@TOC

目標(biāo)檢測(cè)

本文檔展示了如何使用 lockzhiner_vision_module::vision::PaddleDet 類(lèi)進(jìn)行目標(biāo)檢測(cè)，并通過(guò)

lockzhiner_vision_module::vision::Visualize 函數(shù)將檢測(cè)結(jié)果可視化。

1. 基礎(chǔ)知識(shí)講解

1.1 目標(biāo)檢測(cè)的基本介紹

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)關(guān)鍵任務(wù)，它不僅需要識(shí)別圖像中存在哪些對(duì)象，還需要定位這些對(duì)象的位置。具體來(lái)說(shuō)，目標(biāo)檢測(cè)算法會(huì)輸出每個(gè)檢測(cè)到的對(duì)象的邊界框（Bounding Box）以及其所屬類(lèi)別的概率或置信度得分。

• 應(yīng)用場(chǎng)景：目標(biāo)檢測(cè)技術(shù)廣泛應(yīng)用于多個(gè)領(lǐng)域，包括但不限于安全監(jiān)控、自動(dòng)駕駛汽車(chē)、智能零售和醫(yī)療影像分析。

1.2 PaddleDetection 的基本介紹

PaddleDetection 是基于百度飛槳深度學(xué)習(xí)框架開(kāi)發(fā)的一個(gè)高效的目標(biāo)檢測(cè)庫(kù)，支持多種先進(jìn)的目標(biāo)檢測(cè)模型，如 YOLO 系列、SSD、Faster R-CNN、Mask R-CNN 等。它提供了簡(jiǎn)單易用的接口，使得開(kāi)發(fā)者能夠快速部署高性能的目標(biāo)檢測(cè)應(yīng)用。

• 特點(diǎn)：
  • 高性能：優(yōu)化了推理速度，在保持高精度的同時(shí)實(shí)現(xiàn)了快速響應(yīng)。
  • 靈活性：支持多種預(yù)訓(xùn)練模型，可以根據(jù)具體需求選擇合適的模型架構(gòu)。
  • 易于集成：提供 C++ API，便于嵌入式系統(tǒng)或桌面應(yīng)用程序中使用。
  • 豐富的模型庫(kù)：涵蓋單階段（One-stage）和雙階段（Two-stage）檢測(cè)模型，滿(mǎn)足不同場(chǎng)景的需求。
• 適用場(chǎng)景：適用于需要對(duì)視頻流或圖像進(jìn)行實(shí)時(shí)分析的應(yīng)用場(chǎng)景，例如安防監(jiān)控、智能交通系統(tǒng)、工業(yè)自動(dòng)化等。

2. API 文檔

2.1 PaddleDetection 類(lèi)

2.1.1 頭文件

#include < lockzhiner_vision_module/vision/deep_learning/detection/paddle_det.h >

2.1.2 構(gòu)造函數(shù)

lockzhiner_vision_module::vision::PaddleDetection();

• 作用：
  • 創(chuàng)建一個(gè) PaddleDetection 對(duì)象，并初始化相關(guān)成員變量。
• 參數(shù)：
  • 無(wú)
• 返回值：
  • 無(wú)

2.1.3 Initialize函數(shù)

bool Initialize(const std::string& model_path);

• 作用：
  • 加載預(yù)訓(xùn)練的 PaddleDetection 模型。
• 參數(shù)：
  • model_path：模型路徑，包含模型文件和參數(shù)文件。
• 返回值：
  • true：模型加載成功。
  • false：模型加載失敗。

2.1.4 SetThreshold函數(shù)

void SetThreshold(float score_threshold = 0.5, float nms_threshold = 0.3);

• 作用：
  • 設(shè)置目標(biāo)檢測(cè)的置信度閾值和NMS閾值。
• 參數(shù)：
  • score_threshold：置信度閾值，默認(rèn)值為0.5。
  • nms_threshold：NMS閾值，默認(rèn)值為0.3。
• 返回值：
  • 無(wú)

2.1.5 Predict函數(shù)

std::vector< lockzhiner_vision_module::vision::DetectionResult > Predict(const cv::Mat& image);

• 作用：
  • 使用加載的模型對(duì)輸入圖像進(jìn)行目標(biāo)檢測(cè)，返回檢測(cè)結(jié)果。
• 參數(shù)：
  • input_mat (const cv::Mat&): 輸入的圖像數(shù)據(jù)，通常是一個(gè) cv::Mat 變量。
• 返回值：
  • 返回一個(gè)包含多個(gè) DetectionResult 對(duì)象的向量，每個(gè)對(duì)象表示一個(gè)檢測(cè)結(jié)果。

2.2 DetectionResult 類(lèi)

2.2.1 頭文件

#include < lockzhiner_vision_module/vision/utils/visualize.h >

2.2.2 box函數(shù)

lockzhiner_vision_module::vision::Rect box() const;

• 作用：
  • 獲取目標(biāo)檢測(cè)結(jié)果的邊界框。
• 參數(shù)：
  • 無(wú)
• 返回值：
  • 返回一個(gè) lockzhiner_vision_module::vision::Rect 對(duì)象，表示目標(biāo)檢測(cè)結(jié)果的邊界框。

2.2.3 score函數(shù)

float score() const;

• 作用：
  • 獲取目標(biāo)檢測(cè)結(jié)果的置信度得分。
• 參數(shù)：
  • 無(wú)
• 返回值：
  • 返回一個(gè) float 類(lèi)型的置信度得分。

2.2.4 label_id函數(shù)

• 作用：
  • 獲取目標(biāo)檢測(cè)結(jié)果的標(biāo)簽ID。
• 參數(shù)：
  • 無(wú)
• 返回值：
  • 返回一個(gè)整數(shù)，表示目標(biāo)檢測(cè)結(jié)果的標(biāo)簽ID。

2.3 Visualize 函數(shù)

2.3.1 頭文件

#include < lockzhiner_vision_module/vision/utils/visualize.h >

2.3.2 函數(shù)定義

void lockzhiner_vision_module::vision::Visualize(

    const cv::Mat& input_mat,

    cv::Mat& output_image,

    const std::vector< lockzhiner_vision_module::vision::DetectionResult >& results,

    const std::vector< std::string >& labels = {},

    float font_scale = 0.4

);

• 作用：
  • 將目標(biāo)檢測(cè)結(jié)果可視化到輸入圖像上，并返回可視化后的圖像。
• 參數(shù)：
  • input_mat (const cv::Mat&): 輸入圖像。
  • output_image (cv::Mat&): 輸出圖像，包含標(biāo)注后的結(jié)果。
  • results (const std::vectorlockzhiner_vision_module::vision::DetectionResult&): 檢測(cè)結(jié)果列表。
  • labels (const std::vectorstd::string&): 可選的標(biāo)簽列表，用于標(biāo)注類(lèi)別名稱(chēng)，默認(rèn)為空。
  • font_scale (float): 字體大小比例，默認(rèn)為 0.4。
• 返回值：
  • 無(wú)

3. 示例代碼解析

3.1 流程圖

開(kāi)始

|

|-- 檢查參數(shù)個(gè)數(shù)是否為2

|   |-- 不是 - > 輸出 "Usage: Test-PaddleDet model_path" 并返回1

|

|-- 初始化模型

|   |-- 失敗 - > 輸出 "Failed to initialize model." 并返回1

|

|-- 初始化編輯模塊

|   |-- 失敗 - > 輸出 "Error: Failed to start and accept connection." 并返回EXIT_FAILURE

|   |-- 成功 - > 輸出 "Device connected successfully."

|

|-- 打開(kāi)攝像頭

|   |-- 設(shè)置分辨率 (640x480)

|   |-- 打開(kāi)攝像頭失敗 - > 輸出 "Error: Could not open camera." 并返回1

|

|-- 進(jìn)入無(wú)限循環(huán)

|   |

|   |-- 捕獲一幀圖像

|   |   |-- 圖像為空 - > 輸出 "Warning: Captured an empty frame." 并繼續(xù)下一次循環(huán)

|   |

|   |-- 調(diào)用模型進(jìn)行預(yù)測(cè)

|   |   |-- 記錄開(kāi)始時(shí)間

|   |   |-- 獲取預(yù)測(cè)結(jié)果

|   |   |-- 記錄結(jié)束時(shí)間

|   |

|   |-- 計(jì)算推理時(shí)間

|   |   |-- 輸出 "Inference time: X ms"

|   |

|   |-- 可視化結(jié)果

|   |   |-- 創(chuàng)建輸出圖像

|   |   |-- 調(diào)用可視化函數(shù)

|   |

|   |-- 打印輸出圖像

|

|-- 釋放攝像頭資源

|

|-- 程序正常退出 (返回0)

3.2 核心代碼解析

• 初始化模型

lockzhiner_vision_module::vision::PaddleDet model;

if (!model.Initialize(argv[1])) {

    std::cout < < "Failed to initialize model." < < std::endl;

    return 1;

}

• 模型推理

auto results = model.Predict(input_mat);

• 可視化推理結(jié)果

cv::Mat output_image;

lockzhiner_vision_module::vision::Visualize(input_mat, output_image, results);


edit.Print(output_image);

[表情] 點(diǎn)擊獲取完整源碼

4. 編譯過(guò)程

4.1 編譯環(huán)境搭建

• 請(qǐng)確保你已經(jīng)按照 凌智視覺(jué)模塊開(kāi)發(fā)環(huán)境搭建指南 正確配置了開(kāi)發(fā)環(huán)境。
• 同時(shí)以正確連接開(kāi)發(fā)板。

4.2 Cmake介紹

cmake_minimum_required(VERSION 3.10)


project(D01_test_detection)


set(CMAKE_CXX_STANDARD 17)

set(CMAKE_CXX_STANDARD_REQUIRED ON)


# 定義項(xiàng)目根目錄路徑

set(PROJECT_ROOT_PATH "${CMAKE_CURRENT_SOURCE_DIR}/../..")

message("PROJECT_ROOT_PATH = " ${PROJECT_ROOT_PATH})


include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")


# 定義 OpenCV SDK 路徑

set(OpenCV_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")

set(OpenCV_DIR "${OpenCV_ROOT_PATH}/lib/cmake/opencv4")

find_package(OpenCV REQUIRED)

set(OPENCV_LIBRARIES "${OpenCV_LIBS}")


# 定義 LockzhinerVisionModule SDK 路徑

set(LockzhinerVisionModule_ROOT_PATH "${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")

set(LockzhinerVisionModule_DIR "${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")

find_package(LockzhinerVisionModule REQUIRED)


add_executable(Test-detection test_detection.cc)

target_include_directories(Test-detection PRIVATE ${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})

target_link_libraries(Test-detection PRIVATE ${OPENCV_LIBRARIES} ${LOCKZHINER_VISION_MODULE_LIBRARIES})


install(

    TARGETS Test-detection

    RUNTIME DESTINATION .  

)

4.3 編譯項(xiàng)目

使用 Docker Destop 打開(kāi) LockzhinerVisionModule 容器并執(zhí)行以下命令來(lái)編譯項(xiàng)目

# 進(jìn)入Demo所在目錄

cd /LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/D01_test_detection

# 創(chuàng)建編譯目錄

rm -rf build && mkdir build && cd build

# 配置交叉編譯工具鏈

export TOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"

# 使用cmake配置項(xiàng)目

cmake ..

# 執(zhí)行編譯項(xiàng)目

make -j8 && make install

在執(zhí)行完上述命令后，會(huì)在build目錄下生成可執(zhí)行文件。

5. 例程運(yùn)行示例

5.1 運(yùn)行

chmod 777 Test-detection

# 在實(shí)際應(yīng)用的過(guò)程中LZ-Picodet需要替換為下載的或者你的rknn模型

./Test-detection LZ-Picodet

5.2 結(jié)果展示

• 可以看到我們正確識(shí)別了綠色的方塊，同時(shí)打印了標(biāo)簽和置信度。

6. 總結(jié)

本文檔詳細(xì)介紹了目標(biāo)檢測(cè)的基礎(chǔ)知識(shí)及 PaddleDetection 的基本概念，并提供了詳細(xì)的API文檔說(shuō)明，幫助開(kāi)發(fā)者理解和實(shí)現(xiàn)目標(biāo)檢測(cè)與可視化功能。通過(guò)上述流程，可以構(gòu)建高效的實(shí)時(shí)目標(biāo)檢測(cè)系統(tǒng)，滿(mǎn)足多種應(yīng)用場(chǎng)景的需求。

審核編輯 黃宇