Wio Lite AI视觉开发套件——人脸识别快速实现
! B0 p5 l6 v% H5 y' e1、在完成基本硬件评测和软件开发环境配置之后，可以快速实现人脸识别的任务
2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，

1 H) E7 p: s6 o! {) k; z采用如下接口对应联络到WIO Lite AI开发板，
6 D, g* I1 [; k3 ~& K9 B, s9 @

+ R) _5 i% i' P* j使用调试夹子快速连接，就可以，如下图，
0 ~' x7 X- J. I. w9 y$ Z
在项目的接口可以发现ST-LInk在Port Com8,另一个是COM5,连接WIO Lite AI
$ S. [+ h0 Z. r" g
. w  `9 |# ], ]6 c3 y* p- y3 G1 k/ I1 z  ~
+ v0 l8 D/ R. k' m8 L2、创建模板项目，启动CubeIDE
! K! b- w9 Z$ ?3 _
可以找到人脸识别的模型，Person_detect.tflite，这个是用于人脸识别的tensorflow 模型。这个是压缩后的整数型数据，人脸识别在标准情况下，现在已经可以做到90%以上，那么压缩之后，精度下降，识别精度明显下降，但是仍然可以完美实现该功能。
完成编译，执行下载，显示成功完成。
% A% \5 @2 C5 L- e) L) @
  S+ Z7 f( n# T/ H" J
3、运行模拟
上电后，摄像头捕捉图像，并显示在LCD屏上，当图片是空白，或者没有发现人的时候，显示No-person,
) T0 `1 N7 N# c这里用手机摄像头遮挡面部，就显示没发现人脸，显示准确度可以达到80%，

8 x. V8 A% t* S, S! b, Z) g; C6 M
移开手机，露出人脸，就迅速监测到人脸，显示Person，同时计算出准确率61%。
" O$ J' P+ `& g
. Q8 a8 t8 ^1 U' S4 E; \
: t8 L6 a. z6 I# t& u" f! Q5 [& ?这样快速监测成功。
4、人工智能实现的分析
9 S+ i( P. z( J5 j4.1 硬件平台的能力
WIO LiteAI采用的是STM32H725，工作频率高达550 MHz的Arm® Cortex®-M7内核（具有双精度浮点单元），可选扩展室温范围最高为125 °C (*)，只有一个内核，仍然展现强大的计算能力，可以无延迟实现图像处理和人脸识别。在图形上采用的高性能的支持，具有以下两个图形实现和加速功能，

• LCD-TFT控制器接口支持双层图形
• Chrom-ART Accelerator™提高了图形内容创建速度，并为其它应用节省了MCU内核处理带宽
  

% k- c/ u# m7 Z* N. x' F; O
8 Z& _! X) j+ M4.2 人脸识别的流程和库的支持
CubeAI的人脸识别是用如下层次实现
, x9 |" ]$ e  _+ P( e/ L% K
在底层硬件上，实现板级支持，更上一层是STM32的人脸识别模型，实现具体的应用，实现过程的数据流程如下

数据依次在上述流程中逐级计算，根据人工智能模型实现人脸的识别精度计算，当大于计算值以后就迅速提出结果并显示出来
7 K" Y* P) x% _! J1 y$ n% o; r4.3 程序代码分析
首先定义图形数据的交换空间，是一个320x240的采样空间
# M' T) A' k' m

1. static Frame_TypeDef frame ={ .buffer = buffer,
   ) N* `7 H+ _- t$ Y9 `
2.                                                           .length = 320 * 240 * 2,
   
3.                                                           .width  = 320,
   % v( m; \, R$ }% U" ~; H
4.                                                           .height = 240
   8 j: v, r) s! n5 H7 i9 E
5.                                                         };

复制代码

主程序代码非常精简
+ r- R/ }2 n' Q

1. 
   
2. int main(void)
   
3. {
   
4.   MPU_Config();
   
5.   SCB_EnableICache();
   " ~+ z: w$ k% r4 {/ b! S/ L) O# `
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   
8.   SystemClock_Config();
   
9. 
   6 M8 ?8 z! @% F$ v8 C" p' w  `
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    
13.   MX_LTDC_Init();
    
14.   MX_I2C4_Init();
    
15.   MX_DMA_Init();
    6 F  R* y0 V" E* \/ J- y
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    
18.   MX_OCTOSPI1_Init();
    
19.   MX_CRC_Init();
    
20.         LOG("here");
    ( g/ ?! ~- F  r) w5 p
21.         Psram_Init();
    
22. 
    
23.         /*OV2640 Init*/
    
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    ' @" y* K* m" T: t  ~& ^
25.         OV2640_Init(&OV2640);
    ; b2 z8 _6 R1 M, S3 P
26.         OV2640_ReadID(&(OV2640.ID));
    ! H- S9 |7 i5 H: V) v
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    
28.         OV2640_UXGAConfig();        //flip after all the camera setting ,or camera setting  will change REG04 value.
    % {2 Z/ x/ k) a& k6 Z4 o
29.         OV2640_Flip();
    ' b& h& w/ c4 J- F1 m$ ?
30.         OV2640_Start();        //initial IPL and AI
    
31.         STM32Ipl_InitLib(buffer_ipl, IPL_BUFFER_SIZE);
    
32.         /* The STM32 CRC IP clock should be enabled to use the network runtime library */
    : ~3 L% ?! C7 G1 N4 N
33.         __HAL_RCC_CRC_CLK_ENABLE();
    
34.         aiInit();
    9 _+ M; r& L" b! Z! o' }8 a) n8 E
35.         frame_rgb565.data = frame.buffer;
    ' p; B- e6 @! J! A4 Z4 [) j& g
36. 
    9 N2 ]0 ^) b% d
37.         while (1)
    8 d, _9 f) b% @! a! i# z& [
38.         {
    
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    . d/ W5 ~) ]/ \0 Q0 }/ }* n) U) q, l1 T
41. 
    
42.                   // rgb565 320*240*2 to grayscale 320*240
    - T4 \0 t+ W$ W* d! |- D
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
      O" `& o+ o+ r7 \& k& p
44.                           while(1);
    
45.                   }
    
46.                   // grayscale 320*240 to grayscale 96x96x2
    4 Q: h' z% n3 i0 }$ Z: T7 o" ~
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    . |; Q( {) H/ V& a; m5 u
48.                           while(1);
    
49.                   }
    % V! k$ ^/ V" ?: z* H' n8 F% [
50. 
    
51.                   //AI
    7 H7 B2 R, Y) ~& d$ f% T
52.                   aiRun(buffer_grayscale_resized, network_output);
    ) w+ X* @: X: G! v
53.                   postprocess(network_output);
    
54. 
      N7 Y/ [7 ]5 z: M( v
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    % B8 V0 }' Y5 J$ k, u7 u& p
57. 
    5 G! v5 Z" v8 _# `, J
58.         }
    
59. }
    9 g' h/ p# q* h; x

复制代码

在启动硬件初始化之后，就进入识别循环，当识别出人脸就直接把对应的LED点亮，
+ Y, A" a7 @) H! v实现人脸识别的函数是aiRun，对图形交换空间的数据分析，并直接输出神经网络计算的结果
- t. d% S" V+ Q" H, u! F  E
1 V  j( v) y, S% I6 b1 |

1. aiRun(buffer_grayscale_resized, network_output);
   5 p$ W( I: a/ T  m* \# }+ s9 _7 p7 u- K
2. postprocess(network_output);

复制代码

这个函数是在"ai_inference.h"文件中实现的，

1. void aiRun(ai_u8 *pIn, ai_u8 *pOut)
   
2. {
     S8 K3 Q. E4 a" s2 I" v  n
3.   ai_i32 batch;
   ; l9 M4 U$ Y# W4 R1 q: g; s0 w
4.   ai_error err;
   5 K5 w) @) Q9 a; x7 k4 k  a
5. 
   6 b7 y9 F6 Q/ }9 P' n5 J. ?
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
     C. L+ U3 t) q  B7 w* J, p: `
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   
9. 
   1 n. F! |' N7 l1 L* x8 J
10.   /* 2 - Update IO handlers with the data payload */
    
11.   ai_input[0].n_batches = 1;
    
12.   ai_input[0].data = AI_HANDLE_PTR(pIn);
    
13.   ai_output[0].n_batches = 1;
    
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    ( @2 ^% C/ U1 g- |- G
16.   batch = ai_network_run(network, ai_input, ai_output);
    4 [! E7 L% T1 M" p2 Z; d2 u
17.   if (batch != 1) {
    
18.     err = ai_network_get_error(network);
    ; ]; x4 {2 d: p
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    
20.     Error_Handler();
    
21.   }
    / J7 }/ \5 D5 [7 b0 w
22. }
    5 Z) @, x6 e) x1 e

复制代码

上述过程就是流程图数据流实现的过程，读取经过预处理的图像数据，然后再ai网络中计算，输出计算结果，

1. ai_i32 ai_network_run(
   . a% U. O2 T- R2 l% T8 Z5 [* J
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   
3. {
   
4.   return ai_platform_network_process(network, input, output);
   
5. }

复制代码

上述处理，需要计算网络，这个是再ai_model中定义的，然后读取输入数据，形成输出数据。
: h9 G) i7 D' M! Z6 {2 c* g/ K
5 小结
& [# b7 O' ~0 d: G) c  F    基于STM的cubeAI，通常已经提供了一个快速部署的流程框架。对于开发者，只需要自定义人工智能模型，然后导入到新建的工程中，按照提供的API逐步实现数据流程，就能够在项目中嵌入人工智能的功能。
! ^: V* L3 k- o! d1 [  在上一个文件中提高的，对应模型的生产，采用CubeAI中的命令行指令，stm32ai就可以完整实现。这个CubeAI极其配套工具，就是一个完整实现人工智能嵌入的工具，虽然安装和使用流程比较多，但是能够实现这样的效果还是非常理想的，在硬件性能和软件功能，达到完美的结合。


1 A3 C' F- p' H, p5 ~6 Z7 i' U. y
( _. X1 e5 V; }- R, }) b7 `! ?

2 ]3 o; F/ d( b4 a0 j- k, P



8 ]" F3 M# S4 o0 L3 V) u. P0 n

这么好的板子不自己训练个模型尝试部署上去就有点浪费了
3 h7 l+ }" ^7 A8 z3 T

照着评测内容，一步一步学习，让自己更快地获取AI视觉开发的知识，谢谢楼主！

人脸识别算法，可以直接搞个现成的吗？重新训练是不是很复杂

签到
# d' b5 A! B1 Z7 b7 P" F
# f+ y' e* G9 @; n; k

这个网络模型是什么模型？

. c9 p7 t" a+ |+ v9 c( `3 E

大佬求源码

UP求驱动程序