Firescrew 使用教程

1. 项目介绍

Firescrew 是一个用 Go 语言编写的边缘计算应用程序，它能够从 RTSP 网络摄像头实时检测物体和运动。该程序采用了先进图像处理技术和机器学习模型来识别特定物体，如车辆、行人等。Firescrew 支持多种模型和设备，提供高性能的实时图像处理解决方案。

2. 项目快速启动

Docker 启动

1. 拉取最新镜像：

   docker pull 8fforg/firescrew:latest
   

2. 运行演示模式：

   docker run --rm -it -p 8080:8080 8fforg/firescrew:latest demo
   

   在浏览器中访问 http://localhost:8080 查看结果。

本地启动

1. 安装依赖：

   apt-get install ffmpeg
   pip3 install ultralytics
   

2. 下载并赋予执行权限：

   curl -o firescrew -L https://github.com/8ff/firescrew/releases/download/latest/firescrew.linux.amd64 && chmod +x firescrew
   

3. 创建配置文件：

   ./firescrew -t > config.json
   

4. 启动物体检测：

   ./firescrew config.json
   

3. 应用案例和最佳实践

实时运动检测

使用 RTSP 网络摄像头捕捉实时视频流，并利用 Firescrew 进行运动检测，当检测到运动时可以发送通知到 MQTT、Webhook、Slack 等平台。

物体识别

在实时视频流中识别特定物体，如车辆和行人。通过配置文件中的模型设置，可以选用适合的机器学习模型进行识别。

4. 典型生态项目

Firescrew 可以与多种摄像头和边缘设备配合使用，以下是一些典型的生态项目：

• 使用 Coral TPU 进行加速的物体检测。
• 在 M1/M2 Mac 上使用 CoreML 进行物体检测。
• 集成 ffmpeg 进行视频流处理。

以上教程展示了如何快速启动和部署 Firescrew 项目，以及一些应用案例和最佳实践。通过灵活配置，Firescrew 可以适应各种不同的使用场景，为实时视频分析和物体检测提供高效解决方案。