RT-AK DEMO 实战教程，教你实现单个人像识别~

本文主要是介绍RT-AK DEMO 实战教程，教你实现单个人像识别~，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

让 AI 在你的板子上尽情舞蹈~

本次实验的是识别摄像头中的人，就一个人，而不是多个。

从多类别检测模型改编而来，只保留 person 这个类别，根据各位看官的能力完全可以改成识别多类

项目开源地址：

https://github.com/EdgeAIWithRTT/Project4-Person_detection_RT-AK

本次项目的篇幅将会较长，请各位看官耐心看完

整体分为三部分：

模型
RT-AK 使用
板子上的应用层代码实现

硬件平台 ART-Pi, 50M FLOPS。

我的模型（删减后的模型）最终部署在板子上是推理时间是56ms，不包括数据处理时间。

pc 端推理一张图片：

1$ pip install -r requirements.txt
2$ python inference_yolo-s.py

以下是在 ART-PI 上的模型推理实现：

我的模型数据：map 21.58%

1 模型

1.1 参考项目

参考项目：

Yolo-Fastest https://github.com/dog-qiuqiu/Yolo-Fastest
keras-YOLOv3-model-set
https://github.com/david8862/keras-YOLOv3-model-set

原因：目前了解的全网最轻量级的目标检测网络，没有之一

现在不是了，出现了一个 ppyolo，百度产

当然，Yolo Fastest 最小的模型也有 0.23 Bflops，想要在 ART-Pi 上顺利的跑起来，肉眼可见的丝滑程度，我是在做梦。

这时候有两个办法：

换一块板子，换一块算力更大的板子。
将模型改的小一点，能够在 ART-PI 上丝滑的跑起来。

这里我选择的是后者。

我改动的很简单，去掉特征金字塔输出，只保留一个输出，保证对大物体检测友好即可。同时删减网络结构。原来是109层，我是20+层网络结构。

纠正一个思想误区，由于一些很神奇的存在，网络并不是越深，FLOPS 就会越大，比如 DSCNN。

第二个参考项目的意义是在于：将模型转变为 tflite 可食用模型

1.2 模型文件

我改动的模型配置文件：./model/yolo-s_with_lrelu.cfg

原模型配置文件：./model/VOC

为了防止在后期模型转换的过程中遇到不支持的算子：leakyrelu，我这里提供了一份 relu 的模型训练配置文件

预先训练好的模型：./model/yolo-s.h5 507 k，量化的 tflite 模型文件：./model/yolo-s.tflite 144 k

1.3 自己训练模型

请参考：dog-qiuqiu/Yolo-Fastest 项目

我自己也写过一份快速上手 yolo-fastest 教程：

https://blog.csdn.net/weixin_37598106/article/details/112544854?spm=1001.2014.3001.5501

但是由于 up 主更新的比较快，可能有一些版本落后，仅供参考。

需要配置 darknet 训练环境，然后根据需求修改下 cfg 文件即可

准备数据集：VOC 2007 + VOC 2012

 1wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar2wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar3wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar4tar xf VOCtrainval_11-May-2012.tar5tar xf VOCtrainval_06-Nov-2007.tar6tar xf VOCtest_06-Nov-2007.tar78wget https://pjreddie.com/media/files/voc_label.py9# 修改文件，将里面的类别只保留 person 类别
10python voc_label.py
11
12cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

修改 ./model/voc_person.data 中的 train 和 valid 路径，注意，如果你不是训练 person 单类别，请一并修改 voc_person.names 文件

3.训练

1$ ./darknet detector train <data_path> <cfg_path> 
2
3# 举例， -dont_show 是不显示图片， -gpus 是指定 gpu 训练
4$ ./darknet detector train voc_person.data yolo-s.cfg -dont_show -gpus 0, 1

4.测试

perons.jpg 位于 ./imgs

1# test 1 image
2./darknet detector test voc_person.data yolo-s.cfg yolo-s_last.weights person.jpg -thresh 0.5 -dont_show
3
4# mAP
5./darknet detector map voc_person.data yolo-s.cfg yolo-s_last.weights -points 11

模型转换成 keras，最后转成 tflite

对应的代码仓库：

Lebhoryi/keras-YOLOv3-model-set

https://github.com/Lebhoryi/keras-YOLOv3-model-set

转自

david8862/keras-YOLOv3-model-set

https://github.com/david8862/keras-YOLOv3-model-set，我做了一些修改，请按照我的来，否则出错请自负????????????

yolo-fastest to keras

python tools/model_converter/convert.py cfg/yolo-s.cfg weights/yolo-s_last.weights weights/yolo-s.h5  -f -c

keras to tflite

python tools/model_converter/custom_tflite_convert.py --keras_model_file ./weights/yolo-s.h5 --output_file ./weights/yolo-s.tflite# keras to tflite; quantize
python tools/model_converter/post_train_quant_convert.py --keras_model_file ./weights/yolo-s.h5 --annotation_file /home/lebhoryi/Data/VOC/2007_test.txt --model_input_shape 160x160 --sample_num 30 --output_file ./weights/yolo-s.tflite -c
```

2 RT-AK 使用

具体使用请查阅 RT-Thread/RT-AK https://github.com/RT-Thread/RT-AK 相关文档

准备：

ART-PI bsp
模型
RT-AK

使用：

1$ git clone https://github.com/RT-Thread/RT-AK
2
3$ cd RT-AK/RT-AK/rt_ai_tools
4
5# 只需要改动 --model、--project、--ext_tools 三个参数的路径即可
6$ python aitools.py --model=./yolo-s.h5 --model_name=person_yolo --project=D:\RT-ThreadStudio\workspace\art-pi --platform stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

3 应用代码

我的输入是 160x160x1，为了减小模型参数大小，

先在 pc 端实现应用层的代码

图片预处理：尺度缩放+灰度转化+归一化
yolo 解码
nms 处理

代码都在 inference_yolo-s.py 中。

手边没有 usb 摄像头，也就没有写视频的推理代码，只有图片的推理代码。

功能实现：

1.图片预处理

python 里头就很简单，调用 opencv 库，几行代码搞定

1img_raw = cv2.imread(str(img_path))
2img = cv2.cvtColor(img_raw, cv2.COLOR_BGR2GRAY)
3img = cv2.resize(img, (160, 160), interpolation=cv2.INTER_LINEAR)
4img = img / 255.0
5img = np.asarray(img).astype('float32')

2.yolo 解码

inference_yolo-s.py 中的 yolo_decode 函数

模型推理的是检测目标的 xywh 的偏移量，目的是将模型输出结果转换成真实世界的 xywh

这部分呢，我也写了一篇文章，感兴趣的可以看一下：

掌握 yolo - 解码核心思想 https://blog.csdn.net/weixin_37598106/article/details/113058426?spm=1001.2014.3001.5501

3.nms

inference_yolo-s.py 中的 non_max_suppress 函数，这个函数针对的是单类别的

c 代码的实现比较痛苦(痛苦面具 x3)

✔灰度转换

✔尺度缩放

✔yolo 解码

⚪nms （可能五一节后实现）

1、灰度转换

RGB转灰度，通常会使用下面的一个心理学公式：(Matlab和OpenCV中使用的也是该公式)

1Gray = 0.2989*R + 0.5870*G + 0.1140*B
2# 优化
3Gray = （2989*R + 5870*G + 1140*B）/ 10000
4# 移位
5Gray = （4898*R + 9618*G + 1868*B）>> 14
6# 8位精度
7Gray = （76*R + 150*G + 30*B）>> 8

 1// c 代码实现2void rgb2gray(unsigned char *src,unsigned char *dst, int width,int height)3{4   int r, g, b;5   for (int i=0; i<width*height; ++i)6  {7       r = *src++; // load red8       g = *src++; // load green9       b = *src++; // load blue
10       // build weighted average:
11       *dst++ = (r * 76 + g * 150 + b * 30) >> 8;
12  }
13}

 1# python 代码实现2# val_c_gray_scaling.py3def img2gray(img_path):4   # 读取第一张图像5   img = cv2.imread(img_path)6   # 获取图像尺寸7   h, w = img.shape[0:2]8   # 自定义空白单通道图像，用于存放灰度图9   gray = np.zeros((h, w), dtype=img.dtype)
10   # 对原图像进行遍历，然后分别对B\G\R按比例灰度化
11   for i in range(h):
12       for j in range(w):
13           gray[i, j] = 0.11 * img[i, j, 0] + 0.59 * img[i, j, 1] + 0.3 * img[i, j, 2]  # Y=0.3R+0.59G+0.11B
14   show_img(gray)
15   return gray

2.尺度缩放

此处用的是双线性插值

 1int is_in_array(short x, short y, short height, short width)2{3   if (x >= 0 && x < width && y >= 0 && y < height)4       return 1;5   else6       return 0;7}89void bilinera_interpolation(rt_uint8_t* in_array, short height, short width,
10                           rt_uint8_t* out_array, short out_height, short out_width)
11{
12   double h_times = (double)out_height / (double)height,
13          w_times = (double)out_width / (double)width;
14   short  x1, y1, x2, y2, f11, f12, f21, f22;
15   double x, y;
16
17   for (int i = 0; i < out_height; i++){
18       for (int j = 0; j < out_width; j++){
19           x = j / w_times;
20           y = i / h_times;
21
22           x1 = (short)(x - 1);
23           x2 = (short)(x + 1);
24           y1 = (short)(y + 1);
25           y2 = (short)(y - 1);
26           f11 = is_in_array(x1, y1, height, width) ? in_array[y1*width+x1] : 0;
27           f12 = is_in_array(x1, y2, height, width) ? in_array[y2*width+x1] : 0;
28           f21 = is_in_array(x2, y1, height, width) ? in_array[y1*width+x2] : 0;
29           f22 = is_in_array(x2, y2, height, width) ? in_array[y2*width+x2] : 0;
30           out_array[i*out_width+j] = (rt_uint8_t)(((f11 * (x2 - x) * (y2 - y)) +
31                                      (f21 * (x - x1) * (y2 - y)) +
32                                      (f12 * (x2 - x) * (y - y1)) +
33                                      (f22 * (x - x1) * (y - y1))) / ((x2 - x1) * (y2 - y1)));
34      }
35  }
36}

python 代码实现：val_c_gray_scaling.py 中的 bilinera_interpolation 函数

3.yolo 解码

 1// c 代码实现2// applications/yolo.c3int yolo_decode(float *out_data)4{5 int j=0,k=0,l=0;6 for(int i=0; i<5*5*5; i++)7{8   float x_tmp = 1 / (1 + exp(-out_data[i*6+0]));9   float y_tmp = 1 / (1 + exp(-out_data[i*6+1]));
10   float box_x = (x_tmp + k) / 5;
11   float box_y = (y_tmp + l) / 5;
12
13   float box_w = (exp(out_data[i*6+2])*anchor[j][0])/ input_dims[0];
14   float box_h = (exp(out_data[i*6+3])*anchor[j][1])/ input_dims[1];
15
16   float objectness = 1 / (1 + exp(-out_data[i*6+4]));
17
18   float class_scores = 1 / (1 + exp(-out_data[i*6+5]));
19
20//   printf("%d %d %d %f %f, %f %f, %f %f\n", j,k,l, box_x, box_y, box_w, box_h, objectness, class_scores);
21
22   out_data[i*6+0] = box_x;
23   out_data[i*6+1] = box_y;
24   out_data[i*6+2] = box_w;
25   out_data[i*6+3] = box_h;
26   out_data[i*6+4] = objectness;
27   out_data[i*6+5] = class_scores;
28
29   if(j++>=4)
30  {
31     j = 0;
32     if(k++>=4)
33    {
34       k = 0;
35       if(l++>=4)
36      {
37         l = 0;
38      }
39    }
40  }
41}
42 return 0;
43}

python 代码实现：inference_yolo-s.py 中的 yolo_decode 函数

4.nms

没有 nms 的目标检测工程就等于没有灵魂，等后期来实现

编译报错以及解决

第二种解决方式：

4. 参考链接

C++ RGB转灰度图像 https://blog.csdn.net/martinkeith/article/details/104185635
GBeetle/c_image_processing https://github.com/GBeetle/c_image_processing/blob/4ceabf4959f455f5b7d1ee419aac25eccf231b3b/scaling/scaling.c#L155
https://github.com/dog-qiuqiu/Yolo-Fastest
https://github.com/david8862/keras-YOLOv3-model-set