Tensorflow Lite Micro是tensorflow框架针对微控制器应用场景所专门设计的深度学习推理框架，它占用的资源少，运行时内存最低只需要16KB，同时其兼容tensorflow框架，依托于Tensorflow平台强大的生态背景，使得更多开发者可以方便的集成、使用AI算法，为端侧带来人工智能的新活力。其中Tensorflow Lite模型也被ST的AI工具所支持，但是我们这次是不通过STM32提供的AI工具，而是移植Tensorflow Lite代码去运行其模型。
5 M; [. s& G' T+ C3 ~
* ?  i7 Q/ P/ @2 O# f/ {首先获取Tensorflow LiteMCU版的源代码：https://github.com/tensorflow/tflite-micro

1 O: [, J4 d8 d* T, U9 M根据教程获取工程代码：TFLITE-micro/new_platform_support.md at Main ·张量流/TFLITE-micro ·吉特哈布 (github.com)
7 j( n% t- N. S) Z3 a' E
文件都扔工程里面，太多了，截图只是一部分。把CMSIS-NN库（算子加速）也扔进去，加速运算


: i" j: Q$ E: T3 C) n+ F6 z  |, ~添加相关路径
: ]9 ~% a2 }' B$ X% w0 N$ H
& e: |3 v( x; p) d
设置工程，使用AC6编译，关闭Keil的Microlib库


. l) |! Z* C) y5 g编译选项使用-Os，这样代码体积小点


( y: }/ ^+ D% @1 ~# j图像预处理函数。模型要求输入神经网络的图像为灰度图，为完成摄像头获取的RGB彩图到模型输入需要的灰度图转换，需从输入的RGB565像素格式中解析出R、G、B三通道的值，再根据心理学公式计算出单个像素点的灰度，具体代码如下：

1. uint8_t rgb565_to_gray(uint16_t bg_color)
   & w. X- l& m% i- p
2. {
   
3.     uint8_t bg_r = 0;
   0 a: @( _! {- y( R( B1 n
4.     uint8_t bg_g = 0;
   % A7 n  g4 G9 W5 W8 Y+ c) b5 N. c
5.     uint8_t bg_b = 0;
   1 O: z$ ?0 m4 R+ a
6.     bg_r = ((bg_color>>11)&0xff)<<3;
   
7.     bg_g = ((bg_color>>5)&0x3f)<<2;
   
8.     bg_b = (bg_color&0x1f)<<2;
   ( R( E/ K7 I' o6 t9 N
9.     uint8_t gray = (bg_r*299 + bg_g*587 + bg_b*114 + 500) / 1000;
   3 d5 Q( G; {; {8 |
10.     return gray;
    
11. }
    
12. 
    6 P- b( ]: J2 u
13. void input_convert(uint16_t* camera_buffer , uint8_t* model_buffer)
    $ `: c2 Z: ^+ n, N$ I9 x
14. {
    
15.     int i,j;
    4 x0 a3 Y! J  E0 S0 l( N$ L
16.     for(i=0; i<96; i++)
    
17.         {
    + A3 X% `! D! K. V$ L- j  D
18.         for(j=0; j<96; j++)
    7 g# K% u2 c/ s  D" Z, c
19.         {
    # R6 n0 L' N. p& V8 [$ p
20.             model_buffer[i*96+j] = rgb565_to_gray(camera_buffer[i*2*320 + j*2 + 64 + 320*24]);
    - u% `7 S& C$ t+ G7 f
21.         }
    . T& j0 U2 k6 Q
22.         }
    
23. }

复制代码

9 @0 U$ k; X6 J2 T; X5 ]& @% f; B在图像接收中断里面处理识别过程

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   
2. {
   
3.     uint8_t person_flag;   
   ( l3 @: @$ j2 O/ I. {  _
4. 
   
5.     //转换图像为模型可处理的大小
   
6.     input_convert((uint16_t*)_OV2640->frame->buffer, model_buffer);
   
7.     person_flag = person_detect(model_buffer);  //运行模型
   
8.    
   
9.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
     |1 U2 }9 d* e; d7 d2 M
10.     for(int i=0;i<192;i++)
    
11.     {
    2 |- v# U6 _, M. x$ {8 \/ J6 S
12.         LCD_Draw_Point(i+64,  192+24,0xf100);
    / @8 ^5 p4 l, `. Q
13.         LCD_Draw_Point(192+64,i+24,  0xf100);
    6 V8 e( \; v! i2 t
14.         LCD_Draw_Point(i+64,  0+24,  0xf100);
    
15.         LCD_Draw_Point(64,    i+24,  0xf100);
    
16.     }
    8 N4 ?: c+ f; a8 r% M
17.     if(person_flag!=0)LCD_Draw_String(0, 0, 320, 240, 32, "people");
    
18.    
    
19.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
20. }

复制代码

& y  ]: g- E/ c运行效果：
, I1 w8 a0 _1 v% ^: o识别充电器（无反应）
8 Q' i8 G4 L6 ~: w: U


0 N8 y* |4 I1 ?5 I2 p& G识别打火机（无反应）

+ U; `* Z2 f' K) H
识别人体（显示people）
) P$ D) p; c8 `. o  N* O

9 R) I$ X) d' W% {: {' Y- H! p( o0 K, K

打火机相当出境

谢谢楼主共享评测，谢谢共享代码！学习了。
3 [+ r1 j* X5 j: K