Jetson Nano 初體驗 (三) -- Deep Learning Model

發表於 分類於 閱讀次數： Disqus：

系列文章

前言

前面的工作已經為我們的專案開發打好了基礎，接下來就可以開始進行專案開發。筆者試圖將之前自己作的幾個開發專案移植到 Jetson Nano ，看看是否可行。除此之外，筆者也藉由 Jetson Nano 搭配 MLX 90615 紅外線測溫模組來對專案進行延伸開發。

手勢辨識 Gesture Recognition

手勢辨識專案之前筆者已經寫過一篇專題介紹 " Gesture Recognition using YOLO v3 tiny " ，但移植到 Jetson Nano 的模型是基於 Darknet 的 YOLOv2 tiny ，訓練資料及時間上都與前文之版本不太相同，因此表現上也有所差異，但這並非本文所要討論的內容，因此不多加解釋。

硬體上與筆電仍有差異，因此效能上會有落差，這是可以預期的，可以藉由 Gstream 調整畫面大小來提升 FPS。但要達到 Nvidia 官方宣稱的 25 FPS 我認為有其難度，這方面還需要再研究。

人臉辨識 Face Recognition

這個專案沿用了 "人臉辨識系統 Face Recognition 開發紀錄 ( OpenCV / Dlib )" 並且利用 MLX 90615 來量測體溫。

MLX 90615 是一個紅外線溫度感測模組，支援 I2C 接口，因此額外購入了 其附上的 I2C 接線筆者想直接使用，因此額外購入了 Base Hat for Raspberry Pi Zero 將 MLX 90615 與 Jetson Nano 可以直接串接。

紅外線偵測必須跟鏡頭同步偵測，因此筆者將 MLX90615 的紅外線探測頭固定在鏡頭之上。

僅將接線鏡頭安裝，仍未能使用，必須要有相關模組的 Library 才能使用。MLX90615 官方僅提供 Arduino Lib，筆者嘗試使用 MLX 90614 Lib 也無法正常運作，最後找到了一個 MLX 90615 可用的 Python Lib

惟要注意的地方是，必須將 i2c_bus 與 i2c_address 設定正確才可正常運作。

從上面的實作上面看來，Inference time 不算太高，接下來還可以嘗試將 Facenet 替換掉 Dlib 進行人臉辨識，看看是否能有更高的效率。