1. 安全帽檢測簡介

安全帽佩戴檢測是工地、生產安全、安防的重中之重，但人為主觀檢測的方式時效性差且不能全程監控。AI技術的日漸成熟催生了安全帽佩戴檢測方案，成為了監督佩戴安全帽的利器。本安全帽檢測算法是一種基于深度學習的對人進行檢測定位的目標檢測，能有效用于產品落地。

本安全帽檢測算法在數據集表現如下所示：

基于EASY-EAI-Orin-nano硬件主板的運行效率：

2. 快速上手

如果您初次閱讀此文檔，請閱讀：《入門指南/源碼管理及編程介紹/源碼工程管理》，按需管理自己工程源碼（注：此文檔必看，并建議采用【遠程掛載管理】方式，否則有代碼丟失風險！！！）。

2.1 開源碼工程下載

先在PC虛擬機定位到nfs服務目錄，再在目錄中創建存放源碼倉庫的管理目錄：

cd ~/nfsroot
mkdir GitHub
cd GitHub

再通過git工具，在管理目錄內克隆遠程倉庫（需要設備能對外網進行訪問）

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.git

注：

* 此處可能會因網絡原因造成卡頓，請耐心等待。

* 如果實在要在gitHub網頁上下載，也要把整個倉庫下載下來，不能單獨下載本實例對應的目錄。

2.2 開發環境搭建

通過adb shell進入板卡開發環境，如下圖所示。

通過以下命令，把nfs目錄掛載上nfs服務器。

mount -t nfs -o nolock : /home/orin-nano/Desktop/nfs/

2.3 例程編譯

然后定位到板卡的nfs的掛載目錄(按照實際掛載目錄)，進入到對應的例程目錄執行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-3576/Demos/algorithm-helmet/
./build.sh

2.4 模型部署

要完成算法Demo的執行，需要先下載安全帽檢測算法模型。

百度網盤鏈接為：https://pan.baidu.com/s/1VQGznN3Htq_F_bUn3KAWYQ?pwd=1234 （提取碼：1234 ）。

同時需要把下載的安全帽檢測算法模型復制粘貼到Release/目錄：

2.5 例程運行及效果

進入開發板Release目錄，執行下方命令，運行示例程序：

cd Release/
./test-helmet_detect helmet_detect.model test.jpg

運行例程命令如下所示：

結果圖片如下所示：

API的詳細說明，以及API的調用（本例程源碼），詳細信息見下方說明。

3. 安全帽檢測API說明

3.1 引用方式

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

3.2 安全帽檢測初始化函數

安全帽檢測初始化函數原型如下所示。

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

具體介紹如下所示。

3.3 安全帽檢測運行函數

安全帽檢測運行函數helmet_detect_run原型如下所示。

int helmet_detect_run(rknn_context ctx, cv::Mat input_image, detect_result_group_t *detect_result_group)

具體介紹如下所示。

3.4 安全帽檢測釋放函數

安全帽檢測釋放函數原型如下所示。

 int helmet_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 安全帽檢測算法例程

例程目錄為Demos/algorithm-helmet/test-helmet_detect.cpp，操作流程如下。

參考例程如下所示。

#include 
#include 
#include 
#include"helmet_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)
{
	if (argc != 3)
    {
        printf("%s  n", argv[0]);
        return -1;
    }

    const char *model_path = argv[1];
    const char *image_path = argv[2];

	/* 參數初始化 */
	detect_result_group_t detect_result_group;

	/* 算法模型初始化 */
	rknn_context ctx;
	helmet_detect_init(&ctx, model_path);

	/* 算法運行 */
	cv::Mat src;
	src = cv::imread(image_path, 1);

	struct timeval start;
	struct timeval end;
	float time_use=0;

	gettimeofday(&start,NULL); 

	helmet_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);

	/* 算法結果在圖像中畫出并保存 */
	// Draw Objects
	char text[256];
	for (int i = 0; i < detect_result_group.count; i++) 
	{

		detect_result_t* det_result = &(detect_result_group.results[i]);
		if( det_result-?>prop < 0.4)
		{
			continue;
		}

		sprintf(text, "%s %.1f%%", det_result-?>name, det_result->prop * 100);
		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;
		/*
		rectangle(src, cv::Point(x1, y1), cv::Point(x2, y2), cv::Scalar(255, 0, 0, 255), 3);
		putText(src, text, cv::Point(x1, y1 + 12), cv::FONT_HERSHEY_SIMPLEX, 0.5, cv::Scalar(0, 0, 0));
		*/
		plot_one_box(src, x1, x2, y1, y2, text, i%10);
	} 

	cv::imwrite("result.jpg", src);	


	/* 算法模型空間釋放 */
	helmet_detect_release(ctx);

	return 0;
}

審核編輯 黃宇