基于RK3576开发板的安全帽检测算法
1. 平安帽检测简介
平安帽佩带检测是工天、消费平安、安防的重中之重，但报酬客观检测的体例时效性好且不克不及齐程监控。AI手艺的日渐成生催死了平安帽佩带检测计划，成了监视佩带平安帽的利器。本平安帽检测算法是一种基于深度进修的对人停止检测定位的目的检测，能无效用于产物降天。
本平安帽检测算法正在数据散表示以下所示：
| 平安帽检测算法 | mAP@0.5 |
| HELMET | 0.93 |
基于EASY-EAI-Orin-nano硬件主板的运转效力：
| 算法品种 | 运转效力 |
| helmet_detect | 57ms |
2. 疾速上脚
假如您初度浏览此文档，请浏览：《进门指北/源码治理及编程引见/源码工程治理》，按需治理本人工程源码（注：此文档必看，并倡议采取【近程挂载治理】体例，不然有代码丧失风险！！！）。
2.1 开源码工程下载
先正在PC实拟机定位到nfs效劳目次，再正在目次中创立寄存源码堆栈的治理目次：
cd ~/nfsroot mkdir GitHub cd GitHub
再经过git东西，正在治理目次内克隆近程堆栈（需求装备能对中网停止拜访）
git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.git
注：
* 此处能够会果收集缘由形成卡顿，请耐烦等候。
* 假如真实要正在gitHub网页高低载，也要把全部堆栈下载上去，不克不及独自下载本真例对应的目次。
2.2 开辟情况拆建
经过adb shell进进板卡开辟情况，以下图所示。
经过以下号令，把nfs目次挂载上nfs效劳器。
mount -t nfs -o nolock < nfs server ip >:< nfs path in server > /home/orin-nano/Desktop/nfs/
2.3 例程编译
然后定位到板卡的nfs的挂载目次(依照实践挂载目次)，进进到对应的例程目次履行编译操纵，详细号令以下所示：
cd EASY-EAI-Toolkit-3576/Demos/algorithm-helmet/ ./build.sh
2.4 模子摆设
要完成算法Demo的履行，需求先下载平安帽检测算法模子。
百度网盘链接为：https://pan.百度.com/s/1VQGznN3Htq_F_bUn3KAWYQ?pwd=1234 （提与码：1234 ）。
同时需求把下载的平安帽检测算法模子复造粘揭到Release/目次：
2.5 例程运转及结果
进进开辟板Release目次，履行下圆号令，运转示例顺序：
cd Release/ ./test-helmet_detect helmet_detect.model test.jpg
运转例程号令以下所示：
后果图片以下所示：
API的具体阐明，和API的挪用（本例程源码），具体疑息睹下圆阐明。
3. 平安帽检测API阐明
3.1 援用体例
为便利客户正在当地工程中间接挪用我们的EASY EAI api库，此处列收工程中需求链接的库和头文件等，便利用户间接增加。
| 选项 | 描绘 |
| 头文件目次 | easyeai-api/algorithm/helmet_detect |
| 库文件目次 | easyeai-api/algorithm/helmet_detect |
| 库链接参数 | -lhelmet_detect |
3.2 平安帽检测初初化函数
平安帽检测初初化函数本型以下所示。
int helmet_detect_init(rknn_context *ctx, const char * path)
详细引见以下所示。
| 函数名： helmet_detect_init() | |
| 头文件 | helmet_detect.h |
| 输出参数 | ctx：rknn_context句柄 |
| 输出参数 | path:算法模子的途径 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
3.3 平安帽检测运转函数
平安帽检测运转函数helmet_detect_run本型以下所示。
int helmet_detect_run(rknn_context ctx, cv::Mat input_image, detect_result_group_t *detect_result_group)
详细引见以下所示。
| 函数名：helmet_detect_run() | |
| 头文件 | helmet_detect.h |
| 输出参数 | ctx: rknn_context句柄 |
| 输出参数 | input_image:图象数据输出(cv::Mat是Opencv的范例) |
| 输入参数 | output_dets:目的检测框输入 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
3.4 平安帽检测开释函数
平安帽检测开释函数本型以下所示。
int helmet_detect_release(rknn_context ctx)
详细引见以下所示。
| 函数名：helmet_detect_release () | |
| 头文件 | helmet_detect.h |
| 输出参数 | ctx: rknn_context句柄 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
4. 平安帽检测算法规程
例程目次为Demos/algorithm-helmet/test-helmet_detect.cpp，操纵流程以下。
参考例程以下所示。
#include < opencv2/opencv.hpp >
#include < stdio.h >
#include < sys/time.h >
#include"helmet_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)
{
if (argc != 3)
{
printf("%s < model_path > < image_path >n", argv[0]);
return -1;
}
const char *model_path = argv[1];
const char *image_path = argv[2];
/* 参数初初化 */
detect_result_group_t detect_result_group;
/* 算法模子初初化 */
rknn_context ctx;
helmet_detect_init(&ctx, model_path);
/* 算法运转 */
cv::Mat src;
src = cv::imread(image_path, 1);
struct timeval start;
struct timeval end;
float time_use=0;
gettimeofday(&start,NULL);
helmet_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);
/* 算法后果正在图象中绘出并保管 */
// Draw Objects
char text[256];
for (int i = 0; i < detect_result_group.count; i++)
{
detect_result_t* det_result = &(detect_result_group.results[i]);
if( det_result- >prop < 0.4)
{
continue;
}
sprintf(text, "%s %.1f%%", det_result- >name, det_result->prop * 100);
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;
/*
rectangle(src, cv::Point(x1, y1), cv::Point(x2, y2), cv::Scalar(255, 0, 0, 255), 3);
putText(src, text, cv::Point(x1, y1 + 12), cv::FONT_HERSHEY_SIMPLEX, 0.5, cv::Scalar(0, 0, 0));
*/
plot_one_box(src, x1, x2, y1, y2, text, i%10);
}
cv::imwrite("result.jpg", src);
/* 算法模子空间开释 */
helmet_detect_release(ctx);
return 0;
}
考核编纂 黄宇