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
6 Z' ?) t( B4 v, s# T9 U! i2、首先按照新的ST-link连接，把Nucleo的st-link调试如下图连接，

) i3 F' w5 i, w& x. |4 r采用如下接口对应联络到WIO Lite AI开发板，

; h! j/ ?: ?3 t: l% ~& G) u
使用调试夹子快速连接，就可以，如下图，

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

  y# w9 y( Z& n  D2 g
9 v/ v; @3 w+ @9 E$ R9 ]: U- p$ i2、创建模板项目，启动CubeIDE
3 ^/ x7 b* u; H. j4 u
& l* a5 Q/ \/ a. ?0 v3 s% t  C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。
7 g( u( V* {0 c$ h" n
9 t) l- N" F2 i
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,
2 @% d& F1 y. y+ b. 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%，
6 \) H# _- d7 ?: I# J# |

" u- ]. ]3 S" o+ 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%。
& l7 }  i: m; N' W' M

1 F& a+ r+ p% D6 `这样快速监测成功。
1 o4 ^1 n4 [& V8 d, k4、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，
/ ^: q% C; {* W, U$ P

• 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
  / A& }: j' \7 h5 w: ~! y* J

# A- i- \3 j, N: Q0 ]
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
7 o) T. i5 ^4 P& Q
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
  h' ~; a: [  }5 k6 a
/ i- G! {) D+ }% z' L$ y, X9 n. `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
  d8 q0 H4 w- u9 d- u# N4.3 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

1. static Frame_TypeDef frame ={ .buffer = buffer,
   
2.                                                           .length = 320 * 240 * 2,
   
3.                                                           .width  = 320,
   # O) v# \9 e: m) Q# B+ b
4.                                                           .height = 240
   $ _! B2 A( b& r3 Z$ v/ a
5.                                                         };

复制代码

主程序代码非常精简

1. 
   
2. int main(void)
   / S+ n8 U6 [; U: X2 z
3. {
   
4.   MPU_Config();
   
5.   SCB_EnableICache();
   
6.   SCB_EnableDCache();
   
7.   HAL_Init();
   ) b3 s% U* E' ~: D4 I
8.   SystemClock_Config();
   
9. 
   
10.   /* Initialize all configured peripherals */
    1 v& `; e) Y8 y! C3 X& d
11.   MX_GPIO_Init();
    , v' `0 r1 V0 z. D5 Z2 J% N
12.   MX_USART3_UART_Init();
    
13.   MX_LTDC_Init();
    ) J% }% x1 x8 r* `0 S& k5 q
14.   MX_I2C4_Init();
    
15.   MX_DMA_Init();
    
16.   MX_DCMI_Init();
    ' d( b. H- i( I- S4 N: W0 O( @6 C
17.   MX_TIM2_Init();
    ) W! X! l5 c: I5 q2 x
18.   MX_OCTOSPI1_Init();
    9 Q- X$ w2 Z) p2 b
19.   MX_CRC_Init();
    + }" Y& U' [5 w. S" S& b) g0 \
20.         LOG("here");
    3 `# n( E& T/ b" M5 R
21.         Psram_Init();
    
22. 
    5 n* r. D( X7 ~% y
23.         /*OV2640 Init*/
    9 }! O/ l7 I8 ]$ ]0 y
24.         HAL_TIM_PWM_Start(&htim2, TIM_CHANNEL_3); //XCLK
    
25.         OV2640_Init(&OV2640);
    1 \* ~# f# }. H8 Q0 j! {
26.         OV2640_ReadID(&(OV2640.ID));
    + M- x' A  d' G* t, B
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.
    # |$ G, }; a% h9 |6 L& ~
29.         OV2640_Flip();
    , [* n! Y1 l. a' x" v! q
30.         OV2640_Start();        //initial IPL and AI
    - \! K; P' ?% a1 y% ^
31.         STM32Ipl_InitLib(buffer_ipl, IPL_BUFFER_SIZE);
    
32.         /* The STM32 CRC IP clock should be enabled to use the network runtime library */
    ' p2 v6 z$ {9 U( S& q! Y- F
33.         __HAL_RCC_CRC_CLK_ENABLE();
    & Y# m; ]6 `) \+ q7 x! d
34.         aiInit();
    * }! R& p. ~2 D5 U
35.         frame_rgb565.data = frame.buffer;
    
36. 
    
37.         while (1)
      b. `# ]9 m& l% E
38.         {
    # h# y) [8 ]0 y) a; @* v
39.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_RESET);
    5 V1 q' f1 M9 |% |- L
40.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_SET);
    
41. 
    
42.                   // rgb565 320*240*2 to grayscale 320*240
    % B2 Y# j( A+ {, t+ e
43.                   if (STM32Ipl_Convert(&frame_rgb565, &frame_rgb565_grayscale) != stm32ipl_err_Ok) {
    
44.                           while(1);
      ], x' I$ D$ x6 \9 n; M$ [
45.                   }
    
46.                   // grayscale 320*240 to grayscale 96x96x2
    
47.                   if (STM32Ipl_Resize(&frame_rgb565_grayscale, &frame_grayscale_resized, &roi) != stm32ipl_err_Ok) {
    
48.                           while(1);
    
49.                   }
    
50. 
    
51.                   //AI
    6 M0 w5 v0 ~) Y/ S; U; d) u
52.                   aiRun(buffer_grayscale_resized, network_output);
    
53.                   postprocess(network_output);
    
54. 
    & d- S. |. }6 W5 }" a  z0 e/ L
55.                   HAL_GPIO_WritePin(GPIOC, GPIO_PIN_13, GPIO_PIN_SET);
    2 w* E0 U3 i) {/ a3 p
56.                   HAL_GPIO_WritePin(GPIOF, GPIO_PIN_0, GPIO_PIN_RESET);
    , z8 J- o0 ]4 L, v% ~" c
57. 
    
58.         }
    - u: L# N! |; v9 d1 I
59. }
    ' B  ^) ?  [) K8 X% f3 w

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，
7 `1 S* S! ~0 ~4 _) _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

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;
   5 S" k5 \% F4 F1 k* K, A1 N3 j
4.   ai_error err;
   
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;
   
8.   ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;
   $ Z- @, o/ T* V
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);
    
13.   ai_output[0].n_batches = 1;
    
14.   ai_output[0].data = AI_HANDLE_PTR(pOut);
    
15. 
    ' ^+ M5 z7 w6 l6 B$ |/ k
16.   batch = ai_network_run(network, ai_input, ai_output);
    
17.   if (batch != 1) {
    4 V( a$ B. o: P7 G
18.     err = ai_network_get_error(network);
    " J& U# {! A$ V. N. P( R, \' d. d
19.     printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
    
20.     Error_Handler();
    
21.   }
    
22. }
    + h3 c# I" H6 r) l/ j* c

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，
8 @: e! @) v. O$ w% h) K

1. ai_i32 ai_network_run(
   # S. j* v) H* f3 Z$ C
2.   ai_handle network, const ai_buffer* input, ai_buffer* output)
   4 G0 s1 j( B3 S( [% K% j
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。

5 小结
: K3 _, G" ^3 `7 ?, S8 q9 ^3 Z    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。
  c$ N+ G6 B& {& M) f
5 k& v) A* n/ q: y7 A3 P
3 h4 \% \( X/ p5 M& r2 I1 ]
2 _1 `, ^4 N9 H: j
3 T! v  ?% i1 {$ f5 |, @' ~

) ?7 ?  Z' d2 l1 Y$ \# R
/ t. v5 r; \2 r: G

0 b% J3 P% V/ o6 u: }& A
% A$ Y$ d, ^0 e& U. t, |

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
/ Y* m7 w6 c" o8 _7 _

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
# w1 F) B+ V. P' ]3 y
+ g. f! q! C5 r8 O8 K7 k

这个网络模型是什么模型？
- h1 d# i/ ]# |# b. H

大佬求源码

UP求驱动程序