大家好，今天介紹的是我們的老朋友，基于全志T507-H處理器開發的MYD-YT507H開發板。本期視頻已經在某站獲得了23W+的播放（截至3月29日）。

本期的MYD-YT507H開發板應用操作由 VeriMake的實習生，來自帝國理工的同學完成。

MYD-YT507H開發板由米爾電子于2022年推出和銷售，搭載了全志的車規級T507-H處理器，具有超高性能和豐富的外設資源，是優秀的國產工業CPU平臺。

屏蔽罩下的是全志的T507-H處理器：

集成四核Cortex–A53，主頻1.5GHz，符合汽車AEC-Q100測試要求；

支持4K視頻編解碼；

支持LVDS、HDMI、RGB以及CVBS四種顯示輸出接口；

支持雙屏同顯、雙屏異顯，支持MIPI CSI 、DVP攝像頭輸入；提供流暢的用戶體驗和專業的視覺效果。

搭載的1GB DDR4內存與8GB eMMC；

開發板擁有豐富的外設擴展：SD卡槽、持雙路網口，4個USB2.0接口，1個SPI，2個SDIO；

工業級板卡的工作溫度范圍為-40℃ - +85℃；

核心板為郵票孔設計。

這款基于全志T507-H處理器開發的開發板及核心板，可廣泛應用于電力物聯網、汽車電子、商業顯示、工業控制、醫療器械、智能終端等領域。

MYC-YT507H核心板及開發板的軟件資料也非常豐富，包含但不限于U-boot、Linux、所有外設驅動源碼和相關開發工具。文檔資料包含產品手冊、硬件用戶手冊、硬件設計指南、底板PDF原理圖、Linux軟件評估和開發指南等相關資料，能夠有效幫助開發者提高開發效率、縮短開發周期，加快產品研發和上市時間。

接下來我們就用這塊開發板做一個簡單的基于圖像傳輸的人臉識別小應用吧。這個案例全部用python開發，實際代碼不超過50行，是比較好入門的。本次評測我們會嘗試無線圖傳功能，并且疊加人臉識別檢測視頻中是否存在人臉。

這次測試使用的是USB攝像頭，可以直接接在開發板的接口上。

01.

連接攝像頭

連接好攝像頭后使用指令dmesg，看到能讀取到攝像頭。顯示為HIK 720p Camera

接下來使用v4l來檢測相機的詳細參數。

安裝v4l：sudo apt install v4l-utils使用sudo v4l2-ctl --list-devices查看詳細信息與設備號

02.

使用OpenCV進行人臉識別

這里使用的識別程序借鑒了這個CSDN博主的代碼https://blog.csdn.net/qianbin3200896/article/details/123643791

在開始之前，先安裝幾個庫：

sudo apt update完成更新
sudo apt install python3-opencv
pip3 install --upgrade pip
pip3 install zmq
pip3 install pybase64

首先在開發板上運行如下程序，讀取攝像頭數據并將數據發送至PC。

import cv2import zmqimport base64
def main(): ''' 主函數 ''' IP = '192.168.2.240' #上位機視頻接受端的IP地址
# 創建并設置視頻捕獲對象 cap = cv2.VideoCapture(0) print("open? {}".format(cap.isOpened())) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320) # 設置圖像寬度 cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240) # 設置圖像高度
# 建立TCP通信協議 contest = zmq.Context() footage_socket = contest.socket(zmq.PAIR) footage_socket.connect('tcp://%s:5555'%IP)

接著需要在PC上接收開發板傳來的信息，將視頻分為一幀幀的內容分別存儲和處理。當識別到人臉時會用紅框圈出。

打開anaconda prompt運行如下內容

import cv2import zmqimport base64import numpy as np
def main(): ''' 主函數 ''' context = zmq.Context() footage_socket = context.socket(zmq.PAIR) footage_socket.bind('tcp://*:5555') cv2.namedWindow('Stream',flags=cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO)

while True: print("監聽中") frame = footage_socket.recv_string() #接收TCP傳輸過來的一幀視頻圖像數據 img = base64.b64decode(frame) #把數據進行base64解碼后儲存到內存img變量中 npimg = np.frombuffer(img, dtype=np.uint8) #把這段緩存解碼成一維數組 source = cv2.imdecode(npimg, 1) #將一維數組解碼為圖像source # img=cv2.imread('1.png',1) grayimg = cv2.cvtColor(source, cv2.COLOR_BGR2GRAY) face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') faces = face_cascade.detectMultiScale(grayimg, 1.2, 5) for (x, y, w, h) in faces: cv2.rectangle(source, (x, y), (x + w, y + h), (0, 0, 255), 2) cv2.imshow('frame', source) if cv2.waitKey(1) == ord('q'): capture.release() break
if __name__ == '__main__': ''' 程序入口 ''' main()

正常工作時會一直print監聽中。

此時可以在pc上彈出的窗口中看到攝像頭畫面，有人臉出現也能自動識別。不過存在一定的延遲。