如何使用Vitis-AI加速YOLOX模型实现视频中的目标检测

本文将介绍如何使用Vitis-AI加速YOLOX模型实现视频中的目标检测，并对相关源码进行解读。由于演示的示例程序源码是Vitis-AI开源项目提供的，本文演示之前会介绍所需要的准备工作。演示之后会对关键源码进行解析。

一、Vitis AI Library简介

上一篇帖子中，我们了解了Vitis统一软件平台和Vitis AI，并体验了Vitis AI Runtime的Resnet50图像分类示例程序。本篇文章我们将会介绍Vitis AI Library，并体验基于Vitis AI Library的YOLOX视频目标检测示例程序。

Vitis AI User Guide中的一张图可以很好的理解Vitis AI Library和Vitis AI Runtime的关系：

简单来说，Vitis AI Library是在Vitis AI Runtime之上构建出来的。

二、YOLOX视频目标检测示例体验

参考此前的帖子：【KV260视觉入门套件试用体验】部署DPU镜像并运行Vitis AI图像分类示例程序

首先需要部署DPU镜像，DPU镜像系统启动过程中会加载DPU IP到FPGA侧，并且系统本身已经集成了Vitis AI所需的各种库文件。

2.1 准备测试所需视频文件

赛灵思官方文档里面提供了测试视频资源

在开发板上下载、解压的命令为：

# 跳转到HOME目录
cd ~


# 下载 tar.gz 文件
TGZ=[vitis_ai_library_r3.0.0_video.tar.gz](https://china.xilinx.com/bin/public/openDownload?filename=vitis_ai_library_r3.0.0_video.tar.gz)
wget -O $TGZ "[https://china.xilinx.com/bin/public/openDownload?filename=](https://china.xilinx.com/bin/public/openDownload?filename=vitis_ai_library_r3.0.0_video.tar.gz)$TGZ"


# 解压 tar.gz 文件
DIR=[vitis_ai_library_r3.0.0_video](https://china.xilinx.com/bin/public/openDownload?filename=vitis_ai_library_r3.0.0_video.tar.gz)
mkdir $DIR
tar -C $DIR -xvf $TGZ

（左右移动查看全部内容）

2.2 准备KV260套件和DPU镜像SD卡

和上一篇帖子一样，使用Vitis-AI之前需要先准备好KV260套件和写入DPU镜像的SD卡，具体可以参考上一篇帖子中的第二章“部署DPU镜像到KV260”：【KV260视觉入门套件试用体验】部署DPU镜像并运行Vitis AI图像分类示例程序

2.3 编译YOLOX视频目标检测示例程序

KV260使用DPU镜像的SD卡启动后，跳转到Vitis-AI/目录下，可以看到如下文件及目录：

其中，蓝色的为目录，绿色的为可执行文件，白色的为没有执行权限的文件。

执行build.sh脚本，可以重新编译文件（可以尝试将可执行文件删除掉再重新执行build.sh脚本）。

该脚本文件内的代码为：

重新编译后，可以看到时间戳全部更新了：

2.4 运行YOLOX视频目标检测示例程序

接下来，运行YOLOX视频目标检测程序——test_video_yolox，命令为：

VIDEO_PATH=~/vitis_ai_library_r3.0.0_video/apps/seg_and_pose_detect/seg_960_540.avi
MODEL_NAME=yolox_nano_pt
./test_video_yolovx $MODEL_NAME $VIDEO_PATH

（左右移动查看全部内容）

可以看到，画面中的目标被框起来了。

三、YOLOX视频目标检测原理解析

YOLOX视频目标检测示例程序源码非常简短（test_video_yolovx.cpp文件）：

这段代码中：

model是模型名称；

vitis::create(model) 用于创建模型；

3.1 main_for_video_demo 源码分析

main_for_video_demo 核心代码如下：

其中，关键代码行如下：

parse_opt 用于解析命令行参数，包括线程数（例如-t 4指定4个线程）和视频文件名

decode_queue 是解码队列，用于传递已经解码的图像；

decode_thread 是解码任务线程，读取视频文件，并解码每一帧画面，放入解码队列；

dpu_thread 是DPU任务线程，从解码队列取出图像，如果-t 参数指定的大于1，会创建多个DPU线程（不指定-t参数，默认为1个DPU线程）；

gui_thread 是图形用户界面（GUI）线程，调用cv::imshow显示每一帧结果画面；

gui_queue 是结果图像队列，GUI线程会从这个队列取出图像再显示出来；

sorting_thread 是排序线程，用于确保传递给gui_queue的图像和视频中出现的顺序一致，从而保证视频显示的画面正常。

这段代码搭建了一个多线程的视频处理流水线，流水线结构如下图所示：

3.2 DecodeThread 源码分析

DecodeThread的构造函数：

构造函数中调用open_stream，open_stream创建了OpenCV的VideoCapture对象指针，用于后续视频文件读取操作。

DecodeThread::run函数：

DecodeThread::run函数的关键代码为：

cap >> image 实现了从视频读取画面，

queue_->push(…) 实现了给帧画面编号，并将其放入队列。

3.3 SortingThread 源码分析

SortingThread::run函数关键代码如下：

SortingThread::run中的关键代码为：

queue_in_->pop(…) 等待特定frame_id的图像到来；

queue_out_->push(…) 再将其放入输出队列（gui_queue）。

3.4 GuiThread 源码分析

GuiThread::run函数源码：

其中关键的代码为：

调用queue_->pop()从队列取出一帧画面；

调用cv::imshow显示图像画面。

3.5 DpuThread 源码解析

DpuThread::run函数源码：

其中关键代码为：

调用queue_in_->pop(frame)取出画面；

调用filter_->run(frame.mat)处理画面；

调用queue_out_->push(frame)传出画面；

要解读filter到底是什么，还需要看DpuThread构造函数的声明：

以及DpuThread类型实例化的代码：

以及main函数：

这里可以看到：

factory_method是一个C++11的lamba表达式，

其中调用了vitis::create(model)；

vitis::create的具体实现代码较多，感兴趣的可以自行查阅Vitis-AI源码，它主要实现了模型加载，以及调用Vitis-AI-Runtime接口执行推理，这里不再解读。

process_result函数定义：

可以看到，process_result的作用主要是画出方框，以及打印日志。

审核编辑：汤梓红