瑞芯微RV1126B开发板(EASY-EAI-PI2) 人员检测方案
1.方案简介本方案将演示如何把两路MIPI-CSI摄像头接入到【人员检测算法】进行分析并且把算法分析结果展示到屏幕上。1.1 接线示意图摄像头与板卡连接* 接线必须在断电时进行操作。* 采用反向线连接IMX415摄像头与Cmaera1接口。注意用错线会烧坏摄像头或者核心板因此在接线时务必要小心。* 接线端子卡扣与FPC线的蓝色塑料标识必须位于同一侧。如下图所示。EASY EAI PI2默认搭配IMX415单目摄像头。同时配有一根0.5mm间距的40pin FPC反向线。反向线两端的蓝色标识不在同一侧面。同向线两端的蓝色标识处于同一侧面。2. 快速上手2.1 开发环境准备如果您初次阅读此文档请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》并按照其相关的操作进行编译环境的部署。在PC端Ubuntu系统中执行run脚本进入EASY-EAI编译环境具体如下所示。cd ~/develop_environment ./run.sh 22042.2 源码下载以及例程编译在EASY-EAI编译环境下创建存放源码仓库的管理目录cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit通过git工具在管理目录内克隆远程仓库git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-1126B.git注* 此处可能会因网络原因造成卡顿请耐心等待。* 如果实在要在gitHub网页上下载也要把整个仓库下载下来不能单独下载本实例对应的目录。进入到对应的例程目录执行编译操作具体命令如下所示cd EASY-EAI-Toolkit-1126B/Solutions/detect-Person ./build.sh注* 由于依赖库部署在板卡上因此交叉编译过程中必须保持/mnt挂载。2.3 模型部署要想开发实例能够顺利执行还需要先下载人员检测算法模型。百度网盘链接为https://pan.baidu.com/s/1Elmet68gYsIYY5DClF3xnw?pwd1234提取码: 1234同时需要把下载的人脸检测算法模型复制粘贴到Release/目录再执行一次编译这次要带上cpres代表把资源文件也拷过去板卡./build.sh cpres2.4 例程运行通过串口调试或ssh调试进入板卡后台定位到例程部署的位置如下所示cd /userdata/Solu/detect-Person运行例程命令如下所示。./detect-Person 23屏幕显示效果如下3. 代码解析方案主逻辑代码位于EASY-EAI-Toolkit-1126B/Solution/detect-Person/src/main.cpp。代码实现主要通过调用我司的easyeai-api库快速实现人员检测功能代码主体分为主线程和算法3.1 组件库组成要实现人员检测功能需要使用到easyeai-api库的以下组件如下所示。模组信息如下所示。3.2 逻辑框图项目的整体逻辑框图如下所示。3.3 主线程主线程处理的业务有l 初始化外设l 创建算法分析子线程l 抓图发送给到子线程l 抓图、显示本处附上主要的逻辑功能代码其他辅助的、校验型的代码先忽略。初始化显示屏如下所示。// 1.初始化显示屏 int width, height; if (disp_init(width, height) 0) { fprintf(stderr, DRM初始化失败\n); return -1; }组件初始化操作如下本处调用mipi摄像头。// 2.打开摄像头 #define CAMERA_WIDTH 1920 #define CAMERA_HEIGHT 1080 #define IMGRATIO 3 #define IMAGE_SIZE (CAMERA_WIDTH*CAMERA_HEIGHT*IMGRATIO) int cameraIndex atoi(argv[1]); ret mipicamera_init(cameraIndex, CAMERA_WIDTH, CAMERA_HEIGHT, 0); if (ret) { printf(error: %s, %d\n, __func__, __LINE__); goto exit3; } pbuf (char *)malloc(IMAGE_SIZE); if (!pbuf) { printf(error: %s, %d\n, __func__, __LINE__); ret -1; goto exit2; }创建线程互斥锁以及线程如下所示。// 3.创建识别线程以及图像互斥锁 pthread_mutex_init(img_lock, NULL); pResult (Result_t *)malloc(sizeof(Result_t)); memset(pResult, 0, sizeof(Result_t)); if(0 ! CreateNormalThread(detect_thread_entry, pResult, mTid)){ free(pResult); }抓取图像调用clone操作。// 4.1、取流 pthread_mutex_lock(img_lock); ret mipicamera_getframe(cameraIndex, pbuf); if(ret) { printf(error: %s, %d\n, __func__, __LINE__); pthread_mutex_unlock(img_lock); continue; } algorithm_image Mat(CAMERA_HEIGHT, CAMERA_WIDTH, CV_8UC3, pbuf); image algorithm_image.clone(); pthread_mutex_unlock(img_lock);调用显示图像将分析的目标位置通过Result标记出来。// 4.2、显示 char text[256]; for (int i 0; i Result.algoRes[0].resNumber; i) { detect_result_t *det_result (Result.algoRes[0].detect_Group.results[i]); if( det_result-prop 0.4) { continue; } // 标出识别目标框 sprintf(text, %s %.1f%%, det_result-name, det_result-prop * 100); printf(%s (%d %d %d %d) %f\n, det_result-name, det_result-box.left, det_result-box.top, det_result-box.right, det_result-box.bottom, det_result-prop); int x1 det_result-box.left; int y1 det_result-box.top; int x2 det_result-box.right; int y2 det_result-box.bottom; // 标出识别目标定位标记 /* rectangle(image, cv::Point(x1, y1), cv::Point(x2, y2), cv::Scalar(255, 0, 0, 255), 3); putText(image, text, cv::Point(x1, y1 12), cv::FONT_HERSHEY_SIMPLEX, 0.5, cv::Scalar(0, 0, 0)); */ plot_one_box(image, x1, x2, y1, y2, text, i%10); } disp_commit(image.data, CAMERA_WIDTH, CAMERA_HEIGHT, HAL_TRANSFORM_ROT_270);3.4 算法分析子线程算法分析子线程主要完成以下操作l 延时监测是否图像缓冲区是否为空l 不为空时证明主函数已发送图像数据过来线程执行图像获取操作l 调用人员分析函数l 记录目标框的数据用于后续图像合成操作延时监测是否有图像操作如下所示。if(algorithm_image.empty()) { usleep(5); continue; }获取图像操作如下所示。pthread_mutex_lock(img_lock); image algorithm_image.clone(); pthread_mutex_unlock(img_lock);调用人员检测函数算法得到的目标结果记录于pResult的algoRes[0]成员内如下所示。// 算法分析 ret person_detect_run(ctx, image, pResult-algoRes[0].detect_Group);4. 开发指南4.1 Toolkit仓库介绍4.2 示例文件目录结构4.2.1 开发实例介绍每个开发实例就是一个独立的项目项目使用cmake构建自动编译部署。一个最简单的项目至少要包含以下元素build.sh、CMakeLists.txt、main.c如下所示。具体介绍如下所示。4.2.2 可拓展的目录可拓展的目录是指开发过程中增加某些功能模块功能代码。增加模式分为两种l 增加已编译的第三方库在include、libs目录内添加头文件和库文件l 增加用户自定义的功能模块推荐在src目录内增加具体情况如下所示第三方模块相关的文件由include/3rd_model/xxx.h、libs/3rd_model/xxx.a。自定义的功能模块为src/mySrcCode、src/mySrcCode2。4.3 CMakeLists.txt文件解析4.3.1 编译环境配置部分第一部分为配置部分配置部分如下所示。获取当前方案目录、配置工具链、提取方案名称配置信息如下所示。4.3.2 easyeai-api配置部分第二部分是引入我司的功能组件库针对当前方案进行配置EASY EAI API头文件目录${XXX_INCLUDE_DIRS}、源码文件目录${XXX_SOURCE_DIRS}以及所依赖的库参数${XXX_LIBS}配置信息如下所示。4.3.3 第三方库配置部分第三部分配置第三方的库针对当前方案进行配置第三方头文件目录、库文件目录、配置第三方库链接参数以及配置源码目录配置信息如下所示。例如添加个人库的目录组成方式如下所示。aux_source_directory的修改方式为aux_source_directory(./src ./src/mySrcCode ./src/mySrcCode2 dir_srcs)或aux_source_directory(./src dir_srcs) aux_source_directory(./src/mySrcCode dir_srcs) aux_source_directory(./src/mySrcCode2 dir_srcs)4.3.4 本方案配置部分第四部分配置项目的编译信息内容如下所示配置项如下所示。4.4 build.sh编译脚本4.4.1 路径定位部分第一部分用于提取目录用于编译操作内容如下所示进入build.sh脚本所在目录并且提取当前目录绝对路径提取当前目录名称4.4.2 清除编译部分第二部分清除操作清除目录为build、Release内容如下所示执行build.sh脚本时带入了参数“clear”则清空编译输出4.4.3 编译操作第三部分编译直接调用cmake内容如下所示重新编译成部署目录并把资源自动部署进板卡

相关新闻

fakeLoader.js核心功能解析:深入理解7种加载动画的实现原理

fakeLoader.js核心功能解析:深入理解7种加载动画的实现原理

fakeLoader.js核心功能解析:深入理解7种加载动画的实现原理 【免费下载链接】fakeLoader.js fakeLoader.js is a lightweight jQuery plugin that helps you create an animated spinner with a fullscreen loading mask to simulate the page preloading effect. …

2026/7/22 6:57:38 阅读更多 →
前端转大模型:别只盯着 Prompt,权限与可观测才是生产环境的生死线

前端转大模型:别只盯着 Prompt,权限与可观测才是生产环境的生死线

聊《做过前端的人学大模型,哪些经验可以直接迁移?》之前,先说一句实在的:别急着背概念,先看它在真实项目里到底解决什么问题。摘要先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值…

2026/7/22 4:30:10 阅读更多 →
企业大脑,让企业拥有自己的思考系统

企业大脑,让企业拥有自己的思考系统

如果ERP是企业的运营系统,那什么是企业的思考系统?这个问题这两年被反复提起。企业上了ERP、MES、CRM,把业务流程跑通了,数据也沉淀下来了,但要做经营分析、战略决策、跨部门协同判断的时候,还是得靠人去各…

2026/7/20 20:43:22 阅读更多 →

最新新闻

医疗票据OCR技术解析与API对接实战

医疗票据OCR技术解析与API对接实战

1. 医疗票据OCR的技术痛点与行业需求 医疗票据的数字化处理一直是医院和医保系统的老大难问题。每天门诊大厅里堆积如山的发票、住院部源源不断的结算单,传统的人工录入方式不仅效率低下,还容易出错。我曾亲眼见过某三甲医院的财务科,20多名工…

2026/7/24 8:21:45 阅读更多 →
医疗票据OCR技术:医院数字化转型的核心解决方案

医疗票据OCR技术:医院数字化转型的核心解决方案

1. 医疗票据OCR技术为何成为医院数字化刚需 每天清晨,当三甲医院结算窗口排起长队时,财务人员面前堆积如山的医保单据正暴露着传统医疗票据处理的三大痛点:人工录入速度慢(熟练员工处理单张票据需3-5分钟)、差错率高&a…

2026/7/24 8:21:45 阅读更多 →
FCA-RL框架:强化学习在动态出行调度中的应用

FCA-RL框架:强化学习在动态出行调度中的应用

1. 项目概述:FCA-RL框架的核心价值 在网约车、共享出行等实时服务领域,市场供需关系往往呈现剧烈波动。传统静态调度算法在面对突发天气、节假日高峰或区域性活动时,常出现响应迟滞、资源错配等问题。我们团队提出的FCA-RL(Feedba…

2026/7/24 8:21:45 阅读更多 →
交互式网络图:从NHL斯坦利杯历史挖掘球员与球队的冠军关联

交互式网络图:从NHL斯坦利杯历史挖掘球员与球队的冠军关联

1. 先搞清楚这个网络图到底能看什么 如果你对 NHL(国家冰球联盟)的斯坦利杯冠军历史感兴趣,这个交互式网络图项目值得花十分钟试试。它不是简单地把历年冠军列个表,而是把所有冠军球队、球员、教练这些实体用连线关系可视化出来。…

2026/7/24 8:21:45 阅读更多 →
FCA-RL框架:强化学习在网约车动态资源分配中的应用

FCA-RL框架:强化学习在网约车动态资源分配中的应用

1. 项目概述在出行服务领域,动态市场环境下的资源分配效率一直是行业痛点。我们团队提出的FCA-RL框架,正是针对网约车平台中出行服务商面临的这一核心挑战。这个方案通过强化学习技术,实现了在预算约束条件下的动态投资策略优化,帮…

2026/7/24 8:21:45 阅读更多 →
AI Agent如何用《论语》智慧解决现代问题

AI Agent如何用《论语》智慧解决现代问题

1. 项目背景与核心思路"半部论语治天下"这个说法最早出自宋代赵普的典故,形容儒家经典《论语》蕴含的治理智慧。而今天,我尝试用AI Agent技术来重构这个千年命题——不是简单地文本处理,而是构建一个能理解、应用《论语》智慧的智能…

2026/7/24 8:20:45 阅读更多 →

日新闻

用Highcharts 创建可拖拽三维散点立方体3D图表

用Highcharts 创建可拖拽三维散点立方体3D图表

该案例基于Highcharts scatter3d 三维散点图实现空间立方体散点可视化,核心特色:三维 X/Y/Z 三轴空间,所有散点分布在 0~10 立方体空间内;散点使用径向渐变实现立体 3D 圆球质感;支持鼠标 / 触屏拖拽画布,…

2026/7/24 0:00:29 阅读更多 →
AppCertDlls:进程创建路径上的 DLL 入口

AppCertDlls:进程创建路径上的 DLL 入口

AppCertDlls:进程创建路径上的 DLL 入口 AppCertDlls 位于 HKLM\System\CurrentControlSet\Control\Session Manager\AppCertDlls。本文的程序功能是只读列出这个键在 64 位和 32 位注册表视图中的全部值,并显示每条值的来源、名称、类型和可安全显示的数…

2026/7/24 0:00:29 阅读更多 →
我的编程之路:第一篇博客

我的编程之路:第一篇博客

大家好,我是一名编程初学者,同时这也是我编程学习之路上的第一篇博客。在这里,我想要向大家介绍我的一些想法和规划。a.自我介绍我是一个刚刚接触编程的新手,目前在学习c语言,我对编程世界充满了强烈的好奇。当然&…

2026/7/24 0:00:29 阅读更多 →

周新闻

Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/24 3:59:20 阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/24 1:23:39 阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/23 17:49:47 阅读更多 →

月新闻