excutable(main main.cpp)project(main)include_directories(include)file(GLOB_SOU