
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
2.1.2 开发设计与实践
2.1.2.1 架构设计
本项目的AiCam平台采用统一模型调用、统一硬件接口、统一算法封装和统一应用模板的设计模式,可以在嵌入式边缘计算环境下快速地进行应用开发和项目实施。AiCam平台为模型的调用提供RESTful调用接口,可以实时返回视频分析的结果和数据,同时通过物联网云平台的应用接口与硬件进行连接和互动,最终实现各种应用。AiCam平台的开发框架请参考图1.3。
本项目的开发流程如下:
(1)在aicam工程包的配置文件中添加摄像头(config\app.json)。


(2)在创建的aicam工程包中添加算法文件algorithm\image_capture\image_capture.py。
(3)在创建的aicam工程包中添加算法项目前端应用static\image_capture。
(4)前端应用采用RESTFul获取处理后的视频流,返回base64编码的图像和数据。访问URL地址格式如下(IP地址为边缘计算网关的地址):

前端应用JS(js\index.js)处理代码如下:

2.1.2.2 功能与核心代码设计
通过图像采集算法(algorithm\image_capture\image_capture.py)的ImageCapture类的inference方法返回摄像头采集的原始图像,本项目未对原始视频流进行任何处理,返回的是原始图像。对视频流图像的处理可以放到inference方法中进行,然后返回处理后的图像。

