Wio Lite AI视觉开发套件——人脸识别快速实现
1、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
# b8 ^+ e3 X6 F. @0 O! `. J2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，

# T9 u* T! F7 N7 U% i采用如下接口对应联络到WIO Lite AI开发板，


使用调试夹子快速连接，就可以，如下图，

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
9 X$ X+ V7 n& `: }

: G3 r; u) L" U% e6 q$ p2、创建模板项目，启动CubeIDE
5 [4 ~, K- e0 D& S, S5 G) e
$ f* _2 K2 a3 ?; c% |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。


  L) t0 M, [+ ?; P: m# j3、运行模拟
0 B+ ~, {& W! @6 \/ ]8 R( o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,
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%，
5 v. _4 j! w! [! U* v/ j9 B

3 R5 h) i4 m) q) ]0 L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%。

1 ?  f# _1 Z& b, [. A
这样快速监测成功。
: }! l; k; }3 i: a' i; i  M7 m$ {4、人工智能实现的分析
4.1 硬件平台的能力
8 C- D- P  r- w4 o( c( cWIO 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，
! l$ n; l. T' O4 L. x

• 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
  

4.2 人脸识别的流程和库的支持
9 h) z- c* A- K% eCubeAI的人脸识别是用如下层次实现

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

% _; K, x6 P0 P# `+ U1 n( c) i- t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
4.3 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
& G8 D. g9 D5 o* O0 z

1. static Frame_TypeDef frame ={ .buffer = buffer,
   # q6 S. J2 }% f, `. k0 s
2.                                                           .length = 320 * 240 * 2,
   
3.                                                           .width  = 320,
   
4.                                                           .height = 240
   
5.                                                         };

复制代码

主程序代码非常精简
: Q5 A6 u: Z1 w

1. 
   
2. int main(void)
   1 x' ]( v& N) ~8 J+ \3 L' O# n
3. {
   . g4 d) a% M) ~
4.   MPU_Config();
   
5.   SCB_EnableICache();
   
6.   SCB_EnableDCache();
   
7.   HAL_Init();
     _9 y; z! }: |1 H1 _, M5 R+ g
8.   SystemClock_Config();
   1 N8 f5 R! h( g& H% v7 z5 U$ F/ ~' b
9. 
   3 g; k) m3 m2 M1 u  `( g
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();
    " Z) \& R) l: N" m9 p: E- f
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    
18.   MX_OCTOSPI1_Init();
    % \; x9 t" _; W7 A- i, a: r9 G
19.   MX_CRC_Init();
    ) ?- l! s4 M! u& y( ^
20.         LOG("here");
    % `/ e( O7 s, C4 j1 c# S6 R# ?
21.         Psram_Init();
    
22. 
    
23.         /*OV2640 Init*/
    6 l, f" f$ g1 t
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    
25.         OV2640_Init(&OV2640);
    
26.         OV2640_ReadID(&(OV2640.ID));
    
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    8 ?+ Q' C" {! w# @0 `' b' K
28.         OV2640_UXGAConfig();        //flip after all the camera setting ,or camera setting  will change REG04 value.
    
29.         OV2640_Flip();
    
30.         OV2640_Start();        //initial IPL and AI
    7 h9 N! \+ G) q' H2 r
31.         STM32Ipl_InitLib(buffer_ipl, IPL_BUFFER_SIZE);
      r7 y' p- k* q' ~4 d% G
32.         /* The STM32 CRC IP clock should be enabled to use the network runtime library */
    
33.         __HAL_RCC_CRC_CLK_ENABLE();
    
34.         aiInit();
    
35.         frame_rgb565.data = frame.buffer;
    
36. 
    
37.         while (1)
      ~) @8 H* `3 H, \7 y2 D
38.         {
    9 o4 f0 T) ?  b$ j6 o
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    # @  @4 Z$ w, v' v0 A6 ^4 F+ a+ O3 {: ?
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    8 R8 ^  m& j1 u7 p: M4 U  T! r  |
41. 
    8 v9 K9 E0 Y& y9 l
42.                   // rgb565 320*240*2 to grayscale 320*240
    
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    
44.                           while(1);
    3 `+ S! H8 A. p- b  v& b
45.                   }
    , F, m: G& m1 v6 S- i
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    
48.                           while(1);
    - F8 _, z) E6 q- }
49.                   }
    
50. 
    
51.                   //AI
    5 @, |+ T* z- q& e" U& r
52.                   aiRun(buffer_grayscale_resized, network_output);
    ; Y1 l/ m! l/ t  i, o) Q. Y
53.                   postprocess(network_output);
    ! h+ K) P, A" E! g( U
54. 
    # u" {: }% Y7 ]
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    ; E/ U4 a. D; S0 g( J8 [4 `
57. 
    
58.         }
    
59. }
    

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，
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
! z# W1 X3 ~) z

1. aiRun(buffer_grayscale_resized, network_output);
   ) k& r( ^! M1 h7 s8 A
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. {
   
3.   ai_i32 batch;
   # P5 ~+ v+ R# @. T* x
4.   ai_error err;
   
5. 
   5 u) _5 ?' b% s" s: a. s! P
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   , W9 N6 D( w" y( c* l. W
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. 
   & o% `% ~6 F% K1 M9 `% U* D% a
10.   /* 2 - Update IO handlers with the data payload */
    + F7 ?3 |5 `8 b0 B9 {  h: A5 f
11.   ai_input[0].n_batches = 1;
    
12.   ai_input[0].data = AI_HANDLE_PTR(pIn);
    
13.   ai_output[0].n_batches = 1;
    / z' |# C; z5 V: w' N: t+ \4 ?: r
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    & [$ W1 T" h$ Y7 R# b" m3 j
15. 
    # @  E8 o& p" K6 C% c0 k3 N
16.   batch = ai_network_run(network, ai_input, ai_output);
    . n5 c( c* @1 R- Z; @' A% f0 ~
17.   if (batch != 1) {
    
18.     err = ai_network_get_error(network);
    , X1 {9 D( ~! x
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    5 j2 u/ [' `) \
20.     Error_Handler();
    : \4 p% h& O1 H: D) j; m
21.   }
    
22. }
    

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(
     [' I7 {& M' j, k9 I( l# M
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   ; |2 w  W2 Y: R, d; x, J& G1 l
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。

5 小结
" U4 |: B3 W+ H" Y    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。
  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。
7 Z& K" L5 d7 W: V4 U
6 m2 y# d) E9 ?" A

( ^  [7 ]5 e5 H* P& v0 t, T

, K# b3 t! v: Q' T0 A


; I- F( v" ], s/ ^

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
7 ~; w1 j8 H. F/ U* j* ?

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
! n5 f9 Z+ J# A6 q
; v4 Q) t+ B* J) A  ~% C( n& O

这个网络模型是什么模型？

大佬求源码

UP求驱动程序