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
! u, p9 [$ |+ F7 E2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，

+ o5 F, o" {0 G! E9 @* `6 ]采用如下接口对应联络到WIO Lite AI开发板，

( b9 D9 h2 ?/ w5 K7 P+ p; Y" D. m
使用调试夹子快速连接，就可以，如下图，
( d5 T# U- E# x8 c7 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
4 Y7 X- f. u: i3 \) h

% l3 g3 A/ b) C8 z: }2、创建模板项目，启动CubeIDE
2 |( f' [! V+ m
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。
( I) H* [* T& m; l8 ]" H完成编译，执行下载，显示成功完成。
2 |; ?6 W2 e5 Y
% K# H2 E0 F5 @
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,
+ Z8 L' W1 W& P7 {5 |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%，


! ]# z% c/ [) ~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%。
' m: f) D% y- A  [1 g( T& f/ H

这样快速监测成功。
4、人工智能实现的分析
3 r2 Z  y2 ?" g! _4.1 硬件平台的能力
% N+ B0 o2 A  g" I& P5 U! w8 b, `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
  

0 ]: p/ b1 R) E$ z
4.2 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
; E5 \) T- n) A
2 j  d8 L2 H0 j, [4 \; I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
% _* n& T& D+ B( x5 L) n
: i5 G. o" K( E: C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
9 d& j+ d0 a  `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
$ M( t! B2 v; ^/ B. t" R

1. static Frame_TypeDef frame ={ .buffer = buffer,
   
2.                                                           .length = 320 * 240 * 2,
   : {* L( f0 i, U4 ]* F& n" x8 E
3.                                                           .width  = 320,
   
4.                                                           .height = 240
   # |3 u0 q- ~; D, p
5.                                                         };

复制代码

主程序代码非常精简

1. 
   ) c% e! Q8 j0 q/ l; J* K  `
2. int main(void)
   
3. {
   * c4 O( t) z* _- c4 B0 u' j
4.   MPU_Config();
   
5.   SCB_EnableICache();
   9 d' `: Y8 v) k# s9 @
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   ( ~* B, o; A5 Q7 D- z# `
8.   SystemClock_Config();
   ; O3 O  B  X. M) H$ p: p% A
9. 
   
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    " R# C6 Y5 Q! ]/ [0 t9 j# [
13.   MX_LTDC_Init();
    
14.   MX_I2C4_Init();
    
15.   MX_DMA_Init();
    # I8 p. F. U% R8 N9 k7 A
16.   MX_DCMI_Init();
    9 b) n" F4 Y" i8 `1 r
17.   MX_TIM2_Init();
    
18.   MX_OCTOSPI1_Init();
    5 @8 F3 B1 b# @9 {/ ^8 ^
19.   MX_CRC_Init();
    
20.         LOG("here");
    
21.         Psram_Init();
    
22. 
    ) R" h1 K# M% D
23.         /*OV2640 Init*/
    1 f' n' O/ i4 t3 a$ d
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    : X4 m; N: O3 f
25.         OV2640_Init(&OV2640);
    % \! q! ^; G" S
26.         OV2640_ReadID(&(OV2640.ID));
    : ]# l2 u$ e) n" B4 P( w
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.
    
29.         OV2640_Flip();
    
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 */
    * w8 N, G  z" |# A* ~
33.         __HAL_RCC_CRC_CLK_ENABLE();
    - I; O, m7 A+ g( |5 o: h
34.         aiInit();
    1 L1 u4 l! h. r9 O9 b& `
35.         frame_rgb565.data = frame.buffer;
    
36. 
    $ p  o; f* @2 o9 G; M+ }
37.         while (1)
    4 S0 o5 V0 Y% _. Z7 ~
38.         {
    
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    
41. 
    
42.                   // rgb565 320*240*2 to grayscale 320*240
    4 b: z, D6 n/ n0 B6 {  q( B, P
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    
44.                           while(1);
    
45.                   }
    
46.                   // grayscale 320*240 to grayscale 96x96x2
      r4 l" ]; ^5 i  O( j2 E' {# L
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    : b9 U9 j2 Z" c2 P2 Y! b
48.                           while(1);
    
49.                   }
    # ~& w, G3 d0 [' B  V6 d$ [
50. 
    ) C$ K2 I$ G+ ^8 c4 C0 h
51.                   //AI
    % V# X+ |$ I1 k2 ~
52.                   aiRun(buffer_grayscale_resized, network_output);
    
53.                   postprocess(network_output);
    ( K" c# Y+ D' f$ s
54. 
    3 T9 O, r8 V  a5 i+ s. o$ W3 F( r
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    
57. 
    5 U6 c2 m& b# E: L& S
58.         }
    2 O( v* ~: Q4 L$ y8 z3 e
59. }
    - K( X' o9 t1 j' J4 \& }

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

1. aiRun(buffer_grayscale_resized, network_output);
   1 s) V( O9 h2 @1 y0 H% w) M) h/ E4 [
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;
   " d) ~7 w# I( W  Q0 ~; _4 ]1 _: O
4.   ai_error err;
   7 @) W8 a" h' j, k- \6 c: I
5. 
   
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   ( t; O$ o4 \8 A+ S
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   
9. 
   ! |  o1 x) M3 w/ i( |
10.   /* 2 - Update IO handlers with the data payload */
    3 V* x1 f4 W& y. A1 v5 g
11.   ai_input[0].n_batches = 1;
    ( Y" E$ v0 F( r- ^) K8 J- z2 p
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. 
    ' q% O1 l6 I; ?7 }- Z% y
16.   batch = ai_network_run(network, ai_input, ai_output);
    
17.   if (batch != 1) {
    - B! u# [4 }. u, j; E
18.     err = ai_network_get_error(network);
    
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    
20.     Error_Handler();
    
21.   }
      q8 G, ^" e" [$ |) \, H( Y
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，
; ~% j. U" g: l& u: W* X

1. ai_i32 ai_network_run(
   0 f2 b" H) l8 r7 a3 Z
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。
. O3 G# Q# b: q: c
5 小结
    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。

  n& R+ |" G3 S2 E/ J1 N# O

) x9 M+ Y: c6 G% Y* Q
+ ^: Q, u3 R1 ?3 U4 T* H# [% d
. Q! {2 q/ Z2 |  U

4 Q. K' d, C% K

" H; o* w7 f& b8 x; ]. }

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

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
* X, G: d+ n, B  a9 ^

这个网络模型是什么模型？

大佬求源码

UP求驱动程序