ART-PI 嵌入式人形检测 附源码(RT-AK Demo)

Person detection

文章目录

  • 1 模型
    • 1.1 参考项目
    • 1.2 模型文件
    • 1.3 自己训练模型
  • 2 RT-AK 使用
  • 3 应用代码
  • 4. 参考链接

让 AI 在你的板子上尽情舞蹈~

本次实验的是识别摄像头中的人,就一个人,而不是多个。

从多类别检测模型改编而来,只保留 person 这个类别,根据各位看官的能力完全可以改成识别多类

本次项目的篇幅将会较长,请各位看官耐心看完

源码地址:Project4-Person_detection_RT-AK

整体分为三部分:

  1. 模型
  2. RT-AK 使用
  3. 板子上的应用层代码实现

硬件平台 ART-Pi, 50M FLOPS。

我的模型(删减后的模型)最终部署在板子上是推理时间是56ms,不包括数据处理时间。

  • pc 端推理一张图片:
$ pip install -r requirements.txt
$ python inference_yolo-s.py

ART-PI 嵌入式人形检测 附源码(RT-AK Demo)_第1张图片

  • 以下是在 ART-PI 上的模型推理实现:

ART-PI 嵌入式人形检测 附源码(RT-AK Demo)_第2张图片


我的模型数据:map 21.58%

Model MACC Inference Size
yolo-s.tflite 6.5 M 50ms 144k

1 模型

1.1 参考项目

参考项目:

  1. Yolo-Fastest https://github.com/dog-qiuqiu/Yolo-Fastest

  2. keras-YOLOv3-model-set https://github.com/david8862/keras-YOLOv3-model-set

原因:目前了解的全网最轻量级的目标检测网络,没有之一

现在不是了,出现了一个 ppyolo,百度产

Network Model Size mAP(VOC 2017) FLOPS
Tiny YOLOv2 60.5MB 57.1% 6.97BFlops
Tiny YOLOv3 33.4MB 58.4% 5.52BFlops
YOLO Nano 4.0MB 69.1% 4.51Bflops
MobileNetv2-SSD-Lite 13.8MB 68.6% &Bflops
MobileNetV2-YOLOv3 11.52MB 70.20% 2.02Bflos
Pelee-SSD 21.68MB 70.09% 2.40Bflos
Yolo Fastest 1.3MB 61.02% 0.23Bflops
Yolo Fastest-XL 3.5MB 69.43% 0.70Bflops
MobileNetv2-Yolo-Lite 8.0MB 73.26% 1.80Bflops

当然,Yolo Fastest 最小的模型也有 0.23 Bflops,想要在 ART-Pi 上顺利的跑起来,肉眼可见的丝滑程度,我是在做梦。。。

这时候有两个办法:

  1. 换一块板子,换一块算力更大的板子。
  2. 将模型改的小一点,能够在 ART-PI 上丝滑的跑起来。

这里我选择的是后者。

我改动的很简单,去掉特征金字塔输出,只保留一个输出,保证对大物体检测友好即可。同时删减网络结构。原来是109层,我是20+层网络结构。

纠正一个思想误区,由于一些很神奇的存在,网络并不是越深,FLOPS 就会越大,比如 DSCNN


第二个参考项目的意义是在于:将模型转变为 tflite 可食用模型

1.2 模型文件

  • 我改动的模型配置文件:./model/yolo-s_with_lrelu.cfg

    原模型配置文件:./model/VOC

    为了防止在后期模型转换的过程中遇到不支持的算子:leakyrelu,我这里提供了一份 relu 的模型训练配置文件

  • 预先训练好的模型:./model/yolo-s.h5 507 k,量化的 tflite 模型文件:./model/yolo-s.tflite 144 k

1.3 自己训练模型

请参考:dog-qiuqiu/Yolo-Fastest 项目

我自己也写过一份 快速上手 yolo-fastest 教程:

https://blog.csdn.net/weixin_37598106/article/details/112544854?spm=1001.2014.3001.5501

但是由于 up 主更新的比较快,可能有一些版本落后,仅供参考。

  1. 需要配置 darknet 训练环境,然后根据需求修改下 cfg 文件即可

  2. 准备数据集:VOC 2007 + VOC 2012

    wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
    wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
    wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
    tar xf VOCtrainval_11-May-2012.tar
    tar xf VOCtrainval_06-Nov-2007.tar
    tar xf VOCtest_06-Nov-2007.tar
    
    wget https://pjreddie.com/media/files/voc_label.py
    # 修改文件,将里面的类别只保留 person 类别
    python voc_label.py
    
    cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
    

​ 修改 ./model/voc_person.data 中的 trainvalid 路径,注意,如果你不是训练 person 单类别,请一并修改 voc_person.names 文件

  1. 训练

    $ ./darknet detector train <data_path> <cfg_path> 
    
    # 举例, -dont_show 是不显示图片, -gpus 是指定 gpu 训练
    $ ./darknet detector train voc_person.data yolo-s.cfg -dont_show -gpus 0, 1
    
  2. 测试

    perons.jpg 位于 ./imgs

    # test 1 image
    ./darknet detector test voc_person.data yolo-s.cfg yolo-s_last.weights person.jpg -thresh 0.5 -dont_show
    
    # mAP
    ./darknet detector map voc_person.data yolo-s.cfg yolo-s_last.weights -points 11
    

    ART-PI 嵌入式人形检测 附源码(RT-AK Demo)_第3张图片

    模型转换成 keras,最后转成 tflite

    对应的代码仓库:

    Lebhoryi/keras-YOLOv3-model-set
    转自 david8862/keras-YOLOv3-model-set,我做了一些修改,请按照我的来,否则出错请自负

    # yolo-fastest to keras
        python tools/model_converter/convert.py cfg/yolo-s.cfg weights/yolo-s_last.weights weights/yolo-s.h5  -f -c
    
    # keras to tflite
        python tools/model_converter/custom_tflite_convert.py --keras_model_file ./weights/yolo-s.h5 --output_file ./weights/yolo-s.tflite
        
        # keras to tflite; quantize
        python tools/model_converter/post_train_quant_convert.py --keras_model_file ./weights/yolo-s.h5 --annotation_file /home/lebhoryi/Data/VOC/2007_test.txt --model_input_shape 160x160 --sample_num 30 --output_file ./weights/yolo-s.tflite -c
    

2 RT-AK 使用

具体使用请查阅 RT-Thread/RT-AK https://github.com/RT-Thread/RT-AK 相关文档

准备:

  • ART-PI bsp
  • 模型
  • RT-AK

使用:

$ git clone https://github.com/RT-Thread/RT-AK

$ cd RT-AK/RT-AK/rt_ai_tools

# 只需要改动 --model、--project、--ext_tools 三个参数的路径即可
$ python aitools.py --model=./yolo-s.h5 --model_name=person_yolo --project=D:\RT-ThreadStudio\workspace\art-pi --platform stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

3 应用代码

我的输入是 160x160x1,为了减小模型参数大小,

先在 pc 端实现应用层的代码

  • 图片预处理:尺度缩放+灰度转化+归一化
  • yolo 解码
  • nms 处理

代码都在 inference_yolo-s.py 中。

手边没有 usb 摄像头,也就没有写视频的推理代码,只有图片的推理代码。

功能实现:

  1. 图片预处理

    python 里头就很简单,调用 opencv 库,几行代码搞定

    img_raw = cv2.imread(str(img_path))
    img = cv2.cvtColor(img_raw, cv2.COLOR_BGR2GRAY)
    img = cv2.resize(img, (160, 160), interpolation=cv2.INTER_LINEAR)
    img = img / 255.0
    img = np.asarray(img).astype('float32')
    
  2. yolo 解码

    inference_yolo-s.py 中的 yolo_decode 函数

    模型推理的是检测目标的 xywh 的偏移量,目的是将模型输出结果转换成真实世界的 xywh

    这部分呢,我也写了一篇文章,感兴趣的可以看一下:

    掌握 yolo - 解码核心思想 https://blog.csdn.net/weixin_37598106/article/details/113058426?spm=1001.2014.3001.5501

  3. nms

    inference_yolo-s.py 中的 non_max_suppress 函数,这个函数针对的是单类别的


c 代码的实现比较痛苦,,痛苦面具 x3

  • 灰度转换
  • 尺度缩放
  • yolo 解码
  • nms (可能五一节后实现)
  1. 灰度转换

    RGB转灰度,通常会使用下面的一个心理学公式:(Matlab和OpenCV中使用的也是该公式)

    Gray = 0.2989*R + 0.5870*G + 0.1140*B
    # 优化
    Gray = (2989*R + 5870*G + 1140*B)/ 10000
    # 移位
    Gray = (4898*R + 9618*G + 1868*B)>> 14
    # 8位精度
    Gray = (76*R + 150*G + 30*B)>> 8
    
    // c 代码实现
    void rgb2gray(unsigned char *src,unsigned char *dst, int width,int height)
    {
           
        int r, g, b;
        for (int i=0; i<width*height; ++i)
        {
           
            r = *src++; // load red
            g = *src++; // load green
            b = *src++; // load blue
            // build weighted average:
            *dst++ = (r * 76 + g * 150 + b * 30) >> 8;
        }
    }
    
    # python 代码实现
    # val_c_gray_scaling.py
    def img2gray(img_path):
        # 读取第一张图像
        img = cv2.imread(img_path)
        # 获取图像尺寸
        h, w = img.shape[0:2]
        # 自定义空白单通道图像,用于存放灰度图
        gray = np.zeros((h, w), dtype=img.dtype)
        # 对原图像进行遍历,然后分别对B\G\R按比例灰度化
        for i in range(h):
            for j in range(w):
                gray[i, j] = 0.11 * img[i, j, 0] + 0.59 * img[i, j, 1] + 0.3 * img[i, j, 2]  # Y=0.3R+0.59G+0.11B
        show_img(gray)
        return gray
    
  2. 尺度缩放

    此处用的是双线性插值

    int is_in_array(short x, short y, short height, short width)
    {
           
        if (x >= 0 && x < width && y >= 0 && y < height)
            return 1;
        else
            return 0;
    }
    
    void bilinera_interpolation(rt_uint8_t* in_array, short height, short width, 
                                rt_uint8_t* out_array, short out_height, short out_width)
    {
           
        double h_times = (double)out_height / (double)height,
               w_times = (double)out_width / (double)width;
        short  x1, y1, x2, y2, f11, f12, f21, f22;
        double x, y;
    
        for (int i = 0; i < out_height; i++){
           
            for (int j = 0; j < out_width; j++){
           
                x = j / w_times;
                y = i / h_times;
              
                x1 = (short)(x - 1);
                x2 = (short)(x + 1);
                y1 = (short)(y + 1);
                y2 = (short)(y - 1);
                f11 = is_in_array(x1, y1, height, width) ? in_array[y1*width+x1] : 0;
                f12 = is_in_array(x1, y2, height, width) ? in_array[y2*width+x1] : 0;
                f21 = is_in_array(x2, y1, height, width) ? in_array[y1*width+x2] : 0;
                f22 = is_in_array(x2, y2, height, width) ? in_array[y2*width+x2] : 0;
                out_array[i*out_width+j] = (rt_uint8_t)(((f11 * (x2 - x) * (y2 - y)) +
                                           (f21 * (x - x1) * (y2 - y)) +
                                           (f12 * (x2 - x) * (y - y1)) +
                                           (f22 * (x - x1) * (y - y1))) / ((x2 - x1) * (y2 - y1)));
            }
        }
    }
    

    python 代码实现:val_c_gray_scaling.py 中的 bilinera_interpolation 函数

  3. yolo 解码

    // c 代码实现
    // applications/yolo.c
    int yolo_decode(float *out_data)
    {
           
      int j=0,k=0,l=0;
      for(int i=0; i<5*5*5; i++)
      {
           
        float x_tmp = 1 / (1 + exp(-out_data[i*6+0]));
        float y_tmp = 1 / (1 + exp(-out_data[i*6+1]));
        float box_x = (x_tmp + k) / 5;
        float box_y = (y_tmp + l) / 5;
        
        float box_w = (exp(out_data[i*6+2])*anchor[j][0])/ input_dims[0];
        float box_h = (exp(out_data[i*6+3])*anchor[j][1])/ input_dims[1];
        
        float objectness = 1 / (1 + exp(-out_data[i*6+4]));
        
        float class_scores = 1 / (1 + exp(-out_data[i*6+5]));
       
    //    printf("%d %d %d %f %f, %f %f, %f %f\n", j,k,l, box_x, box_y, box_w, box_h, objectness, class_scores);
        
        out_data[i*6+0] = box_x;
        out_data[i*6+1] = box_y;
        out_data[i*6+2] = box_w;
        out_data[i*6+3] = box_h;
        out_data[i*6+4] = objectness;
        out_data[i*6+5] = class_scores;
        
        if(j++>=4)
        {
           
          j = 0;
          if(k++>=4)
          {
           
            k = 0;
            if(l++>=4)
            {
           
              l = 0;
            }
          }
        }
      }
      return 0;
    }
    

    python 代码实现:inference_yolo-s.py 中的 yolo_decode 函数

  4. nms

    没有 nms 的目标检测工程就等于没有灵魂,,,等后期来实现


编译报错以及解决

ART-PI 嵌入式人形检测 附源码(RT-AK Demo)_第4张图片

第二种解决方式:

ART-PI 嵌入式人形检测 附源码(RT-AK Demo)_第5张图片

4. 参考链接

  • C++ RGB转灰度图像 https://blog.csdn.net/martinkeith/article/details/104185635

  • GBeetle/c_image_processing https://github.com/GBeetle/c_image_processing/blob/4ceabf4959f455f5b7d1ee419aac25eccf231b3b/scaling/scaling.c#L155

  • https://github.com/dog-qiuqiu/Yolo-Fastest

  • https://github.com/david8862/keras-YOLOv3-model-set

你可能感兴趣的:(目标检测,EmbeddedSystem,deep,learning)