Ubuntu下TensorRT INT8量化实现行人检测与密度分析

1. 项目概述

这个项目展示了如何在Ubuntu系统上使用TensorRT的INT8量化技术，实现一个端到端的行人检测与人群密度分析系统。系统支持RTSP视频流输入，采用CMake构建工具管理整个工程。作为计算机视觉领域的典型应用场景，这种方案特别适合需要实时分析的智能监控、公共安全等边缘计算场景。

INT8量化是TensorRT的核心优化技术之一，能将模型体积压缩至原来的1/4，推理速度提升2-3倍，同时保持可接受的精度损失。我们选择行人检测和人群密度分析作为演示任务，因为这两个功能在实际应用中经常需要联合使用——先检测出每个人体，再统计区域密度。

2. 环境准备与依赖安装

2.1 基础环境配置

推荐使用Ubuntu 20.04或22.04 LTS版本，这是目前最稳定的深度学习开发环境。需要预先安装：

bash复制sudo apt update && sudo apt install -y \
    build-essential cmake git libopencv-dev \
    libavcodec-dev libavformat-dev libswscale-dev \
    libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

对于NVIDIA显卡驱动，建议使用官方.run文件安装最新版本。CUDA 11.x与TensorRT 8.x的兼容性最好，这是经过大量实践验证的稳定组合。

2.2 TensorRT安装要点

从NVIDIA官网下载对应CUDA版本的TensorRT本地.deb包。安装时特别注意：

bash复制sudo dpkg -i nv-tensorrt-repo-ubuntu2004-cuda11.4-trt8.2.5.1-ga-20220505_1-1_amd64.deb
sudo apt-key add /var/nv-tensorrt-repo-ubuntu2004-cuda11.4-trt8.2.5.1-ga-20220505/7fa2af80.pub
sudo apt update
sudo apt install tensorrt

验证安装是否成功：

bash复制dpkg -l | grep