# 摄像头检测显示 Source: [https://docs.qualcomm.com/doc/80-70015-50SC/topic/camera-detection-display.html](https://docs.qualcomm.com/doc/80-70015-50SC/topic/camera-detection-display.html) **gst-camera-detect-display.py** 脚本使用 YOLO v8 TensorFlow Lite 模型来检测摄像头流中的目标对象，在识别到的目标对象周围绘制边框，然后显示结果。 **命令** `python3 /usr/bin/gst-camera-detect-display.py` ## 预期输出 文件路径在 Python 脚本中固定配置为： MODEL\_FILE = "/opt/data/YOLOv8-Detection-Quantized.tflite" LABELS\_FILE = "/opt/data/yolov5m.labels" | **过程** | **说明** | | --- | --- | | **qtiqmmfsrc** | 采集视频流（源）并创建源的 2 个副本：

  1. qtimetamux 插件保留其中 1 个视频流。


  2. ML 推理 pipeline 处理另一个视频流。


| | **预处理** | **预处理** | | **qtimlvconverter** |

  1. 在其接收设备接插口上接收视频流。


  2. 执行预处理：

    1. 色彩转换。


    2. 缩小/放大。


    3. 在模型使用浮点值输入时，对流数据进行归一化。





  3. 在其源接插口上将视频流转换为张量数据。目标检测模型使用此张量数据进行推理。


| | **推理** | **推理** | | **qtimltflite** |

  1. 加载目标检测模型。


  2. 为选择的 delegate 修改图形。


  3. 在其接收设备接插口上接收张量数据。


  4. 执行推理并在其源接插口上生成带有目标检测结果的张量数据。


| | **后处理** | **后处理** | | **qtimlvdetection** |

  1. 接收来自目标检测的推理张量。


  2. 将接收设备接插口上的推理张量转换为视频或文本等格式，稍后可由多媒体插件进行处理。


  3. 将阈值应用于所选的结果数。


  4. 加载检测模型的相应模块。


  5. 加载检测模型的相应模块。





在此用例中，qtimlvdetection 执行以下操作： | | **qtimetamux** |

  1. 在接收设备接插口上接收视频流和文本流，以及与视频流相对应的边框结果。


  2. 使用接收设备接插口中的视频流内容生成地面启动 (GST) 缓冲区。


  3. 将边框作为 GstVideoRegionOfInterest 从数据接收设备接插口添加到其源接插口上的 GST 缓冲区元数据（元多路复用）。


| | **qtioverlay** |

  1. 接收多路复用流。


  2. 使用 CL 将边框叠加在 VideoFrame 上。


  3. 在其源接插口上生成带有叠加层的 GST 缓冲区


| | **输出** | **输出** | | **waylandsink** |

  1. 在其接收设备接插口上接收视频流。


  2. 将视频流提交到 Weston。


  3. 通过 Weston 在本地显示设备上渲染为该场景的目标对象生成的视频流和边框。


| **Parent Topic:** [摄像头应用示例](https://docs.qualcomm.com/doc/80-70015-50SC/topic/sample-applications-for-camera.html) Last Published: Nov 11, 2025 [Previous Topic 摄像头编码](https://docs.qualcomm.com/bundle/publicresource/80-70015-50SC/topics/camera-encode.md) [Next Topic 摄像头检测编码](https://docs.qualcomm.com/bundle/publicresource/80-70015-50SC/topics/camera-detection-encode.md)