01

方案核心概述

本方案由以下幾部分組成：

1. 以睿擎派開發板為硬件核心，該開發板搭載睿擎RC3506核心板，集成雙網口、MIPI等豐富硬件接口，可穩定支持工業控制與邊緣計算場景，搭配RuiChing Studio開發工具能大幅縮短項目開發周期；

2. 搭配已完成適配的YOLO輕量型AI模型——該模型基于NCNN推理框架構建，具備實時目標檢測與多類別識別能力；

3. 硬件端輔以HBCAM-5M2134型UVC攝像頭，其采用USB接口設計，擁有120°無畸變廣角、自動對焦功能及內置麥克風，可穩定采集500萬像素高清圖像；

4. 此外，方案通過MIPI接口驅動工業級觸摸屏，該屏幕支持高清顯示與精準觸控交互，且已完成與LVGL圖形庫的適配。

最終這幾部分綜合實現攝像頭采集畫面的實時目標檢測，并將檢測結果在觸摸屏上直觀呈現。

02

YOLO模型概述

YOLO（You Only Look Once）是一款基于深度學習的實時目標檢測算法模型，其核心設計理念打破了傳統目標檢測算法 “先候選區域生成、再分類識別” 的兩步式流程，通過單次神經網絡推理即可同時完成目標位置定位與類別判斷，從根本上提升了目標檢測的效率，成為工業場景、智能監控、自動駕駛等領域實時檢測需求的核心算法選擇之一。

03

核心示例代碼

● my_function：uvc攝像頭的視頻幀回調函數，保存新視頻幀。

● cv::imdecode：將內存中的二進制數據（通常是圖像文件的字節流，如 JPG、PNG、BMP 等格式的原始數據）解碼為 OpenCV 的 Mat 圖像矩陣，以便進行后續的圖像處理；

● detect：接收一張 OpenCV 格式的圖像 (cv::Mat)，通過 YOLO 模型進行目標檢測，最終返回經過非極大值抑制 (NMS) 處理后的目標框坐標；

● visualize_to_buf：接收原始圖像、檢測到的目標框列表，在圖像上繪制置信度最高的目標框及置信度值，然后將處理后的圖像編碼為指定格式（如 JPEG），并存儲到全局緩沖區中。

● rgb_nearest_scale：通過最近鄰插值算法，將輸入的 RGB 圖像數據按照指定的目標寬高進行縮放，并將結果存儲到輸出緩沖區中；

● rt_device_control：控制LCD設備刷新圖像。

04

實戰演示

1. 硬件準備

● 睿擎工業開發平臺支持板卡1塊(睿擎派RC3506)

● 配套7寸MIPI屏

● 配套UVC攝像頭

● 串口調試器、DAP-LINK調試各一套

2. 硬件連接

開發板連接uvc攝像頭和7寸屏幕，注意屏幕連接線的方向。

3. 創建示例工程

在RuiChing Studio IDE中 創建

09_ai_uvc_yolo_video示例工程:

4. 編譯下載示例工程

對 09_ai_uvc_yolo_video 示例工程進行編譯：

編譯成功后Debug目錄下生成app.dtb和app.img文件。點擊下載按鈕，下載app.dtb和app.img文件。

5. 運行程序

使用FTP服務，將applications\model目錄下的model2.bin和model2.param存入開發板tmp目錄。成功后進入tmp目錄可以看到兩個文件。

啟動開發板，運行程序后，終端輸入uvc_ai_start命令將測試圖像傳入系統，程序會調用 YOLO 模型進行人臉檢測，并持續打印檢測類別（index：0即人臉）和幀率。

查看檢測結果

05

總結

睿擎UVC - AI人臉檢測系統開發方案，以搭載瑞芯微RK3506J芯片的睿擎派為硬件核心，搭配UVC攝像頭、MIPI屏幕，融合YOLO輕量型AI模型，借助RuiChing Studio開發工具實現高效開發，最終達成“攝像頭實時采集圖像—YOLO模型單次推理完成人臉定位與判斷—檢測結果在觸摸屏直觀呈現”的全流程閉環。

該方案憑借實時檢測、輕量化部署與可視化交互的優勢，可廣泛應用于工業場景中——如生產線人員安全監控，實時識別違規闖入的工作人員并彈窗預警；智能門禁領域，快速核驗通行人員身份并同步顯示人臉匹配結果；邊緣端智能終端（如自助服務機），通過人臉檢測觸發個性化服務界面；還可適配小型安防場景，對監控區域內的人臉動態進行實時追蹤與記錄，滿足不同場景下對高效、直觀人臉檢測功能的需求。