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
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，


4 S( N6 A) w' t/ D5 U使用调试夹子快速连接，就可以，如下图，

3 \$ `* \: C' P) R6 |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
- m7 ]! g- f" L* p) P
& q' y9 k- ]- h; M2 s- x; ?
2、创建模板项目，启动CubeIDE
  h8 r) Q; z! p! H# e0 h; a) b
6 C+ Y1 b! m8 R: 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。
4 t, i/ w8 m2 Y) h' D2 W  c& t完成编译，执行下载，显示成功完成。


0 s8 o  f% X' J1 W$ }  F5 x* H3、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,
, A' Q/ m; c  Q3 x& G# W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%，


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%。
8 t  X! _( `" o: c7 V* f

这样快速监测成功。
4、人工智能实现的分析
0 c- X# ~; N& @' U$ r7 A4.1 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，

• 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 o/ S6 {: L( x+ D7 I4.2 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

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
% i5 a1 q2 }, z# y$ [4.3 程序代码分析
# L) ^, }* q# {3 Q6 A' l* @! D首先定义图形数据的交换空间，是一个320x240的采样空间
, W1 Q6 {9 `3 q2 j( K

1. static Frame_TypeDef frame ={ .buffer = buffer,
   
2.                                                           .length = 320 * 240 * 2,
   , V" B$ a0 q& ]$ V! K$ r' ^* X
3.                                                           .width  = 320,
   3 C- U2 v6 b, Q1 _1 @# k% o, r
4.                                                           .height = 240
   
5.                                                         };

复制代码

主程序代码非常精简
7 E" {: \4 x( Z) O7 R

1. 
   
2. int main(void)
   9 g6 r$ A2 r! o
3. {
   
4.   MPU_Config();
   ; j! Z! f3 l  P4 w
5.   SCB_EnableICache();
   
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   
8.   SystemClock_Config();
   
9. 
   
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    6 d" k, A2 \0 [, _2 E' L5 }0 z
13.   MX_LTDC_Init();
    
14.   MX_I2C4_Init();
    ! \4 e$ B/ Q* B. ~( w8 j. \
15.   MX_DMA_Init();
    
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    
18.   MX_OCTOSPI1_Init();
    " |, G0 H. Y; c5 [+ ?. i
19.   MX_CRC_Init();
    
20.         LOG("here");
    
21.         Psram_Init();
    
22. 
    8 z8 B( ^- ~; \/ K+ c$ E
23.         /*OV2640 Init*/
    . y; G( b8 J9 p5 o
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
      }8 n* Z; r, O" a1 v
25.         OV2640_Init(&OV2640);
    8 X% D" Q+ _: V  {& \; v
26.         OV2640_ReadID(&(OV2640.ID));
    ! M# F: r5 H, K; `' o, h
27.         LOG("ID: %02X %02X \r\n", OV2640.ID.PIDH, OV2640.ID.PIDL);
    " y5 i: D/ a$ a: s# w9 W' V, L* F& S
28.         OV2640_UXGAConfig();        //flip after all the camera setting ,or camera setting  will change REG04 value.
    4 m1 ~- G* O4 b* q+ d' ?
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();
      G7 X% S; X, X0 y
34.         aiInit();
    
35.         frame_rgb565.data = frame.buffer;
    , L3 ?* \  D3 B" C- `( N/ k
36. 
    
37.         while (1)
    % c7 D3 l3 [* q, B. h
38.         {
    
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    + u& I! d6 b% ]* \0 n% @' v) @8 y
41. 
    " T* ~9 D. [2 k
42.                   // rgb565 320*240*2 to grayscale 320*240
    
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    
44.                           while(1);
    - Q1 o2 Y3 m! f( a) x
45.                   }
    8 z# B7 r* D7 m  U. N
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    2 ~3 {# e/ ~- q% z. u( V$ A# z5 l# o/ H
48.                           while(1);
    
49.                   }
    6 B: ?7 f) U8 O
50. 
    " C3 @7 e9 [8 W! C) j
51.                   //AI
    
52.                   aiRun(buffer_grayscale_resized, network_output);
    , s1 o% a  X7 ]
53.                   postprocess(network_output);
    & L/ [9 a- f( }# s3 A% x% ?* m4 V
54. 
    
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    ) u1 P" p' J6 v3 ~. A/ c* t
57. 
    
58.         }
    , x! }' x6 i: w/ S/ C/ n% T. E
59. }
    " p. z; x* L0 V. f0 q! w- h4 |+ G

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
) C: A/ I3 X( _) I0 i
1 K; F+ Q: z" x0 i/ B. Z* }0 l* A  @

1. aiRun(buffer_grayscale_resized, network_output);
   ! l( j( c, {. \
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)
   * u9 U8 A2 a( w$ `# Y
2. {
   $ i  f/ |3 O+ h
3.   ai_i32 batch;
   
4.   ai_error err;
   & T8 X# s$ H+ z3 y
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;
   * n9 z! ^2 |  V- }- k+ f
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   
9. 
   . ]" _, A$ I- v+ J
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);
    
13.   ai_output[0].n_batches = 1;
    % M: {, ], a7 S, B5 z
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    2 O+ y  Y/ p" O+ M) f/ b/ A
15. 
    
16.   batch = ai_network_run(network, ai_input, ai_output);
    
17.   if (batch != 1) {
    
18.     err = ai_network_get_error(network);
    
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    1 S. r5 R7 ^) Q: U
20.     Error_Handler();
    ( l, b4 N: T% F( f; W% O2 K' k
21.   }
    : _+ Q8 |" m6 t8 i% G
22. }
    % T" |, l# b) v5 q

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，
  n1 M5 m" {$ m# X8 W, k' T6 D+ ]8 v$ k/ n# G

1. ai_i32 ai_network_run(
   
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   * O& q" g! j$ B
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。
( a* S( b3 |1 h* S* j0 D" x6 q
5 小结
- ^: l; g- Y" r1 i3 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。
9 O- \  O; W, e6 M4 H! j! R! 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。

. t) }! r- ^& i% p+ p, }% L0 V1 N
2 n  ^! @$ ~9 v6 l+ q# f3 ~3 N

0 F8 S: f6 e; X  S# x  h1 A4 Q
! I/ M* s# B5 s2 y; w: b5 w

- A3 p' V- q3 S9 h. ^' P! `3 t
$ x# g$ A# O2 |6 i& _5 c. }( G

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
. p& S4 w& V* i* r% {

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！
2 M6 k3 [( x* S6 F; `& |4 u3 u" j

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
6 N& J6 m/ u) ], r8 L
4 Y; s- G% t) E% h7 J3 q9 a  ^

这个网络模型是什么模型？

大佬求源码

UP求驱动程序