基于RV1126開發(fā)板的安全帽檢測(cè)算法開發(fā)

1. 安全帽檢測(cè)簡(jiǎn)介

安全帽佩戴檢測(cè)是工地、生產(chǎn)安全、安防的重中之重，但人為主觀檢測(cè)的方式時(shí)效性差且不能全程監(jiān)控。AI技術(shù)的日漸成熟催生了安全帽佩戴檢測(cè)方案，成為了監(jiān)督佩戴安全帽的利器。本安全帽檢測(cè)算法是一種基于深度學(xué)習(xí)的對(duì)人進(jìn)行檢測(cè)定位的目標(biāo)檢測(cè)，能有效用于產(chǎn)品落地。

本人臉檢測(cè)算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Nano硬件主板的運(yùn)行效率：

2. 快速上手

2.1 開發(fā)環(huán)境準(zhǔn)備

如果您初次閱讀此文檔，請(qǐng)閱讀《入門指南/開發(fā)環(huán)境準(zhǔn)備/Easy-Eai編譯環(huán)境準(zhǔn)備與更新》，并按照其相關(guān)的操作，進(jìn)行編譯環(huán)境的部署。

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

复制cd ~/develop_environment
./run.sh

2.2 源碼下載以及例程編譯

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

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

通過git工具，在管理目錄內(nèi)克隆遠(yuǎn)程倉(cāng)庫(kù)

复制git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

注：

* 此處可能會(huì)因網(wǎng)絡(luò)原因造成卡頓，請(qǐng)耐心等待。

* 如果實(shí)在要在gitHub網(wǎng)頁上下載，也要把整個(gè)倉(cāng)庫(kù)下載下來，不能單獨(dú)下載本實(shí)例對(duì)應(yīng)的目錄。

進(jìn)入到對(duì)應(yīng)的例程目錄執(zhí)行編譯操作，具體命令如下所示：

复制cd EASY-EAI-Toolkit-C-Demo/algorithm-helmet_detect/
./build.sh cpres

注：

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

* 若build.sh腳本不帶任何參數(shù)，則僅會(huì)拷貝demo編譯出來的可執(zhí)行文件。

* 由于依賴庫(kù)部署在板卡上，因此交叉編譯過程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執(zhí)行，需要先下載安全帽檢測(cè)算法模型。

百度網(wǎng)盤鏈接為：https://pan.baidu.com/s/1-trJP_WSWGdUzxQVOxbndg （提取碼：y8uc )。

同時(shí)需要把下載的安全帽檢測(cè)算法模型復(fù)制粘貼到Release/目錄下：

再通過下方命令將模型署到板卡中，如下所示。

复制cp ./Release/*.model /mnt/userdata/Demo

2.4 例程運(yùn)行

通過按鍵Ctrl+Shift+T創(chuàng)建一個(gè)新窗口，執(zhí)行adb shell命令，進(jìn)入板卡運(yùn)行環(huán)境。

复制adb shell

進(jìn)入板卡后，定位到例程上傳的位置，如下所示：

复制cd /userdata/Demo

運(yùn)行例程命令如下所示：

复制./test-helmet-detect

2.5 運(yùn)行效果

helmet-detect的Demo執(zhí)行效果如下所示:

再開一個(gè)窗口，在PC端Ubuntu環(huán)境通過以下命令可以把圖片拉回來:

复制adb pull /userdata/Demo/result.jpg .

結(jié)果圖片如下所示：

API的詳細(xì)說明，以及API的調(diào)用（本例程源碼），詳細(xì)信息見下方說明。

3. 安全帽檢測(cè)API說明

3.1 引用方式

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

3.2 安全帽檢測(cè)初始化函數(shù)

設(shè)置安全帽檢測(cè)初始化函數(shù)原型如下所示。

复制 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(cè)運(yùn)行函數(shù)

設(shè)helmet_detect_run原型如下所示。

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

具體介紹如下所示。

3.4 安全帽檢測(cè)釋放函數(shù)

人臉檢測(cè)釋放函數(shù)原型如下所示。

复制 int helmet_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 安全帽檢測(cè)算法例程

例程目錄為Toolkit-C-Demo/algorithm-helmet_detect/test-helmet-detect.cpp，操作流程如下。

參考例程如下所示。

复制#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)
{
	/* 參數(shù)初始化 */
	helmet_detect_result_group_t detect_result_group;

	/* 算法模型初始化 */
	rknn_context ctx;
	helmet_detect_init(&ctx, "./helmet_detect.model");

	/* 算法運(yùn)行 */
	cv::Mat src;
	src = cv::imread("test.jpg", 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(jié)果在圖像中畫出并保存 */
	for (int i = 0; i < detect_result_group.count; i++)
	{
		helmet_detect_result_t *det_result = &(detect_result_group.results[i]);
		
		
		if( det_result-?>prop < 0.5 )
		{
			continue;
		}
		

		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;
		
		char label_text[50];
		memset(label_text, 0 , sizeof(label_text));
		sprintf(label_text, "%s %0.2f",det_result->name, det_result->prop); 
		plot_one_box(src, x1, x2, y1, y2, label_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