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。

$ q3 [  _7 ?) o$ s) p: u9 ^首先获取Tensorflow LiteMCU版的源代码：https://github.com/tensorflow/tflite-micro
' G' Z  e! p" g6 y# ?& {6 g" O+ m0 x
# q1 y0 I& T3 r, k) H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)

+ U9 z6 m/ u" n- t' q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
1 S/ k, g1 f& O; I2 n. ]% l( e
' X/ D( p! D4 P( l6 i1 \) Q# A
添加相关路径
. D6 O0 c$ ^0 b
( D2 V0 `' {& L& D8 y1 X  S% T
; t) l% C0 \* q4 q* t设置工程，使用AC6编译，关闭Keil的Microlib库
, E9 S7 P1 v" c! T1 n& E" b4 K9 |! ?6 F
* ^, s8 o0 N+ Y& ^" R: `& U
6 @5 m( D" S* [2 ?/ `/ m编译选项使用-Os，这样代码体积小点
& J& @+ W+ A# u8 G3 V4 l% a5 ^

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)
   7 o+ D0 \4 j( C9 ^. D/ \" E3 P/ t
2. {
   1 i# w( T! n9 e# a; p  D
3.     uint8_t bg_r = 0;
   
4.     uint8_t bg_g = 0;
   
5.     uint8_t bg_b = 0;
   
6.     bg_r = ((bg_color>>11)&0xff)<<3;
   
7.     bg_g = ((bg_color>>5)&0x3f)<<2;
   
8.     bg_b = (bg_color&0x1f)<<2;
   1 d0 [8 a& t# R9 v, V" [
9.     uint8_t gray = (bg_r*299 + bg_g*587 + bg_b*114 + 500) / 1000;
   1 o' a! \+ z4 d8 C/ O
10.     return gray;
    
11. }
    
12. 
      T3 m9 ^1 A4 b) V$ `1 q9 }, ?
13. void input_convert(uint16_t* camera_buffer , uint8_t* model_buffer)
    
14. {
    : [9 b: ]& I1 T1 @; R. c
15.     int i,j;
    : V! z4 E; S6 @2 p  Q
16.     for(i=0; i<96; i++)
    
17.         {
    
18.         for(j=0; j<96; j++)
    
19.         {
    
20.             model_buffer[i*96+j] = rgb565_to_gray(camera_buffer[i*2*320 + j*2 + 64 + 320*24]);
    6 k' `% [6 O6 W3 o
21.         }
    4 W7 K7 [$ q$ U4 l$ C
22.         }
    - ~! M8 Q: N4 W% q" t
23. }

复制代码

在图像接收中断里面处理识别过程

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   
2. {
   " o2 C  P6 R1 o# ?5 q& ]
3.     uint8_t person_flag;   
   ( W5 M) C5 N* S
4. 
   ! J  k) K( b% Y- v- W
5.     //转换图像为模型可处理的大小
   ) _7 ^! [' r% {: w* G8 ]5 \
6.     input_convert((uint16_t*)_OV2640->frame->buffer, model_buffer);
   
7.     person_flag = person_detect(model_buffer);  //运行模型
   6 t3 a4 c1 U- j* r+ D" O
8.    
   
9.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
   , T- S- f3 D# @. \/ M
10.     for(int i=0;i<192;i++)
    : N- B# ^/ s/ l6 k# o
11.     {
    5 ]9 G- X4 J1 m- P. B. k
12.         LCD_Draw_Point(i+64,  192+24,0xf100);
    + {0 T3 |: N9 ?3 f  b) X
13.         LCD_Draw_Point(192+64,i+24,  0xf100);
    
14.         LCD_Draw_Point(i+64,  0+24,  0xf100);
    
15.         LCD_Draw_Point(64,    i+24,  0xf100);
    
16.     }
    
17.     if(person_flag!=0)LCD_Draw_String(0, 0, 320, 240, 32, "people");
    - `% |; z; P( ?& b3 n/ K5 Q* o! J
18.    
    
19.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    5 \+ F: F, j- ?( g  T8 y1 C
20. }

复制代码

; M+ Y/ w' V" r; J' @+ f

运行效果：
识别充电器（无反应）

* O7 g. \" l' R# a
% ^1 p8 Z5 C8 b1 T7 V
9 E1 j: c/ I( B1 o5 Y; j; g识别打火机（无反应）
, o0 p1 w" S; X6 l4 S% S

0 H/ x' A$ N' H$ p2 v6 m7 _识别人体（显示people）


+ I+ ^3 `- E4 h* H, `; p+ e

" G1 J" M% u. i8 o2 l( a. C

打火机相当出境

谢谢楼主共享评测，谢谢共享代码！学习了。
, {7 m; Z: Z: e: Z