树莓派采集、计算机推理：基于GStreamer的YOLOv5实现方案
〇、写在前面
树莓派因为生态完善、玩法丰富，一直是 DIY 和机器人爱好者的常用设备，可以说是 Linux 边缘设备的代表。不过，如果想让树莓派自己跑人工智能算法（比如 YOLOv5），就会发现一个明显问题：算力完全不够用，运行速度慢、延迟高，几乎无法满足实际需求。
这其实也是边缘人工智能（Edge AI）的典型问题——它的优势在于响应快、实时性强，但劣势也很明显：算力有限、硬件成本高、系统升级麻烦。如果我们换个思路：让树莓派只负责“看”（也就是实时视频采集和传输），而把“想”（复杂的模型推理）交给性能更强的电脑来完成，就能两全其美：既能用上树莓派的灵活性，又能发挥电脑的算力优势。
本文就带大家实现这样一个思路：
👉 树莓派通过 GStreamer 采集摄像头画面并推送视频流
👉 计算机端接收流并运行 YOLOv5 做目标检测
👉 最终效果是：树莓派负责实时采集，电脑负责高效推理，延迟大幅降低
为简化称呼，本教程将Windows 11个人计算机简称为PC，将树莓派4B+简称为Pi。
一、前置教程
在开始学习本教程之前，强烈建议阅读前置教程。在实现前置教程的学习成果之后，有利于理解本教程的主要操作与核心思想。
GStreamer无线图传：从树莓派到计算机的实现方案-CSDN博客文章浏览阅读701次，点赞14次，收藏25次。本教程介绍通过Wi-Fi实现树莓派(Pi)向计算机(PC)的无线图传方法。系统采用GStreamer框架，需在Pi（64bit无桌面版）和PC（Windows11）上分别安装配置GStreamer。关键步骤包括：检查摄像头参数（v4l2-ctl命令）、获取PC的IP地址、按顺序启动服务（先PC后Pi）。PC端使用udpsrc接收视频流，Pi端通过指定摄像头参数和PC地址推送视频。测试表明在640×480分辨率、30fps下，树莓派4B能实现低延迟稳定传输。该方案适用于需要实时无线视频传输的场景。https://blog.csdn.net/weixin_43034503/article/details/150535232?fromshare=blogdetail&sharetype=blogdetail&sharerId=150535232&sharerefer=PC&sharesource=weixin_43034503&sharefrom=from_link
二、知识学习
关于GStreamer的基本应用，前置教程已做完整介绍，在此不再赘述。唯一需要关注的是，在使用GStreamer推流时，Pi向PC传输的数据流格式是TCP或UDP，但是，YOLOv5的推理指令不包括这两种格式的数据流。
以下展示了官方编写的YOLOv5目标检测指令集。
如上所示，与前置教程已实现的GStreamer推流最相关的数据格式是RTSP/RTMP/HTTP stream，本教程采用的是RTSP格式。
因此，Pi在推流之前，应当将TCP或UDP数据流转换为RTSP格式，再传输给PC，PC即可直接使用官方推理程序（detect.py）执行实时目标检测。
三、设置Pi
在前置教程中，Pi的设置并不包括将TCP或UDP转换为RTSP的操作。
1、在系统上安装gi和gst-rtsp-server
sudo apt install python3-gi gir1.2-gst-rtsp-server-1.02、编写test-launch.py
直接复制以下Python代码，将其保存为test-launch.py
#!/usr/bin/env python3
import gi, sys
gi.require_version('Gst', '1.0')
gi.require_version('GstRtspServer', '1.0')
from gi.repository import Gst, GstRtspServer, GLibGst.init(None)import argparse
parser = argparse.ArgumentParser(description='GStreamer RTSP server test-launch (Python)')
parser.add_argument('-p', '--port', default="8554", help='server port (default 8554)')
parser.add_argument('-m', '--mount', default="/test", help='mount point (default /test)')
parser.add_argument('pipeline', help='GStreamer pipeline to stream', nargs='+')
args = parser.parse_args()server = GstRtspServer.RTSPServer()
server.set_service(args.port)
mounts = server.get_mount_points()
factory = GstRtspServer.RTSPMediaFactory()
factory.set_launch(' '.join(args.pipeline))
factory.set_shared(True)
mounts.add_factory(args.mount, factory)
server.attach(None)print(f"Stream ready at rtsp://127.0.0.1:{args.port}{args.mount}")
loop = GLib.MainLoop()
loop.run()3、添加可执行权限
为上述python程序添加可执行权限。
chmod +x test-launch.py四、设置PC
1、安装YOLOv5
由于YOLOv5的安装并非本教程的重点，且在网上有许多相关资源，在此仅提供简要安装指南。若需要详细指引，请在评论区提出。
首先，安装git。
Git - Downloads
https://git-scm.com/downloads然后，安装miniconda。
Miniconda - Anacondahttps://www.anaconda.com/docs/getting-started/miniconda/main其次，创建pytorch虚拟环境。运行miniconda，粘贴以下命令行。
conda create -n pytorch python=3.10最后，安装YOLOv5。
git clone https://github.com/ultralytics/yolov5.git五、正式工作
1、Pi推流
运行以下指令。
/usr/bin/python3 test-launch.py "( v4l2src device=/dev/video0 ! video/x-raw,width=640,height=480,framerate=30/1 ! videoconvert ! x264enc tune=zerolatency bitrate=1000 speed-preset=ultrafast bframes=0 ! rtph264pay name=pay0 pt=96 )"运行成功后，Pi将打印以下信息。
Stream ready at rtsp://127.0.0.1:8554/test2、PC推理
首先，进入pytorch虚拟环境。
conda activate pytorch然后，进入yolov5文件夹。
cd yolov5最后，从Pi读取RTSP数据流，开启正式推理。
# 注意，192.168.8.243需改成自己树莓派的IP地址python detect.py --weights yolov5s.pt --source "rtsp://192.168.8.243:8554/test?tcp" --img-size 640 --conf 0.25 --device 0 --view-img