1. 人員檢測(cè)簡(jiǎn)介

人員檢測(cè)是一種基于深度學(xué)習(xí)的對(duì)人進(jìn)行檢測(cè)定位的目標(biāo)檢測(cè)，能廣泛的用于安防、生產(chǎn)安全等多種場(chǎng)景，是周界入侵檢測(cè)、越界識(shí)別、聚眾識(shí)別、徘徊識(shí)別、摔倒識(shí)別等多種算法的基石算法。

本人臉檢測(cè)算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Nano硬件主板的運(yùn)行效率：

2. 快速上手

2.1 開(kāi)發(fā)環(huán)境準(zhǔn)備

如果您初次閱讀此文檔，請(qǐng)閱讀《入門(mén)指南/開(kāi)發(fā)環(huán)境準(zhǔn)備/Easy-Eai編譯環(huán)境準(zhǔn)備與更新》，并按照其相關(guān)的操作，進(jìn)行編譯環(huán)境的部署。

在PC端Ubuntu系統(tǒng)中執(zhí)行run腳本，進(jìn)入EASY-EAI編譯環(huán)境，具體如下所示。

cd ~/develop_environment ./run.sh

2.2 源碼下載以及例程編譯

在EASY-EAI編譯環(huán)境下創(chuàng)建存放源碼倉(cāng)庫(kù)的管理目錄：

cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit

通過(guò)git工具，在管理目錄內(nèi)克隆遠(yuǎn)程倉(cāng)庫(kù)

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

注：

* 此處可能會(huì)因網(wǎng)絡(luò)原因造成卡頓，請(qǐng)耐心等待。

* 如果實(shí)在要在gitHub網(wǎng)頁(yè)上下載，也要把整個(gè)倉(cāng)庫(kù)下載下來(lái)，不能單獨(dú)下載本實(shí)例對(duì)應(yīng)的目錄。

進(jìn)入到對(duì)應(yīng)的例程目錄執(zhí)行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-C-Demo/algorithm-person_detect/ ./build.sh cpres

注：

* 若build.sh腳本帶有cpres參數(shù)，則會(huì)把Release/目錄下的所有資源都拷貝到開(kāi)發(fā)板上。

* 若build.sh腳本不帶任何參數(shù)，則僅會(huì)拷貝demo編譯出來(lái)的可執(zhí)行文件。

* 由于依賴(lài)庫(kù)部署在板卡上，因此交叉編譯過(guò)程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執(zhí)行，需要先下載人員檢測(cè)算法模型。

百度網(wǎng)盤(pán)鏈接為：https://pan.baidu.com/s/1UfQ1QQ2hx0DsbF-ZNdcCAg （提取碼：uer4 ）。

同時(shí)需要把下載的人員檢測(cè)算法模型復(fù)制粘貼到Release/目錄：

再通過(guò)下方命令將模型署到板卡中，如下所示。

cp ./Release/*.model /mnt/userdata/Demo

2.4 例程運(yùn)行

通過(guò)按鍵Ctrl+Shift+T創(chuàng)建一個(gè)新窗口，執(zhí)行adb shell命令，進(jìn)入板卡運(yùn)行環(huán)境。

adb shell

進(jìn)入板卡后，定位到例程上傳的位置，如下所示：

cd /userdata/Demo

運(yùn)行例程命令如下所示：

./test-person-detect

2.5 運(yùn)行效果

person-detect的Demo執(zhí)行效果如下所示:

再開(kāi)一個(gè)窗口，在PC端Ubuntu環(huán)境通過(guò)以下命令可以把圖片拉回來(lái):

adb pull /userdata/Demo/result.jpg .

結(jié)果圖片如下所示：

API的詳細(xì)說(shuō)明，以及API的調(diào)用（本例程源碼），詳細(xì)信息見(jiàn)下方說(shuō)明。

3. 人員檢測(cè)API說(shuō)明

3.1 引用方式

為方便客戶(hù)在本地工程中直接調(diào)用我們的EASY EAI api庫(kù)，此處列出工程中需要鏈接的庫(kù)以及頭文件等，方便用戶(hù)直接添加。

3.2 人員檢測(cè)初始化函數(shù)

設(shè)置人員檢測(cè)初始化函數(shù)原型如下所示。

int person_detect_init(rknn_context *ctx, const char * path)

具體介紹如下所示。

3.3 人員檢測(cè)運(yùn)行函數(shù)

設(shè)person_detect_run原型如下所示。

int person_detect_run(rknn_context ctx, cv::Mat input_image, person_detect_result_group_t *detect_result_group)

具體介紹如下所示。

3.4 人員檢測(cè)釋放函數(shù)

人臉檢測(cè)釋放函數(shù)原型如下所示。

int person_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 人員檢測(cè)算法例程

例程目錄為T(mén)oolkit-C-Demo/algorithm-person_detect/test-person-detect.cpp，操作流程如下。

參考例程如下所示。

#include #include #include #include"person_detect.h" using namespace cv; using namespace std; static Scalar colorArray[10]={ Scalar(255, 0, 0, 255), Scalar(0, 255, 0, 255), Scalar(0,0,139,255), Scalar(0,100,0,255), Scalar(139,139,0,255), Scalar(209,206,0,255), Scalar(0,127,255,255), Scalar(139,61,72,255), Scalar(0,255,0,255), Scalar(255,0,0,255), }; int plot_one_box(Mat src, int x1, int x2, int y1, int y2, char *label, char colour) { int tl = round(0.002 * (src.rows + src.cols) / 2) + 1; rectangle(src, cv::Point(x1, y1), cv::Point(x2, y2), colorArray[(unsigned char)colour], 3); int tf = max(tl -1, 1); int base_line = 0; cv::Size t_size = getTextSize(label, FONT_HERSHEY_SIMPLEX, (float)tl/3, tf, &base_line); int x3 = x1 + t_size.width; int y3 = y1 - t_size.height - 3; rectangle(src, cv::Point(x1, y1), cv::Point(x3, y3), colorArray[(unsigned char)colour], -1); putText(src, label, cv::Point(x1, y1 - 2), FONT_HERSHEY_SIMPLEX, (float)tl/3, cv::Scalar(255, 255, 255, 255), tf, 8); return 0; } int main(int argc, char **argv) { /* 參數(shù)初始化 */ person_detect_result_group_t detect_result_group; /* 算法模型初始化 */ rknn_context ctx; person_detect_init(&ctx, "./person_detect.model"); /* 算法運(yùn)行 */ cv::Mat src; src = cv::imread("test.jpg", 1); struct timeval start; struct timeval end; float time_use=0; gettimeofday(&start,NULL); person_detect_run(ctx, src, &detect_result_group); gettimeofday(&end,NULL); time_use=(end.tv_sec-start.tv_sec)*1000000+(end.tv_usec-start.tv_usec);//微秒 printf("time_use is %fn",time_use/1000); /* 算法結(jié)果在圖像中畫(huà)出并保存 */ for (int i = 0; i < detect_result_group.count; i++) { person_detect_result_t *det_result = &(detect_result_group.results[i]); /* if( det_result-?>prop < 0.3 ) { continue; } */ printf("%s @ (%d %d %d %d) %fn", det_result-?>name, det_result->box.left, det_result->box.top, det_result->box.right, det_result->box.bottom, det_result->prop); int x1 = det_result->box.left; int y1 = det_result->box.top; int x2 = det_result->box.right; int y2 = det_result->box.bottom; char label_text[50]; memset(label_text, 0 , sizeof(label_text)); sprintf(label_text, "%s %0.2f",det_result->name, det_result->prop); plot_one_box(src, x1, x2, y1, y2, label_text, i%10); } cv::imwrite("result.jpg", src); /* 算法模型空間釋放 */ person_detect_release(ctx); return 0; } 審核編輯 黃宇