1. 人員檢測簡介

人員檢測是一種基于深度學習的對人進行檢測定位的目標檢測，能廣泛的用于安防、生產安全等多種場景，是周界入侵檢測、越界識別、聚眾識別、徘徊識別、摔倒識別等多種算法的基石算法。

本人臉檢測算法在數據集表現如下所示：

人員檢測算法	[email protected]
COCO	0.79

基于EASY-EAI-Nano硬件主板的運行效率：

算法種類	運行效率
person_detect	115ms

2. 快速上手

2.1 開發環境準備

如果您初次閱讀此文檔，請閱讀《入門指南/開發環境準備/Easy-Eai編譯環境準備與更新》，并按照其相關的操作，進行編譯環境的部署。

在PC端Ubuntu系統中執行run腳本，進入EASY-EAI編譯環境，具體如下所示。

cd ~/develop_environment ./run.sh

2.2 源碼下載以及例程編譯

在EASY-EAI編譯環境下創建存放源碼倉庫的管理目錄：

cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit

通過git工具，在管理目錄內克隆遠程倉庫

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

注：

* 此處可能會因網絡原因造成卡頓，請耐心等待。

* 如果實在要在gitHub網頁上下載，也要把整個倉庫下載下來，不能單獨下載本實例對應的目錄。

進入到對應的例程目錄執行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-C-Demo/algorithm-person_detect/ ./build.sh cpres

注：

* 若build.sh腳本帶有cpres參數，則會把Release/目錄下的所有資源都拷貝到開發板上。

* 若build.sh腳本不帶任何參數，則僅會拷貝demo編譯出來的可執行文件。

* 由于依賴庫部署在板卡上，因此交叉編譯過程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執行，需要先下載人員檢測算法模型。

百度網盤鏈接為：https://pan.baidu.com/s/1UfQ1QQ2hx0DsbF-ZNdcCAg （提取碼：uer4 ）。

同時需要把下載的人員檢測算法模型復制粘貼到Release/目錄：

再通過下方命令將模型署到板卡中，如下所示。

cp ./Release/*.model /mnt/userdata/Demo

2.4 例程運行

通過按鍵Ctrl+Shift+T創建一個新窗口，執行adb shell命令，進入板卡運行環境。

adb shell

進入板卡后，定位到例程上傳的位置，如下所示：

cd /userdata/Demo

運行例程命令如下所示：

./test-person-detect

2.5 運行效果

person-detect的Demo執行效果如下所示:

再開一個窗口，在PC端Ubuntu環境通過以下命令可以把圖片拉回來:

adb pull /userdata/Demo/result.jpg .

結果圖片如下所示：

API的詳細說明，以及API的調用（本例程源碼），詳細信息見下方說明。

3. 人員檢測API說明

3.1 引用方式

為方便客戶在本地工程中直接調用我們的EASY EAI api庫，此處列出工程中需要鏈接的庫以及頭文件等，方便用戶直接添加。

選項	描述
頭文件目錄	easyeai-api/algorithm_api/person_detect
庫文件目錄	easyeai-api/algorithm_api/person_detect
庫鏈接參數	-lpthread -lperson_detect -lrknn_api

3.2 人員檢測初始化函數

設置人員檢測初始化函數原型如下所示。

int person_detect_init(rknn_context *ctx, const char * path)

具體介紹如下所示。

函數名： person_detect_init()
頭文件	person_detect.h
輸入參數	ctx：rknn_context句柄
path:算法模型的路徑
返回值	成功返回：0
失敗返回：-1
注意事項	無

3.3 人員檢測運行函數

設person_detect_run原型如下所示。

int person_detect_run(rknn_context ctx, cv::Mat input_image, person_detect_result_group_t *detect_result_group)

具體介紹如下所示。

函數名： person_detect_run()
頭文件	person_detect.h
輸入參數	ctx: rknn_context句柄
input_image:圖像數據輸入(cv::Mat是Opencv的類型)
output_dets:目標檢測框輸出
返回值	成功返回：0
失敗返回：-1
注意事項	無

3.4 人員檢測釋放函數

人臉檢測釋放函數原型如下所示。

int person_detect_release(rknn_context ctx)

具體介紹如下所示。

函數名：person_detect_release ()
頭文件	person_detect.h
輸入參數	ctx: rknn_context句柄
返回值	成功返回：0
失敗返回：-1
注意事項	無

4. 人員檢測算法例程

例程目錄為Toolkit-C-Demo/algorithm-person_detect/test-person-detect.cpp，操作流程如下。

參考例程如下所示。

#include #include #include #include"person_detect.h" using namespace cv; using namespace std; static Scalar colorArray[10]={ Scalar(255, 0, 0, 255), Scalar(0, 255, 0, 255), Scalar(0,0,139,255), Scalar(0,100,0,255), Scalar(139,139,0,255), Scalar(209,206,0,255), Scalar(0,127,255,255), Scalar(139,61,72,255), Scalar(0,255,0,255), Scalar(255,0,0,255), }; int plot_one_box(Mat src, int x1, int x2, int y1, int y2, char *label, char colour) { int tl = round(0.002 * (src.rows + src.cols) / 2) + 1; rectangle(src, cv::Point(x1, y1), cv::Point(x2, y2), colorArray[(unsigned char)colour], 3); int tf = max(tl -1, 1); int base_line = 0; cv::Size t_size = getTextSize(label, FONT_HERSHEY_SIMPLEX, (float)tl/3, tf, &base_line); int x3 = x1 + t_size.width; int y3 = y1 - t_size.height - 3; rectangle(src, cv::Point(x1, y1), cv::Point(x3, y3), colorArray[(unsigned char)colour], -1); putText(src, label, cv::Point(x1, y1 - 2), FONT_HERSHEY_SIMPLEX, (float)tl/3, cv::Scalar(255, 255, 255, 255), tf, 8); return 0; } int main(int argc, char **argv) { /* 參數初始化 */ person_detect_result_group_t detect_result_group; /* 算法模型初始化 */ rknn_context ctx; person_detect_init(&ctx, "./person_detect.model"); /* 算法運行 */ cv::Mat src; src = cv::imread("test.jpg", 1); struct timeval start; struct timeval end; float time_use=0; gettimeofday(&start,NULL); person_detect_run(ctx, src, &detect_result_group); gettimeofday(&end,NULL); time_use=(end.tv_sec-start.tv_sec)*1000000+(end.tv_usec-start.tv_usec);//微秒 printf("time_use is %fn",time_use/1000); /* 算法結果在圖像中畫出并保存 */ for (int i = 0; i < detect_result_group.count; i++) { person_detect_result_t *det_result = &(detect_result_group.results[i]); /* if( det_result-?>prop < 0.3 ) { continue; } */ printf("%s @ (%d %d %d %d) %fn", 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; char label_text[50]; memset(label_text, 0 , sizeof(label_text)); sprintf(label_text, "%s %0.2f",det_result->name, det_result->prop); plot_one_box(src, x1, x2, y1, y2, label_text, i%10); } cv::imwrite("result.jpg", src); /* 算法模型空間釋放 */ person_detect_release(ctx); return 0; } 審核編輯 黃宇