零基础边缘端智能安防训练营 | Lesson 2
5个课时，落地AI应用！
欢迎大家来到AidLux零基础边缘端智慧安防训练营~
本节课为训练营的第二节，内容框架如下：
1 AI项目开发及AidLux的特点
2 手机版本AidLux软件安装
3 电脑版AidLux投影测试
4 AidLux系统AI案例测试
5 AidLux软件设置默认后台运行
6 AidLux&VScode编程调试方式
7 安装本地版的Python和Opencv
8 PC端读取图片&视频操作
9 PC端远程调试AidLux
10 PC端调试AidLux读取图片&视频
1. AI项目开发及AidLux的特点
先来梳理一下AI项目开发的整体流程：
由上图可知，在实际项目中，一般先由数据工程师对于数据标注，再由算法工程师进行算法训练。
比如对于人体框进行标注，由算法工程师训练人体检测模型。
要用到不同的算法设备上，再由嵌入式工程师进行算法适配和视频结构化平台的开发。
针对不同的图像进行算法处理，得到结构化的数据信息。
比如在Nvidia边缘设备使用，将人体检测模型在设备上适配，并开发视频结构化平台，对视频流进行检测处理，得到人体检测框的Box信息。
再将算法处理后的数据，对接到系统软件工程师，进行业务平台业务功能的处理。
比如将人体检测的检测框信息，对接给数据中台上，设置一些业务功能，例如越界识别等。
最后对接到客户系统中，并交给运维工程师进行现场落地部署。
比如将越界人员的信息，对接到客户大屏上，进行展示。
很多算法岗的同学会比较了解这里的数据处理和算法开发，因为平时工作中都是使用Python来进行开发的。
而在模型移植、视频结构化部分，目前市面上采用的基本都是C++方式。
不过本次训练营使用AidLux平台，让模型移植也采用Python的方式。
各位开发者可以基于一台安卓手机、平板，或AidBox边缘设备进行开发，并且实现开发落地无缝衔接。
目前可以先学习使用AidLux软件，后期有机会可以尝试使用边缘设备进行开发。
那么为什么AidLux可以进行Python版本的AI模型开发和移植呢？
1.1 跨平台应用的系统
AidLux是基于ARM架构的跨生态（Android/鸿蒙+Linux）一站式AIoT应用开发平台。
用比较简单的方式理解：我们平时编写训练模型，测试模型时常用的是Linux/window系统。
而实际应用到现场的时候，通常会以几种形态：GPU服务器、嵌入式设备（比如Android手机、人脸识别闸机等）、边缘设备。
GPU服务器好理解，而Android嵌入式设备的底层芯片，通常是ARM架构。
Linux底层也是ARM架构，并且Android又是基于Linux内核开发的操作系统，两者可以共享Linux内核。
这就产生了从底层开发一套应用系统的方式，在此基础上同时带来原生Android和原生Linux使用体验。
因此基于ARM芯片，开发了具备融合架构属性的AidLux平台。
基于ARM芯片，比如高通骁龙的855芯片和865芯片，也开发出了具备7TOPS和15TOPS算力的AidBox边缘设备。
使用这些设备平台开发和在Linux上开发都是通用的，即Linux上开发的Python代码，可以在安卓手机AidLux平台、AidBox边缘设备上无缝使用。
为什么能够做到无缝使用呢？
1.2 安卓&Linux移植开发流程
常规方式下，应用在手机Android时，需要将PC上编写的代码，封装成Android SO库（C++）；
经过测试后，封装JNI调用SO库，最终在Android上使用Java调用JNI，最终再进行测试发布。
这样的流程需要一系列的工作人员参与，比如C++、Java、Python的工程师，但是大多数算法人员可能会更偏向于使用Python。
而AidLux将其中的整个开发流程全部打通，通过该平台，可以将PC端编写的代码快速应用到Android系统上。
1.3 AidLux算法优化
有了Android和Linux双系统开发的基础，就可以做很多的事情了，AI算法应用就是比较典型的一种。
不过这里就涉及到了芯片对于AI算法的优化加速的能力。
AidLux一方面内置了多种深度学习框架，便于快速开发，另一方面对于多种算子也进行了优化加速，很多算法的性能，也都能达到实时使用。
2. 手机版本AidLux软件安装
目前使用AidLux主要有两种方式：
（1）边缘设备的方式：
阿加犀用高通芯片的S855和S865制作了两款搭载AidLux的边缘设备，一款提供7T算力，一款提供15T算力。
（2）手机/平板设备的方式
没有边缘设备的情况下，也可以使用App版本的AidLux，尝试边缘设备的所有功能。
目前AidLux基本已对市面上所有的芯片都进行了适配，在手机上运行算法模型，也可以体验优化的效果。
可以安卓手机搜索AidLux安装，也可以在官网down。
3. 电脑版AidLux投影测试
打开手机或平板上的AidLux APP，第一次进入的时候，APP自带的系统会进行初始化。
初始化完成后，进入系统登录页面。
这一步最好可以用手机注册一下，也可以直接点击“我已阅读并同意”，跳过登录。
进入主页面后，可以点击左上角的红色圆点，将说明页面关闭。
在统一局域网下，可以通过IP的方式，直接映射到电脑上操作。
点击页面最上方的Cloud_ip，会出现远程映射的地址。
打开电脑浏览器地址，输入相应ip后，会出现登录页面。
默认密码：aidlux。
输入后即可进入主页面，可以看到内容和手机端是一样的。
4. AidLux内置AI案例测试
为了让大家在手机上尝试AI方面的应用，AidLux中有很多的AI案例可以直接运行，点击桌面下方菜单栏的examples。
里面有很多应用，可以随意点击运行，比如点击第一个人脸关键点的应用。
此时电脑桌面上AidLux的操作和手机版本AidLux的操作同步，从电脑端下载源代码后，手机上也同步下载了。
下载达到100%，人脸关键点的源码即下载成功。
当界面出现“Installed successfully”时，表示所有的代码已经下载成功。
回到刚刚的examples的页面，再点击“FaceMesh”人脸关键点的应用，可以看到代码的编辑页面，在页面中可以直接编辑代码。
如果想要运行代码，直接点击图片中Run的按钮，再点击Run Now。
启动运行会发现，电脑上AidLux运行的画面和手机版本的画面同步。
大家可以运行多个AI应用案例进行参考，本次训练营后面的越界识别功能也是基于Aidlux的系统来运行的，可以直接使用Python运行很多AI案例。
5. AidLux软件设置默认后台运行
如果在手机上运行AidLux时将其缩小切换到微信，会发现PC端AidLux桌面上的操作也被终止了。
主要原因在于，手机上默认AidLux软件缩小时终止一切连接。为了便于后面的编程操作，需要将AidLux设置成后台可运行的操作。
tips：这里列举了多款手机设置的方式，大家可以点击进入参照相应教程进行设置：
（1）小米手机和平板设置教程：
小米手机和平板 后台运行AidLux- AidLux开发者社区
（2）OPPO手机与平板设置教程：
OPPO手机与平板 后台运行Aidlux- AidLux开发者社区
（3）vivo手机与平板设置教程：
vivo手机与平板 后台运行AidLux- AidLux开发者社区
（4）华为鸿蒙/HarmonyOS 2.0设置教程：
鸿蒙/HarmonyOS 2.0 后台运行AidLux- AidLux开发者社区
（5）华为鸿蒙/HarmonyOS 3.0设置教程：
https://community.aidlux.com/postDetail/827
如果其中遇到任何的问题，也可以交流反馈，AidLux的工作人员会帮忙查看。
6. AidLux&VScode编程调试方式
我们通常在编写代码时，会对着代码进行一步步调试，解决其中可能存在的Bug。
但是在examples的编程环境AidCode中，下面的信息窗口显示报错时，针对每一行代码不太好用Debug的方式一步步调试。
因此需要下载一个编程软件，便于后面的代码调试。
通常工作中我们常用Pycharm和Vscode两款编程软件，此处先演示VScode方式。
6.1 下载VScode
点击官网https://code.visualstudio.com/，选择Download按钮进行下载，演示用的是Window电脑，跳到了匹配的默认项。
6.2 安装VScode
打开Vscode的压缩包，按照指引进行安装。
打开编程页面，即可看到Vscoe的主页面。
7. 安装本地版本的Python和Opencv
有了编程软件，我们还需安装Python。
选择左面菜单栏的Extensions，输入python，选择Install下载，当“Installing”变成“Installed”时，表示Python下载成功。
点击Vscode左上角的“File->Open Folder”，打开第二节课的Lesson2_codes文件夹。
Lesson2的课程中还会用到Opencv，所以我们先安装一下Opencv库。
选择“Terminal”中的“New Terminal”。
在终端页面输入：
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple，
即可快速下载安装成功。
8. PC端读取图片&视频操作
有了编程工具、Python和Opencv，我们先来测试一下在PC端读取图片和视频的操作。
选择read_image_PC.py文件，选择菜单栏上的Run，“Start Debugging”是可以按照断点一步步调试的模式，而"Run Without Debugging"则是直接运行代码的模式。
随便选择哪一种模式运行后，可以看到显示的美女图片。
再来测试一下读取视频的操作，那么为什么要测试读取图片和读取视频呢？
因为在AidLux中的操作，和在PC端上的代码操作有所不同，大家后面也可以对比下。
选择video_capture_PC.py，代码里面采用了跳帧读取的操作，即这里的参
数，每隔5帧，再显示一帧。
因为在实际的项目落地中，视频每秒一般有25帧，但并不需要每一帧都进行处理，所以可以执行跳帧操作，数字越大， 跳帧越快。
9. PC端远程调试AidLux
当PC端的python和Opencv测试成功了，我们再使用VScode远程连接安卓版本的AidLux，尝试在AidLux环境下实时调试代码。
9.1 上传lesson_code文件夹
首先将代码上传到AidLux系统中，通过Cloud_ip的IP地址，在电脑上打开AidLux桌面版。并打开文件浏览器，进入Home文件夹。
选择右上角的“Upload”，将lesson2_code文件夹中的代码上传到Home文件夹下。
在Home文件夹下就有了一个lesson2_code的文件夹，我们再通过远程连接的方式，使用VScode调试其代码。
9.2 安装Remote SSH
点击VScode左侧的“Extensions”，输入“Remote”，针对跳出的Remote SSH，点击安装。
安装好后，在左侧栏可以看到一个电脑连接的图标，即Remote Explorer。
9.3 远程连接调试
点击"Remote Explorer"，进行远程连接的页面，点击左下角的“Open a Remote Window”，再选择“Open SSH Configuration file”。
针对跳出的弹窗，再选择第一个config。
输入连接信息，需要注意的是，这里的HostName填写你自己的AidLux里面Cloud_ip的地址。
Host AidLux # 服务器别名
HostName 192.168.0.4 # 填写远程服务器的IP或者Host
Port 9022 # 填写访问远程服务器的端口号
User root # 填写登陆远程服务器的用户的名字
保存后，在左侧会生成一个SSH服务器，鼠标放上后，会跳出一个“Connect to Host in New Window”。
然后会跳转到连接的页面，选择“Linux”。
选择“Continue”，再输入密码，aidlux。
当左下角跳出SSH AidLux时，表示已经连接成功。
选择左上角的File，点击Open Filer，即可跳出AidLux里面的路径。
将路径输入的信息，修改成”/home/lesson2_codes“，点击OK。
跳出的窗口中，再输入密码”aidlux“，即可打开我们已经上传的lesson2_code文件夹。
10. PC端调试AidLux读取图片&视频
10.1 读取图片测试
AidLux中读取图片，在显示图片的地方，不能采用cv2.imshow的方式，需要修改成cvs图形控件模块。
比如打开read_image_Aidlux.py文件，运行后，在手机端的AidLux上可以看到读取的显示图片。
10.2 读取视频测试
打开video_capture_Aidlux.py，在读取视频和显示图像的地方，采用cvs的方式，读取运行后，就可以在手机上看到显示的视频效果。
到了这里，第二节课的内容就结束了。
本节课我们使用了AidLux，并通过PC端和VScode的方式，进行了最基础的读取图片和读取视频的测试。
下节课我们会采用Yolov5的方式，训练一个目标检测检测模型，并且移植部署到AidLux端。
大家可以进行AidLux AI开发者交流，有AidLux工程师和江大白等众多AI行业专家给予技术指导以及进行交流互动。
训练营所需的数据集、资料包，都可以在里面获取呦~
