NVIDIA Jetson Nano學習筆記（六）：即時影像偵測系統(PiCamera+OpenCV+TensorFlow Lite)
本文章假設讀者已完成TF Runtime的安裝，並且已經自行裝上Pi Camera、設定好Firebase的RealTime Database及Storage。
（１）尚未安裝TF Runtime的讀者可以參考：
NVIDIA Jetson Nano學習筆記（四）：安裝與執行Tensorflow Lite Model官方範例
（２）尚未設定好Firebase的RealTime Database及Storage的讀者可以參考：
Learning Firebase(1)：Create Your First Project
Learning Firebase(2)：CRUD Our Database with Python
Learning Firebase(3)：Upload Image to Firebase with Python
在NVIDIA Jetson Nano學習筆記（五）：即時影像分類系統(PiCamera+OpenCV+TensorFlow Lite+Firebase)一文當中，我和大家介紹了如何在Jetson Nano中，透過PiCamera進行即時的Image Classification。本文延續上次的主題，這次做的是Object Detection
程式碼：
程式碼參考自TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi，我將其改寫成能在Jetson Nano上執行的版本。
最主要的差異在於：
1. 原先的程式遇到了NoneType errors的錯誤，根據OpenCV: Resolving NoneType errors — PyImageSearch，文章表示，該項錯誤造成的主因是：
Case #1: cv2.imread
Case #2: cv2.VideoCapture and .read因為我讀取的是影片，因此跟Case #1的imread()無關PS：imread用來讀取圖片的由此，我們可以知道，絕對是cv2.VideoCapture的問題，我們往下個方向進行調整
2. 透過OpenCV讀取鏡頭的方式，與原本專屬給Raspberry Pi的程式不同，必須透過以下方式才能在Jetson Nano開啟PiCamera。
# 先自定義一個gstreamer_pipeline的function，接著透過
# cv2.VideoCapture()來讀取def gstreamer_pipeline():
............
以下省略cap = cv2.VideoCapture(gstreamer_pipeline(flip_method=0), cv2.CAP_GSTREAMER)
經過上述的兩個步驟，再搭配上程式內些微調整，目前已經可以正常執行Object Detection的動作。效能的部分，在Nano上有4.X的FPS表現，還算堪用。後續若推廣到性能更好的硬體設備，相信會有更好的表現。