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
# w" y% q! y- i0 ^2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，
) e5 c; e# l! N
1 ^/ v9 u8 g/ F; s采用如下接口对应联络到WIO Lite AI开发板，
1 D4 r8 R. r9 }
6 c& l5 n' S7 k$ R
使用调试夹子快速连接，就可以，如下图，

, ^0 J' O# O. M$ N  G) h% C& ], C8 J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
" e- w% E3 m4 A- ?. w
9 U) {- [3 c; t  H
2、创建模板项目，启动CubeIDE

1 e  M2 t+ O+ c  W; G2 A! }. V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。

$ I1 x8 g  A9 v
: p0 j8 |0 Q- G0 G6 g3、运行模拟
( z4 Q" K* T# g( c. |3 _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%，
4 ^: |4 A) i6 E
, v) b9 j* j. g
( C8 A5 t$ @+ ^  E. D7 b; K( Z) Y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%。


这样快速监测成功。
8 z& m6 {, g& i& f; \: d8 X4、人工智能实现的分析
( ^3 f" B* D7 i7 a1 o" ?, Z3 Y7 K4.1 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，
+ W3 A; |, {( l  z  W

• 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
8 B+ {9 {+ q2 a9 T7 p8 ^& i9 [CubeAI的人脸识别是用如下层次实现
3 `1 E0 m7 O& E3 u& v
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

1 P/ t: v6 {, S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
( i+ M) D' a) l: W7 {. l" r5 T首先定义图形数据的交换空间，是一个320x240的采样空间

1. static Frame_TypeDef frame ={ .buffer = buffer,
   ( x+ r% Z; |0 r5 ^- I
2.                                                           .length = 320 * 240 * 2,
   & `; k7 I% m; }3 G9 @
3.                                                           .width  = 320,
   
4.                                                           .height = 240
   / @4 L7 p+ ^, g; b6 X; J7 Q$ P8 w
5.                                                         };

复制代码

主程序代码非常精简

1. 
   
2. int main(void)
   ; h0 r' M  a8 L* l7 u9 e5 z+ A2 i$ ?9 d
3. {
   2 ~8 F% O" \+ l2 w
4.   MPU_Config();
   
5.   SCB_EnableICache();
     ?  i. m% d' d) w: I
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   , i' I6 W8 w, X9 N' x& @# y
8.   SystemClock_Config();
   
9. 
   * @, C$ z0 d1 @1 n
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    3 f" ?" u, [: i' f. X
13.   MX_LTDC_Init();
    0 |8 H; _; |! M# s. G
14.   MX_I2C4_Init();
    . w1 L) W$ c$ ?7 O* {
15.   MX_DMA_Init();
    
16.   MX_DCMI_Init();
    7 k$ }7 D0 R% b9 R( e+ P
17.   MX_TIM2_Init();
    2 w8 R6 k& X2 _$ }
18.   MX_OCTOSPI1_Init();
    
19.   MX_CRC_Init();
    4 X7 E9 c  r9 ^. @
20.         LOG("here");
    / |$ F4 q2 |3 {0 u
21.         Psram_Init();
    # y- n! _" U7 z5 _+ M
22. 
    4 O3 q! D) i, R, C) L
23.         /*OV2640 Init*/
    8 t9 ~: g& n$ V+ ~) o
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    
25.         OV2640_Init(&OV2640);
    2 }  R+ f% I+ i' M; l$ E& w
26.         OV2640_ReadID(&(OV2640.ID));
    
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    7 B, b' w4 [% M6 P  \1 l0 i
28.         OV2640_UXGAConfig();        //flip after all the camera setting ,or camera setting  will change REG04 value.
    
29.         OV2640_Flip();
    $ K2 w  e# ]3 F7 \; t- ^
30.         OV2640_Start();        //initial IPL and AI
    , K# Y5 @5 C! y- S: r$ n# V
31.         STM32Ipl_InitLib(buffer_ipl, IPL_BUFFER_SIZE);
    
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;
    4 ~# ?* a( C/ D' ?# f, B( @
36. 
    & ~/ m) X0 ?( M0 f
37.         while (1)
    
38.         {
    ! k5 F! D0 X; ^& i# N6 D  g0 U% o( L
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    % X, V# m9 k0 |, O- O
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    
41. 
    7 o6 b, t- g$ P* T2 ~: N+ ~
42.                   // rgb565 320*240*2 to grayscale 320*240
    
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    
44.                           while(1);
    2 Y$ A/ w8 f( m, {) Y0 D
45.                   }
    ; b& c( p( `/ `0 b3 J% |/ w
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    
48.                           while(1);
    , P) x4 ^% M0 S8 v9 }( @
49.                   }
    " X$ f" O+ J+ ]- e% L7 v7 r, d
50. 
    
51.                   //AI
    / ~* Y, I" F9 x! ~; S
52.                   aiRun(buffer_grayscale_resized, network_output);
    
53.                   postprocess(network_output);
    
54. 
    
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    
57. 
    0 g% `: h1 h' o) C) b
58.         }
    $ p9 X9 D6 i3 Y7 ?; k
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
4 V7 n( W/ g: {; {. J, H5 G# x1 N
* R! I9 b8 M) N7 r

1. aiRun(buffer_grayscale_resized, network_output);
   
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. {
   8 c7 }0 N" Y, f
3.   ai_i32 batch;
   
4.   ai_error err;
   " `) }* v0 d- O& i
5. 
   9 y/ V5 j* O; b
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   , b! C# G  Q5 p4 {5 l
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   0 ~4 v) t6 G" ~. D8 S- z9 P- P2 k( M
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   3 X5 C" `1 o6 b" X! g
9. 
   ' K) x; W4 F) Q9 g' m( p  |1 ?
10.   /* 2 - Update IO handlers with the data payload */
    
11.   ai_input[0].n_batches = 1;
    & r3 X4 P9 u" a9 ^: v
12.   ai_input[0].data = AI_HANDLE_PTR(pIn);
    5 Z) }: y, H3 f0 [( c- f
13.   ai_output[0].n_batches = 1;
    % [7 T/ [" J4 n/ O$ P6 N- J
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    
16.   batch = ai_network_run(network, ai_input, ai_output);
    
17.   if (batch != 1) {
    . L9 {+ ~5 n6 a! ^
18.     err = ai_network_get_error(network);
    
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
      N4 b8 U! K3 o0 O! U
20.     Error_Handler();
    
21.   }
    2 W* W4 a, @3 h* S$ E
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，
. q( f5 j9 m/ J7 c0 N

1. ai_i32 ai_network_run(
   7 i' u4 [7 _6 `+ |3 ~2 o
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   
3. {
   ; _4 k3 J# S3 ~. S4 i! m" P" O
4.   return ai_platform_network_process(network, input, output);
   & ?  b. a0 q* p. h( X
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。

; C0 o  A0 |; A# j. p5 小结
/ W- R( W* Y1 E, h8 c    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。
' R, ^8 _* Q* e7 V$ \) B% a( E* V  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。

% U; l; `2 ^' H; A4 p, @8 o

+ P  U, K. Q$ I

' b& q; \  n5 w" s" j( E


: M$ ?6 }: b3 L) W$ _' N+ x

% @7 x+ D% d0 l. k% u1 j4 q6 F

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
" g' [: b: u% o+ y

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

这个网络模型是什么模型？
4 m0 k8 T( ]3 \& A