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。
: ~! f% X5 A# X( T( U; y$ B. ]) g
$ z6 X6 l3 x" S" J) U首先获取Tensorflow LiteMCU版的源代码：https://github.com/tensorflow/tflite-micro
7 e# ?: F) E' r3 O
/ `* w( a3 D- \# V0 B/ Z$ x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)

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
: M8 U- Y/ f! H. c2 U$ T4 l3 _

0 Y* V/ U  |, p% p, V, p: I9 r5 @添加相关路径
& M; {- `& S% i. |  x! h2 N
" Q$ z! M. k3 T  H/ j! d& ?& E
设置工程，使用AC6编译，关闭Keil的Microlib库
# x$ `/ h7 h0 e8 F
! {" p6 o4 W6 W: f' f- e
编译选项使用-Os，这样代码体积小点

3 [2 x& p6 B: A. _
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)
   
2. {
   
3.     uint8_t bg_r = 0;
   6 }/ {) k  G  S" f0 C
4.     uint8_t bg_g = 0;
   
5.     uint8_t bg_b = 0;
   6 p: D: P- h+ B( q( f6 h; ^
6.     bg_r = ((bg_color>>11)&0xff)<<3;
   
7.     bg_g = ((bg_color>>5)&0x3f)<<2;
   8 R. g! n2 `/ R
8.     bg_b = (bg_color&0x1f)<<2;
   
9.     uint8_t gray = (bg_r*299 + bg_g*587 + bg_b*114 + 500) / 1000;
   2 S/ ]9 z, q! h8 z
10.     return gray;
    , Z5 ]6 G; s! x- r% D
11. }
      E1 i5 d. M$ J6 l
12. 
    
13. void input_convert(uint16_t* camera_buffer , uint8_t* model_buffer)
    
14. {
    : [4 k+ r' F  F, t$ P) q# g
15.     int i,j;
    % z2 ~0 s, v  P  B- F( p- O
16.     for(i=0; i<96; i++)
    
17.         {
    
18.         for(j=0; j<96; j++)
    " d/ N6 t5 I; n  ]" d1 w
19.         {
    
20.             model_buffer[i*96+j] = rgb565_to_gray(camera_buffer[i*2*320 + j*2 + 64 + 320*24]);
    / ^* M3 p, A: V" x$ @
21.         }
    
22.         }
    
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. {
   " }" d+ m3 K$ x( ^/ C0 l; e
3.     uint8_t person_flag;   
   - l9 G) ]+ r' n- N7 L
4. 
   , L" U; k" x3 Z( Q' Q7 i0 _
5.     //转换图像为模型可处理的大小
   
6.     input_convert((uint16_t*)_OV2640->frame->buffer, model_buffer);
   + r& j+ N; M# @0 P; G
7.     person_flag = person_detect(model_buffer);  //运行模型
   # `/ {+ i  q- W. F2 w8 K1 j9 u$ e
8.    
   % u% L6 h2 e/ E
9.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
   5 C- b7 }8 x( P! v! ?- `! E: c
10.     for(int i=0;i<192;i++)
    $ X3 r7 C- Q& ^9 N; x% u7 o
11.     {
    
12.         LCD_Draw_Point(i+64,  192+24,0xf100);
    2 Q" {3 z( ~, @/ e" e
13.         LCD_Draw_Point(192+64,i+24,  0xf100);
    : }; [: a' d6 c; _7 X+ s
14.         LCD_Draw_Point(i+64,  0+24,  0xf100);
    7 L7 W, t2 t" x1 e8 F, b  i6 ^- [
15.         LCD_Draw_Point(64,    i+24,  0xf100);
    $ B/ c+ e: R7 a) L2 {
16.     }
    
17.     if(person_flag!=0)LCD_Draw_String(0, 0, 320, 240, 32, "people");
    ( M' f) |' x9 D( V! u
18.    
    
19.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
20. }

复制代码

运行效果：
* [/ X- t5 V! n3 |' Q' a: y; p% b识别充电器（无反应）
& Z! W' o7 m+ E2 n7 _6 M6 Z( L2 O
& Y& v2 p* }5 M# q3 l$ `
5 n+ E) y$ J. O5 _& ?9 m
* P( Y, x; |+ q7 U识别打火机（无反应）

& R1 i  C7 C- l; m) W# R
识别人体（显示people）
; B5 N4 I& B+ ?5 V! W$ z
; t* \& M2 e* A


- ?0 q& Q' F0 V' j" h8 m

打火机相当出境

谢谢楼主共享评测，谢谢共享代码！学习了。