1. 人員檢測簡介

人員檢測是一種基于深度學習的對人進行檢測定位的目標檢測，能廣泛的用于安防、生產安全等多種場景，是周界入侵檢測、越界識別、聚眾識別、徘徊識別、摔倒識別等多種算法的基石算法。

本人員檢測算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Nano-TB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/開發(fā)環(huán)境準備/Easy-Eai編譯環(huán)境準備與更新》，并按照其相關的操作，進行編譯環(huán)境的部署。

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

cd ~/develop_environment ./run.sh

2.1 源碼下載

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

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

通過git工具，在管理目錄內克隆遠程倉庫

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-1126B.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 模型部署

要完成算法Demo的執(zhí)行，需要先下載人員檢測算法模型。

百度網盤鏈接為：https://pan.baidu.com/s/1ds5ffznYnhtj1S6cXvjdVg?pwd=1234 （提取碼：1234 ）。

同時需要把下載的人臉檢測算法模型復制粘貼到Release/目錄：

2.3 例程編譯

進入到對應的例程目錄執(zhí)行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-1126B/Demos/algorithm-person_detect/ ./build.sh cpres

注：

* 由于依賴庫部署在板卡上，因此交叉編譯過程中必須保持/mnt掛載。

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

2.4 例程運行及效果

通過串口調試或ssh調試，進入板卡后臺，定位到例程部署的位置，如下所示：

cd /userdata/Demo/algorithm-person/

運行例程命令如下所示：

sudo ./test-person_detect person_detect.model test.jpg

在EASY-EAI編譯環(huán)境可以取回測試圖片:

cp /mnt/userdata/Demo/algorithm-person/result.jpg .

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. 人員檢測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 人員檢測初始化函數(shù)

人員檢測初始化函數(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 人員檢測運行函數(shù)

人員檢測運行函數(shù)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 人員檢測釋放函數(shù)

人員檢測釋放函數(shù)原型如下所示。

int person_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 人員檢測算法例程

例程目錄為Demos/algorithm-person/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) { if (argc != 3) { printf("%s \n", argv[0]); return -1; } const char *model_path = argv[1]; const char *image_path = argv[2]; /* 參數(shù)初始化 */ detect_result_group_t detect_result_group; /* 算法模型初始化 */ rknn_context ctx; person_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); 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 %f\n",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) %f\n", 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 */ person_detect_release(ctx); return 0; }