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
! `0 n) G6 c! H! h5 @2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，
$ j/ U5 F* d8 `. E" n
采用如下接口对应联络到WIO Lite AI开发板，
8 c4 O% G0 M9 P! S
7 Z; n1 x- ?6 L& c+ P: y1 k6 Z5 R
使用调试夹子快速连接，就可以，如下图，

4 _2 g' `" {6 j: \" x" F5 s3 Q8 A1 {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
- f- {, h- O6 I
  @2 A: e1 f6 @+ o1 C3 k% \
2、创建模板项目，启动CubeIDE

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。
. C  f( y2 X1 q  t1 C* y

7 V7 h" I9 }4 [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,
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 W- [* q: ~$ p, E5 G( r9 R
0 T  ~' |9 d6 H% d- B) V
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%。

+ [* V, I5 T& P: N0 V
这样快速监测成功。
5 S$ }6 D6 `' X5 `3 x: b8 N# I3 r4、人工智能实现的分析
4.1 硬件平台的能力
# ]4 o& m6 ]1 b+ U; D' `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
  

: {9 M2 ]2 C; `4 ?% L( a
4.2 人脸识别的流程和库的支持
$ d0 ^: \6 m, w, nCubeAI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

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
& g# s- {# A) ~0 r. L! G- }

1. static Frame_TypeDef frame ={ .buffer = buffer,
   
2.                                                           .length = 320 * 240 * 2,
   3 N; Y& @. l2 p3 N9 s6 S+ t* W
3.                                                           .width  = 320,
   0 D% y' f0 Q& @, a, l- k
4.                                                           .height = 240
   $ S2 n& h- B8 P. q
5.                                                         };

复制代码

主程序代码非常精简
2 l9 m6 m6 O1 r  U7 D

1. 
   
2. int main(void)
   / H3 z" M9 j2 s3 p) S( k9 P
3. {
   
4.   MPU_Config();
   
5.   SCB_EnableICache();
   ' H) W+ Q2 Q# X5 G/ {* \+ A5 V( Q
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   
8.   SystemClock_Config();
   
9. 
   
10.   /* Initialize all configured peripherals */
    - J) K# S* p% d; D
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    
13.   MX_LTDC_Init();
    
14.   MX_I2C4_Init();
    & B0 S0 v7 h& ^4 [4 n4 ?( ?
15.   MX_DMA_Init();
    8 \: m& @$ B8 `* \7 M6 }$ T& i
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    
18.   MX_OCTOSPI1_Init();
    : L7 k( W: j+ q3 k  I  p. {8 D( p
19.   MX_CRC_Init();
    
20.         LOG("here");
    % x/ @( R. t3 e6 j& t+ Y3 E
21.         Psram_Init();
    6 J. u2 I6 J5 R+ N. a+ c7 [
22. 
    
23.         /*OV2640 Init*/
    6 l3 X, Y8 }4 k$ `
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    9 N) N9 m, P2 J5 K+ C, D' A9 f- i
25.         OV2640_Init(&OV2640);
    0 B' c3 L6 l7 c/ @5 J: u6 t
26.         OV2640_ReadID(&(OV2640.ID));
    
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    3 V: K$ Y3 P+ L$ D* S6 }
28.         OV2640_UXGAConfig();        //flip after all the camera setting ,or camera setting  will change REG04 value.
    
29.         OV2640_Flip();
    5 n  n6 n" O( \5 {$ w
30.         OV2640_Start();        //initial IPL and AI
    
31.         STM32Ipl_InitLib(buffer_ipl, IPL_BUFFER_SIZE);
    5 ]1 O" }/ ~4 t
32.         /* The STM32 CRC IP clock should be enabled to use the network runtime library */
    " J" q/ @& o' ?- I0 q/ R! q
33.         __HAL_RCC_CRC_CLK_ENABLE();
    1 @4 l( f4 F& ~* O
34.         aiInit();
    
35.         frame_rgb565.data = frame.buffer;
    
36. 
    , a9 f& b3 b& A
37.         while (1)
    
38.         {
    " k: ~. x/ h, C, r) V
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    6 [9 [3 p! N: ^' v/ A
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    7 m6 c- T9 [1 b7 P8 y4 b
41. 
    
42.                   // rgb565 320*240*2 to grayscale 320*240
    4 r, \$ p1 C/ U! e3 t* a
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    & a9 Z  B+ X9 ]% U* w
44.                           while(1);
    # Q4 r  E4 R# ~7 \$ N
45.                   }
    , U# X6 z! X4 B) B6 V
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    
48.                           while(1);
    ) R4 R9 t  i" g
49.                   }
    $ I8 h) T  }$ P; i9 G
50. 
    4 v6 c4 h+ a) N+ k4 R8 J: F
51.                   //AI
    
52.                   aiRun(buffer_grayscale_resized, network_output);
    4 V: b$ U: a6 O0 S3 O6 M; M
53.                   postprocess(network_output);
    
54. 
    $ {/ d! l5 A) s; }
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    
57. 
    7 ]7 w" X. J, g1 W, l
58.         }
    + t8 L0 [- S6 w3 E: J; q
59. }
    ; A* ^7 V1 b4 H4 w( E

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
0 _# X$ m7 D# s( D7 m1 j' \
; v! g. Y2 ~, g+ `( M

1. aiRun(buffer_grayscale_resized, network_output);
   : M9 U. y1 ^% Q$ {' s
2. postprocess(network_output);

复制代码

这个函数是在"ai_inference.h"文件中实现的，
$ [& h, j. U! q1 A3 I' k

1. void aiRun(ai_u8 *pIn, ai_u8 *pOut)
   6 ?' p& P& Y7 V6 w1 Q5 n+ B
2. {
   2 E9 t1 `& j/ T( Y- m4 _* |
3.   ai_i32 batch;
   
4.   ai_error err;
   ! U0 M; ~: w* H: \* ~( v0 W: J
5. 
   8 {6 Y- e% q& }4 z$ }7 {
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   9 x1 s5 L) S" c; F3 o0 Q: n; x/ `
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   1 O# s2 f; N" b0 J, g
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   ; O1 k+ b. F, f* H" d
9. 
   $ \5 x" {" C4 y/ c& L# u' o1 s
10.   /* 2 - Update IO handlers with the data payload */
    7 v# G7 O9 C1 h3 U& r
11.   ai_input[0].n_batches = 1;
    2 ^' J2 j1 u/ M4 y& C7 q$ w
12.   ai_input[0].data = AI_HANDLE_PTR(pIn);
    ) Y( m3 j/ L$ p/ P7 h, E% e
13.   ai_output[0].n_batches = 1;
    
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    
16.   batch = ai_network_run(network, ai_input, ai_output);
    
17.   if (batch != 1) {
    
18.     err = ai_network_get_error(network);
    1 f$ e& U# a# j0 \
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    
20.     Error_Handler();
    
21.   }
    
22. }
    ) G, m- U6 T# q# {( a, U

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(
   / c5 y5 w0 B3 c
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   1 b' x  y1 ^1 C' _9 l( H5 f
3. {
   / x$ j% f1 I: e, u- |- Z
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。

$ D! O3 y0 N6 o2 C# o5 小结
) G. F. ]3 N5 v: i4 U: c7 T    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。

9 z. q- r$ m5 }
  y3 [# q& T4 t. ^8 k




9 |$ ^) C$ F& m: N4 I( T

8 Z" K1 a* V1 g% v

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
% h2 y4 M" Y/ o

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

5 E' z: l* }% e0 p4 z

这个网络模型是什么模型？
& f7 X% }/ Y+ m! g5 P$ k* L

大佬求源码

UP求驱动程序