待补充
bdtinc/maskcam
智能家居
3/5
🧩 软硬件结合
已发布
项目简介
Jetson Nano-based smart camera system that measures crowd face mask usage in real-time.
MaskCam 是一个基于 NVIDIA Jetson Nano 的智能摄像头原型参考设计，专注于实时测量公共场所中人群佩戴口罩的情况。该项目由 Berkeley Design Technology, Inc.（BDTI）与 Tryolabs S.A. 联合开发，并获得了 NVIDIA 的资助。其核心价值在于将全部 AI 计算任务在边缘端完成，无需依赖云端算力，从而有效保护隐私并降低延迟。
标签
项目特点
**边缘 AI 计算**：所有口罩检测和计数任务都在 Jetson Nano 上本地运行，不依赖云端服务器。
**实时统计**：能够实时分析摄像头画面，输出戴口罩和不戴口罩的人数。
**隐私保护**：视频数据不出设备，避免隐私泄露风险。
**参考设计**：提供完整的硬件设计文件和软件代码，方便开发者快速复现和定制。
**低延迟**：本地处理保证了毫秒级的响应速度，适合实时监控场景。
**开源可复现**：项目代码和文档完全开源，社区可以自由修改和扩展。
技术规格
| 核心处理器 | NVIDIA Jetson Nano (4GB/2GB) |
|---|---|
| AI 推理框架 | TensorRT / ONNX Runtime |
| 目标检测模型 | 基于 SSD 或 YOLO 的口罩检测模型 |
| 摄像头接口 | CSI 接口摄像头（如 Raspberry Pi Camera v2） |
| 视频分辨率 | 1280x720 (720p) |
| 帧率 | 约 30 FPS |
| 操作系统 | Ubuntu 18.04 LTS (JetPack) |
| 功耗 | 约 5W - 10W |
| 尺寸 | 约 100mm x 80mm (Jetson Nano 模块) |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| NVIDIA Jetson Nano 开发套件 | 1 | — | 4GB 或 2GB 版本 |
| Raspberry Pi Camera v2 (CSI) | 1 | — | 或兼容的 CSI 摄像头 |
| microSD 卡 (32GB+) | 1 | — | 用于系统镜像 |
| 5V/4A 电源适配器 | 1 | — | 推荐官方适配器 |
| 散热片 + 风扇 | 1 | — | 可选，用于高负载散热 |
| CSI 排线 | 1 | — | 连接摄像头与 Jetson Nano |
| 3D 打印外壳 | 1 | — | 可选，参考设计文件 |
能力画像
**记忆与知识检索**：2/5 — 项目不涉及大量知识库或检索系统，主要依赖预训练模型。
**动手与操作**：4/5 — 需要组装硬件、连接摄像头、配置系统，动手要求较高。
**编程与算法**：4/5 — 需要修改 Python 脚本、调整模型参数、理解 AI 推理流程。
**设计与建模**：2/5 — 项目提供参考设计，但自定义外壳或布局需要 3D 建模能力。
**实验与调试**：3/5 — 需要调试摄像头画面、模型精度、系统稳定性等问题。
**协作与分享**：3/5 — 项目开源，可通过 GitHub 提交 Issue 或 PR 参与协作。
**学习与研究**：4/5 — 涉及边缘 AI、嵌入式系统、计算机视觉等多个领域知识。
**系统集成**：3/5 — 需要将摄像头、AI 模型、显示输出等模块集成到一个完整系统中。
项目图库
所需技能
基础 Linux 命令行操作
Python 编程基础
了解计算机视觉和深度学习基本概念
能够连接和配置嵌入式硬件（Jetson Nano）
熟悉 Git 版本控制
可选：3D 建模（用于定制外壳）
适用场景
公共场所（商场、医院、学校）的口罩佩戴监测
边缘 AI 和嵌入式视觉的学习与教学案例
智能安防系统的原型开发
隐私敏感的实时监控应用
物联网与边缘计算项目的参考设计
学术研究中的实时目标检测实验