news 2026/4/15 8:58:33

瑞芯微(EASY EAI)RV1126B 人员检测使用

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
瑞芯微(EASY EAI)RV1126B 人员检测使用

1. 人员检测简介

人员检测是一种基于深度学习的对人进行检测定位的目标检测，能广泛的用于安防、生产安全等多种场景，是周界入侵检测、越界识别、聚众识别、徘徊识别、摔倒识别等多种算法的基石算法。

本人员检测算法在数据集表现如下所示：

基于EASY-EAI-Nano-TB硬件主板的运行效率：

2. 快速上手

如果您初次阅读此文档，请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》，并按照其相关的操作，进行编译环境的部署。

在PC端Ubuntu系统中执行run脚本，进入EASY-EAI编译环境，具体如下所示。

cd ~/develop_environment ./run.sh

2.1 源码下载

在EASY-EAI编译环境下创建存放源码仓库的管理目录：

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

通过git工具，在管理目录内克隆远程仓库

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

注：

* 此处可能会因网络原因造成卡顿，请耐心等待。

* 如果实在要在gitHub网页上下载，也要把整个仓库下载下来，不能单独下载本实例对应的目录。

2.2 模型部署

要完成算法Demo的执行，需要先下载人员检测算法模型。

百度网盘链接为：https://pan.baidu.com/s/1ds5ffznYnhtj1S6cXvjdVg?pwd=1234 （提取码：1234 ）。

同时需要把下载的人脸检测算法模型复制粘贴到Release/目录：

2.3 例程编译

进入到对应的例程目录执行编译操作，具体命令如下所示：

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

注：

* 由于依赖库部署在板卡上，因此交叉编译过程中必须保持/mnt挂载。

* 若build.sh脚本带有cpres参数，则会把Release/目录下的所有资源都拷贝到开发板上。

2.4 例程运行及效果

通过串口调试或ssh调试，进入板卡后台，定位到例程部署的位置，如下所示：

cd /userdata/Demo/algorithm-person/

运行例程命令如下所示：

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

在EASY-EAI编译环境可以取回测试图片:

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

结果图片如下所示：

API的详细说明，以及API的调用（本例程源码），详细信息见下方说明。

3. 人员检测API说明

3.1 引用方式

为方便客户在本地工程中直接调用我们的EASY EAI API库，此处列出工程中需要链接的库以及头文件等，方便用户直接添加。

3.2 人员检测初始化函数

人员检测初始化函数原型如下所示。

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

具体介绍如下所示。

3.3 人员检测运行函数

人员检测运行函数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)

具体介绍如下所示。

3.4 人员检测释放函数

人员检测释放函数原型如下所示。

int person_detect_release(rknn_context ctx)

具体介绍如下所示。

4. 人员检测算法例程

例程目录为Demos/algorithm-person/test-person_detect.cpp，操作流程如下。

参考例程如下所示。

#include <opencv2/opencv.hpp> #include <stdio.h> #include <sys/time.h> #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 <model_path> <image_path>\n", argv[0]); return -1; } const char *model_path = argv[1]; const char *image_path = argv[2]; /* 参数初始化 */ detect_result_group_t detect_result_group; /* 算法模型初始化 */ rknn_context ctx; person_detect_init(&ctx, model_path); /* 算法运行 */ 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); /* 算法结果在图像中画出并保存 */ // 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); /* 算法模型空间释放 */ person_detect_release(ctx); return 0; }
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/4/9 18:39:20

CRNN OCR应用：智能合同文本识别系统

CRNN OCR应用&#xff1a;智能合同文本识别系统 &#x1f4d6; 项目简介 在数字化办公与智能文档处理日益普及的今天&#xff0c;OCR&#xff08;光学字符识别&#xff09;技术已成为连接纸质信息与数字世界的关键桥梁。尤其在金融、法律、政务等领域&#xff0c;大量合同、票据…

作者头像 李华
网站建设 2026/4/13 16:24:13

百度TTS替代方案：自建开源语音服务，数据更安全成本更低

百度TTS替代方案&#xff1a;自建开源语音服务&#xff0c;数据更安全成本更低 &#x1f4cc; 为什么需要自建中文语音合成服务&#xff1f; 在智能客服、有声阅读、语音助手等场景中&#xff0c;文本转语音&#xff08;Text-to-Speech, TTS&#xff09; 已成为不可或缺的技术组…

作者头像 李华
网站建设 2026/4/10 12:58:49

跨模型迁移学习秘籍：用Llama Factory将ChatGLM能力移植到Mistral

跨模型迁移学习秘籍&#xff1a;用Llama Factory将ChatGLM能力移植到Mistral 当技术团队需要将现有基于ChatGLM的业务逻辑迁移到更轻量的Mistral架构时&#xff0c;传统方法往往意味着重写全部适配代码。本文将介绍如何通过Llama Factory这一开源工具实现接口一致的平滑迁移&am…

作者头像 李华
网站建设 2026/4/14 5:53:53

uniapp个体商业店铺商品展示与交易管理的微信小程序Thinkphp-Laravel框架项目源码开发实战

目录 项目概述技术架构核心功能模块开发要点应用价值 项目开发技术介绍PHP核心代码部分展示系统结论源码获取/同行可拿货,招校园代理 项目概述 该实战项目基于Uniapp跨端框架与Thinkphp-Laravel后端框架&#xff0c;开发一款面向个体商业店铺的微信小程序&#xff0c;核心功能…

作者头像 李华
网站建设 2026/4/15 6:05:18

1小时快速原型：构建你的第一个JS逆向工具

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容&#xff1a; 开发一个JS逆向快速原型工具&#xff0c;支持基本代码解析和可视化功能。要求能够在1小时内完成核心功能搭建&#xff0c;包括代码输入、基础分析和简单可视化输出。工具应易于扩展…

作者头像 李华
网站建设 2026/4/15 6:05:14

AI如何解决‘NETWORK IS UNREACHABLE‘错误？

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容&#xff1a; 开发一个AI网络诊断工具&#xff0c;能够自动检测NETWORK IS UNREACHABLE错误。功能包括&#xff1a;1. 自动扫描本地网络配置 2. 分析路由表和DNS设置 3. 检测防火墙规则 4. 提供…

作者头像 李华