今天摄像头到货，忍不住赶紧试试效果，如下图板子上白色字体所示：Raspberry Pi Camera Rev1.3版本。
摄像头连接
如下图，在树莓派板子上，白色字体显示Camera字样的插槽，首先需要将插槽的黑长条往上轻轻拔起，注意不是拔出来！
然后把树莓派摄像头白色线路插入，然后把拔起来的黑色长条再压入原位，起固定作用，如下图：
我这个亚克力壳子还留了个孔，让排线露出来，设计感人！
系统设置
接下来开机启动树莓派并登陆，做一下摄像头使用前的准备工作。
# vcgencmd 树莓派专有命令用来对硬件做各种检测，如下检查摄像头信息
$ vcgencmd get_camera
# 返回0，说明没有检测到摄像头信息
supported=0 detected=0
树莓派默认将摄像头通信关闭，此时需要开启：
# 运行命令行配置
$ sudo raspi-config
依次选择 "Interfacing Options" -> " Camera"，确定后重启树莓派。
此时再次执行以下命令，可以得到摄像头信息了!
$ vcgencmd get_camera
supported=1 detected=1
raspistill命令行测试拍照
树莓派自带raspistill可以用来进行摄像头拍照功能，如下命令：
$ raspistill -v -o test.jpg
# 还有其他命令可以多试试，比如水平垂直翻转, 详细选项参考
$ raspistill -ifx pastel -hf -vf -o test.jpg
因为没有用显示器，焦距不好把握。。效果如下图：
raspivid命令测试录像
执行以下命令录制5s的视频：
# 生成h264格式
$ raspivid -o testvideo.h264 -t 5000
# 转出mp4格式
$ sudo apt-get install gpac
$ MP4Box -add testvideo.h264 testvideo.mp4
python实现拍照和录像功能
python主要依赖picamera模块，此模块在树莓派系统已经有了，直接import即可。以下代码与命令行功能类似：
import
目标检测
说完摄像头的基本操作，我们来看看如何使用摄像头实现目标检测（Object Dection）。在前面章节(part-3 )我讲过使用TensorFlow Lite实现图像分类，大家先参考那一篇文章安装python和TensorFlow lite环境，本章是在那一章的基础之上。
我们使用了官网的 COCO SSD MobileNet v1 模型来入门，目前支持80种物体的识别，我已经都放到我的仓库中的coco_detect目录，包括模型和标签两个文件，然后执行以下命令，进行摄像头目标检测：
$ python3 detect_picamera.py --model coco_detect/detect.tflite --labels coco_detect/labelmap.txt
看起来效果并不是太好，一直抱着sandwich和banana不放。。。后期决定自己定制训练集。
总结
我在梳理实验过程时候，发现最多的问题还是在网速上，github代码下载不了、pip install失败等等，这些问题非常常见。所谓龟速压倒英雄好汉，热情全因这些鸡毛蒜皮的小事破坏。因此大家一定要有心理准备，以下是我的一些处理办法：
- github下载不了：用gitee克隆github库再进行下载
- pip install下载不了：使用-i指定国内镜像下载，也别搞什么pip.conf了，麻烦不说而且不生效
- pip install失败：缺少相应类库，使用apt-get install解决
- python脚本运行报错：缺少相应类库，使用apt-get install解决
python库编译和运行都是依赖操作系统提供的类库的，出现此类问题，都可以google一下查找哪些类库报错，然后apt-get install进行安装即可。
参考链接：
https://www.raspberrypi.org/documentation/configuration/camera.md
https://www.dummies.com/computers/raspberry-pi/test-raspberry-pi-camera-module/
https://github.com/tensorflow/examples/tree/master/lite/examples/object_detection/raspberry_pi
