今までにFRDM-IMX95を使ってネットワークカメラ、Yoloによる物体認識をそれぞれ紹介しました。

• ネットワークカメラの記事 
• Yolo物体認識の記事

今回はこれらを組み合わせ、「AIネットワークカメラ」を実現してみます。

(作業時間：10分)　＊i.MX95ネットワークカメラとカメラ＋AIの最適化が完了している前提

i.MX 95にはカメラ入力ポートに加えて、ハードウェアのビデオコーデックも内部に実装されています。
今回は、これらの機能を活用し、ネットワークカメラを実際に動かしてみます。

• FRDM-IMX95でカメラのライブ画像をH.265で圧縮してネットワーク経由で送信
• Ubuntu PC側でカメラのライブ画像を受信→復号して、映像を表示

(作業時間：20分)　＊i.MX 95カメラアプリケーションの導入が完了している前提

前回、こちらの記事でFRDM-IMX95を用いてYOLOを使った物体認識デモを紹介しました。
その記事の中では、12~15fps程度のフレームレートになっていましたが、本記事では最適化を行い、フレームレートの大幅な向上を図ってみます。

(作業時間：10分)　＊i.MX95カメラ+AI – YOLOv8mの例が完了している前提

AIでの物体認識として人気のYoloをFRDM-IMX95で動かしてみます。

使うモデルはYOLOv8mです。

(作業時間：30分)　＊LinuxイメージがFRDM-IMX95に書き込み、カメラの動作が確認できている前提

FRDM-IMX95ボードを使って、カメラ画像をAIで物体認識させてみます。
Linux BSPは6.18.2_1.0.0を使用しています。使うモデルはmobilenetです。

(作業時間：15分)　＊LinuxイメージがFRDM-IMX95に書き込めている前提、Neutron SDKダウンロード時間を除く

FRDM-IMX95ボードを使って、カメラを動かしてみます。
・Gstreamer
・Python/OpenCV
の２通りを実施します。
使用しているのはLinux BSPは6.18.2_1.0.0です。

(作業時間：10分)　＊LinuxイメージがFRDM-IMX95に書き込めている前提