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，


使用调试夹子快速连接，就可以，如下图，
$ n8 u4 P; L) |* `* C  d- Q
5 {6 ?; B+ O/ w' g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

" k0 B7 P3 X0 o: Y9 H
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。
2 H9 O0 |! ~. m# q8 e0 Q. U1 H* l6 x
. J0 p; i% q3 o7 K2 G
6 o- p  F/ c* J3、运行模拟
0 q5 @- U: J  t! c3 L" I4 \; d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%，


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%。
( T3 a' d; E* v% g
' B- P9 j6 S- }, R+ h4 |0 W
这样快速监测成功。
4、人工智能实现的分析
, ]  I. S$ w7 S, R5 C& a7 i1 n: q3 H4.1 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，
2 A( E. g& s. t0 H# 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
  , f8 J1 g9 C% W% J2 o

- @& o6 b6 _5 g( T' w/ b
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
. W1 q! `% X4 [% j3 e
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
, F) d2 P* N" h7 ~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,
   , y0 o7 |, C% ~) y$ o
2.                                                           .length = 320 * 240 * 2,
   
3.                                                           .width  = 320,
   : C2 p: L: E4 v. M! ]
4.                                                           .height = 240
   
5.                                                         };

复制代码

主程序代码非常精简

1. 
   / A0 X  \3 E( D3 R! b" a  B
2. int main(void)
   
3. {
   
4.   MPU_Config();
   , s& w; D) [5 K. d; Q$ y( X
5.   SCB_EnableICache();
   
6.   SCB_EnableDCache();
   % j# k. {5 ]- [) p
7.   HAL_Init();
   
8.   SystemClock_Config();
   
9. 
   6 u8 x% F& M4 T: |/ l
10.   /* Initialize all configured peripherals */
    
11.   MX_GPIO_Init();
    
12.   MX_USART3_UART_Init();
    0 P) I) Y+ b" \3 T# P4 [
13.   MX_LTDC_Init();
    * U0 u3 \: f2 f3 G% v, h" _
14.   MX_I2C4_Init();
      j+ n% f8 M9 ^! v; `5 r6 C
15.   MX_DMA_Init();
    
16.   MX_DCMI_Init();
    
17.   MX_TIM2_Init();
    ! |; U5 L. [# Z: [/ e# ~
18.   MX_OCTOSPI1_Init();
    
19.   MX_CRC_Init();
    ! W7 Y# F" @/ l) [. [# P$ V2 ]+ l
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));
    
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();
    5 i, \. U3 W! `. {5 ]! B
30.         OV2640_Start();        //initial IPL and AI
    / e8 P! o) D6 p# o! S, I4 h) }; _
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();
    8 z: p! L0 F* V9 C
34.         aiInit();
    
35.         frame_rgb565.data = frame.buffer;
    
36. 
    
37.         while (1)
    
38.         {
    
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    / f7 f, {; i' `4 G+ l1 ]
41. 
    9 z& P( d' x' I" E" u- d* c
42.                   // rgb565 320*240*2 to grayscale 320*240
    
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    . ^! {; x# T; A0 v, P3 L# ?( e5 j2 g
44.                           while(1);
    
45.                   }
    
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    4 n$ {: S  M0 j0 t  g" k
48.                           while(1);
    . m7 }) X& ~( K
49.                   }
    
50. 
    
51.                   //AI
    
52.                   aiRun(buffer_grayscale_resized, network_output);
    % k: @5 h; r  D- O
53.                   postprocess(network_output);
    
54. 
    1 s- l7 W% ]0 \3 F  Z7 u. T
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    : n1 \* o* n6 \- E, [# a' P
57. 
    # q5 C& {6 Y, [- z1 y- [+ N
58.         }
    
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
& u& w. ?5 I% a4 X/ u: X& }5 a
2 A, s8 {" @6 p  C# y

1. aiRun(buffer_grayscale_resized, network_output);
   - v2 c1 O% H# \
2. postprocess(network_output);

复制代码

这个函数是在"ai_inference.h"文件中实现的，
0 y7 [  @* T  q; x, n0 ]

1. void aiRun(ai_u8 *pIn, ai_u8 *pOut)
   ! H: U% b% e( a% A& V$ p: t
2. {
   - F; r# e, y# {2 H4 r
3.   ai_i32 batch;
   
4.   ai_error err;
   
5. 
   ! A6 J$ X$ N, X5 |( S  W; r
6.   /* 1 - Create the AI buffer IO handlers with the default definition */
   
7.   ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
   
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   # B) V4 T$ b( G% J5 i2 X
9. 
   
10.   /* 2 - Update IO handlers with the data payload */
    $ C" l" d6 i6 q, {
11.   ai_input[0].n_batches = 1;
    
12.   ai_input[0].data = AI_HANDLE_PTR(pIn);
    
13.   ai_output[0].n_batches = 1;
    ! h2 F  s& j4 g( @
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    / p9 x& L: ~( d. t5 N
16.   batch = ai_network_run(network, ai_input, ai_output);
    . s5 }" P. o: a6 A1 b% X: ?
17.   if (batch != 1) {
    3 B7 _8 e1 L0 B5 i. b7 B0 J
18.     err = ai_network_get_error(network);
    
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    ' M  T& o* O  H2 \# c$ a
20.     Error_Handler();
    
21.   }
    
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，

1. ai_i32 ai_network_run(
   & m9 R7 b* {& m
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   
3. {
   
4.   return ai_platform_network_process(network, input, output);
   8 \# j/ Z% Q) G) @5 q: o' f
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。
' K# x( }* j6 M! P% M
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。
# X* m+ A! {- @  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。
$ b# n2 Q' ?- P8 [4 V( j1 m

5 ^# p2 F8 N- C# `) U5 y
  O- S3 S8 F( F+ F5 ~/ j

5 c( j1 J' G; o( p* y# L9 o/ v
1 e: L2 |" I3 K$ w: X


2 C) b* t* @4 F& C5 u6 D

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
! X' [) O5 b/ E2 s- R+ o0 Z

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！
, V8 T" `+ Z# o" a, w2 \

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
) f- B8 o- Q: S" h4 G$ w
. l1 m6 t  X# U) N

这个网络模型是什么模型？
# P( h6 m0 ]+ h! A

大佬求源码

UP求驱动程序