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
! t; p. i! Y, }5 z& A3 ^2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，

采用如下接口对应联络到WIO Lite AI开发板，
8 T+ ~6 a, _9 u) Z
$ T* v4 ]1 H$ B
使用调试夹子快速连接，就可以，如下图，

( I6 ]% }8 M. L1 X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 c/ P3 y7 U2 o% m& B

2、创建模板项目，启动CubeIDE
0 B, l3 ]4 ~0 }) A- C
2 W5 p, f) _/ x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。

- q0 e, m6 q4 d# h4 d2 I: m# U
7 R) \8 t4 l- D- H: W% R+ @$ E" ?7 t3、运行模拟
, `' T, H1 j. Y1 D' C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,
" `, \. b# p* M0 x7 h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%，
, x* j# C( }; u

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%。
" P  V7 k/ I8 k) b
$ S8 A0 T; j  [3 A+ a
这样快速监测成功。
% Q7 D" S+ [3 B/ ~4、人工智能实现的分析
4.1 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，
& ]; I& V  `( h2 \9 S, q5 r

• 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
  " J0 M# K8 P, I8 q( c: E9 Y5 {

/ X; u* l9 `, n) I
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

1 B( y$ T& f/ Q  U3 l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
* `$ Y% F# `  u% c0 r
$ p+ v) t" V5 e. e7 ?* z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
: W! [1 ^0 x0 D2 ^3 X4.3 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
. M9 s8 c% Q0 `6 [) m

1. static Frame_TypeDef frame ={ .buffer = buffer,
   6 Q% w8 d" E9 w8 e' x+ }
2.                                                           .length = 320 * 240 * 2,
   
3.                                                           .width  = 320,
   ; o2 Z0 _! G  m0 @5 |
4.                                                           .height = 240
   
5.                                                         };

复制代码

主程序代码非常精简
8 }" j. M. {% g

1. 
   - h" I! v4 a2 k2 O
2. int main(void)
   
3. {
   
4.   MPU_Config();
   
5.   SCB_EnableICache();
   2 H; e: ?! T+ Y. o( A
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   
8.   SystemClock_Config();
   1 H8 Y  s1 u5 X/ T
9. 
   ; `6 K( `7 k& B. T  P: W/ ^% v% |
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    5 }) g7 {  M' E, f% c: ^* `2 Q
12.   MX_USART3_UART_Init();
    9 O7 |4 I; Z) L) T) _
13.   MX_LTDC_Init();
    
14.   MX_I2C4_Init();
    
15.   MX_DMA_Init();
    
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    " S7 W, _, U; W4 v  K
18.   MX_OCTOSPI1_Init();
    9 r" T8 y8 ^5 x, z0 [' T
19.   MX_CRC_Init();
    $ b! `" b$ J" r5 l! E
20.         LOG("here");
    
21.         Psram_Init();
    
22. 
    
23.         /*OV2640 Init*/
    
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    
25.         OV2640_Init(&OV2640);
    
26.         OV2640_ReadID(&(OV2640.ID));
    ' }  h) m8 I; m1 s+ ~
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    : n( M) n2 |% z; }# t# D
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 */
    
33.         __HAL_RCC_CRC_CLK_ENABLE();
    * D# g8 L! _8 j% m9 H7 U  P
34.         aiInit();
    
35.         frame_rgb565.data = frame.buffer;
    
36. 
    + C& B& |/ y7 C
37.         while (1)
    9 ?, f- X6 H4 A# q* J- B
38.         {
    5 W- y" t6 q6 E- U5 s3 T" o
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    ' ^: ^2 j) p# ?/ `. ?
41. 
    ' T2 D" S' e$ y0 o
42.                   // rgb565 320*240*2 to grayscale 320*240
    
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    / G3 k, S$ D* h. ^; h1 M# G
44.                           while(1);
    : {7 g- `  b6 {8 }: y' {( e8 U
45.                   }
    
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    " N2 B1 t" k* n6 z& H* Q( m6 m
48.                           while(1);
    5 h2 ~8 R$ B- U
49.                   }
    
50. 
    
51.                   //AI
    
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 x% Q8 d  F, O1 Y' F  x
58.         }
    
59. }
    1 B. r2 D" Q( M! [( ?

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
- t6 q( B/ J) B

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. {
   
3.   ai_i32 batch;
   ; C  F5 e8 B! G; s2 ^; S
4.   ai_error err;
   
5. 
   9 N- h0 \: [% E% }5 F1 x* `1 z
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   0 L8 P+ m! i. L. Y- `! k2 U' Q% D
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   5 e8 j! S  X, X7 Z) J4 S
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   
9. 
   
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);
    : {- G0 c" g3 Y- l  U1 u" f5 O
13.   ai_output[0].n_batches = 1;
    . e- t2 w$ O6 G$ R* q/ Z
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    ; @+ ^* R1 U* ?
16.   batch = ai_network_run(network, ai_input, ai_output);
    8 [& y3 L  \( ]1 Z7 _" O
17.   if (batch != 1) {
    # C! A; Q8 p9 A2 Z
18.     err = ai_network_get_error(network);
    
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    ' W- l6 d! c+ }, A, u
20.     Error_Handler();
    
21.   }
    ; b( ]) m" O/ s4 y2 @4 x+ ^
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，
  E5 L% o# d% u, E  ]

1. ai_i32 ai_network_run(
   0 _+ `6 M' ?1 c1 p4 [  r
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   1 S" c( j# O+ Z. N$ H
3. {
   0 F6 ~) w; Q0 }: f
4.   return ai_platform_network_process(network, input, output);
   . ^0 t9 g; m) P! j! K
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
4 G! p# G% H% x  Q" S- [    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。
1 e% _3 F8 }/ H

2 G" l6 f, ~+ Z9 C3 E3 L



  e. `% `& c) A, F4 C  @6 b

4 V1 C' n9 O/ @4 I$ |5 d
$ w" u% L5 a9 y" m
3 i9 O- W- `" F7 ~" x/ h8 n( r. A

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
( X4 q4 t. ^4 Z8 |" G8 Y: O! c  {' G

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！
: {0 O& Z1 H; E3 G" m

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
* [! k: L' B" |7 b- i
. u# B5 I& I. ^) g' h  r

这个网络模型是什么模型？
( L7 y3 W7 K4 u- R$ T: d  G

大佬求源码

UP求驱动程序