Parking Lot
本文在 NE503 上部署 neoruntime-apps 的 Parking Lot Showcase，并通过 Event Bus 验证车辆事件。
应用源码和完整配置见 neoruntime-apps/showcases/parking-lot。本文只保留部署和验证所需的信息，源码细节以仓库为准。
1. 目标 与前提
完成后，你应能看到 Parking Lot Monitor 页面，并收到以下主题的事件：
parking/vehicles：车辆框和置信度；parking/plates：车牌区域和识别文本；parking/alerts：深度防伪告警。
开始前确认：
- NE503 已完成系统烧录并能打开 Web Console；
- 设备上的
/data/aipc/models已提供 Showcase 需要的四个 HEF； - 使用 ARM64 Release bundle，或准备好 Docker 和源码构建环境。
2. 应用结构
2.1 模型与事件
| 模型 ID | 用途 | 输入 |
|---|---|---|
yolov5m_vehicles | 车辆检测 | RGB，1920 × 1080 |
scdepthv3 | 深度防伪分析 | RGB，320 × 256 |
license_plate_det | 车牌区域检测 | RGB，416 × 416 |
plate_recognition | 车牌字符识别 | NV12，320 × 48 |
模型文件由应用从设备的 /data/aipc/models 只读目录读取。启动时，应用根据 MODEL_DEFS 注册模型；完整路径、后处理配置和流水线代码见源码仓库。
2.2 数据链路
摄像头
↓
sub.raw 原始帧
↓
车辆检测 → 深度防伪 → 车牌检测 → 车牌识别
↓ ↓
Parking Lot Web UI Event Bus
├─ parking/vehicles
├─ parking/plates
└─ parking/alerts
默认清单使用 sub.raw 和 STREAM_ID=sub。应用会根据模型输入尺寸探测可用流；不要在 app.py 和 app.yaml 中随意把流名改成另一个值，设备没有对应原始流时就无法推理。
3. 获取并配置应用
3.1 直接下载 Release bundle
推荐使用 Parking Lot ARM64 bundle。解压后应包含 app.yaml、parking-lot-image.tar 和 SHA256SUMS：
tar -xzf parking-lot-latest-arm64.tar.gz
cd parking-lot-*-arm64
sha256sum -c SHA256SUMS
3.2 从源码构建
需要 Docker、neoruntime-apps 和同级的 neoruntime-sdks：
cd ../neoruntime-sdks/python
python -m pip install --upgrade build
python -m build --wheel
cd ../../neoruntime-apps
scripts/build_showcase_artifacts.sh \
--wheel ../neoruntime-sdks/python/dist/hailo_ipc_sdk-*.whl \
parking-lot --arch arm64 --output dist/showcases
构建结果位于 dist/showcases/。源码构建规则和依赖以 neoruntime-apps README 为准。
3.3 核对关键清单字段
在安装前打开 app.yaml，确认关键项没有被旧 bundle 覆盖：
permissions:
video:
- sub.raw
inference:
models:
- yolov5m_vehicles
- scdepthv3
- license_plate_det
- plate_recognition
allow_register_model: true
events:
publish:
- parking/vehicles
- parking/plates
- parking/alerts
network:
mode: host
env:
- name: STREAM_ID
value: "sub"
- name: HD_PREVIEW_ENABLED
value: "0"
HD_PREVIEW_ENABLED=0 时，页面使用应用自己的 MJPEG /stream 预览。当前出货固件上的平台 H.264 地址可能只监听设备内部回环地址，旧清单如果设为 1，外部浏览器可能只看到黑屏。
4. 安装、启动并打开页面
4.1 安装
在 Web Console 中进入 App Management，导入解压后的 app.yaml 和 parking-lot-image.tar，然后点击 Install。
也可以在已登录设备的终端执行仓库 README 中的安装命令：
aipc-cli app install app.yaml parking-lot-image.tar
4.2 启动
安装完成后，在 App Management → Installed Apps 找到 parking_lot，点击 Start。状态变为 Running 后再做验证；仅显示安装成功不能证明推理流水线已运行。
4.3 打开 Web UI
在能访问设备的浏览器中打开：
http://<设备IP>:8090
页面成功打开后，应看到 Parking Lot Monitor、实时画面和模型统计卡片。如果页面能打开但预览为黑屏，先确认清单中的 HD_PREVIEW_ENABLED 为 0，再访问 http://<设备IP>:8090/stream 确认 MJPEG 流可返回数据。
5. 验证结果
5.1 验证页面和车辆检测
- 刷新
http://<设备IP>:8090，等待页面加载完成。 - 确认预览区显示真实摄像头画面。
- 确认
Active Models列出四个模型。 - 将镜头对准车辆，观察车辆框、
VEHICLES数值和统计信息。
FPS、推理耗时和检测数量会随场景、固件和设备负载变化，不能直接当作固定性能指标。
5.2 验证 Event Bus
在设备上订阅停车场主题：
aipc-cli event subscribe 'parking/*'
将镜头对准车辆后，优先确认收到 parking/vehicles，载荷应包含车辆框和置信度。只有画面中有满足模型条件的清晰车牌时，才会产生 parking/plates；只有深度分析触发防伪条件时，才会产生 parking/alerts。这两个主题暂时没有消息，不等于模型没有启动。
5.3 查看状态和日志
在 Web Console 的应用详情页确认状态为 Running，并查看应用日志。重点检查：
- 四个模型是否完成注册；
- 是否持续出现媒体取帧失败、模型超时或
Pipeline error； - 应用 是否发生重启；
- 页面有画面但没有事件时，当前画面是否确实满足车牌或防伪触发条件。