Skip to content

videocap.md

Latest commit

 

History

History
101 lines (76 loc) · 3.92 KB

videocap.md

File metadata and controls

101 lines (76 loc) · 3.92 KB
Raw

YOLOv8 ONNX — Inférence vidéo temps réel

Deux implémentations équivalentes : Python (live.py) et Rust (yolo_live_rs/). Les deux font la même chose : capture vidéo (webcam ou fichier), inférence ONNX, NMS, et affichage en temps réel avec un rendu futuriste des boites.

Version Python (live.py)

Installation

pip install numpy onnxruntime opencv-python

Usage

# Webcam (index 0)
python live.py --model weights/best.onnx --nc 80 --source 0

# Fichier vidéo
python live.py --model weights/best.onnx --nc 80 --source path/to/video.mp4

# Avec sauvegarde du flux annoté
python live.py --model weights/best.onnx --nc 80 --source 0 --output out.mp4

# Mode headless (pas d'affichage, juste sauvegarde)
python live.py --model weights/best.onnx --nc 80 --source video.mp4 \
    --output out.mp4 --no-show

Touches : Q ou ESC pour quitter.

Version Rust (yolo_live_rs/)

Prérequis

  • Rust toolchain (rustup)
  • Sur Linux : libv4l-dev (pour rustcv côté caméra) et un compilateur C
  • ONNX Runtime sera téléchargé automatiquement à la première compilation grâce à la feature download-binaries du crate ort

Build

cd yolo_live_rs
cargo build --release

Usage

# Webcam
cargo run --release -- --model ../weights/best.onnx --nc 80 --source 0

# Fichier vidéo
cargo run --release -- --model ../weights/best.onnx --nc 80 --source video.mp4

# Mode headless
cargo run --release -- --model ../weights/best.onnx --nc 80 \
    --source video.mp4 --no-show

Touches : Q (113) ou ESC (27) pour quitter.

Mapping Python ↔ Rust (équivalences API)

Étape Python (live.py) Rust (main.rs)
Source vidéo cv2.VideoCapture(src) rustcv::VideoCapture::{new,from_file}
Lecture frame cap.read() cap.read(&mut frame)
Letterbox cv2.resize + numpy padding nearest-neighbor manuel sur Vec<u8>
Tenseur d'entrée np.ascontiguousarray(...) ndarray::Array4::<f32>
Session ONNX ort.InferenceSession ort::Session::builder()
Inference session.run(...) session.run(ort::inputs![...])
NMS cv2.dnn.NMSBoxes (par classe) implé. gloutonne en Rust pur
Rendu cv2.line/rectangle/putText manipulation directe des bytes du Mat
Affichage cv2.imshow + waitKey rustcv::highgui::imshow + wait_key

Différences notables

  1. Resize : OpenCV utilise INTER_LINEAR par défaut, la version Rust fait du nearest-neighbor pour rester sans dépendance lourde. La qualité est acceptable mais peut légèrement dégrader les détections sur petits objets. Pour matcher exactement Python, ajouter fast_image_resize = "5" au Cargo.toml et l'utiliser dans letterbox().

  2. Texte : rustcv n'expose pas (encore) cv::putText. La version Rust omet donc le label texte sur la boite et le HUD FPS. Pour les ajouter, utiliser le crate imageproc::drawing::draw_text_mut avec une police TTF chargée via rusttype ou ab_glyph.

  3. NMS : la version Python utilise cv2.dnn.NMSBoxes (très rapide, C++). La version Rust implémente le NMS gloutonne manuellement pour rester indépendante d'OpenCV. Sur ~100 candidats c'est négligeable.

  4. Sauvegarde vidéo : la version Rust ne le fait pas car rustcv n'expose pas encore VideoWriter. Pour ajouter, utiliser le crate opencv (binding complet) à la place de rustcv, ou écrire frame par frame en PNG/JPEG et utiliser ffmpeg en post-process.