rk3399之AI识别_三

        本篇继续描述如何在3399上结合前面网络摄像头进行AI识别的情况，目前我们使用最新的yolov5模型进行识别。关于该模型使用的rknn_api，可上3399相关论坛官网下载，1808驱动需更新至1.6以上。

        官网给的实例，都是分析一张图片，讲识别结果再次绘制到图片上。python的接口可能更多，丰富点，支持直接拉流分析。但是怎么通过c++接口拉流进行分析呢，进一步，我们是否可以分析多路码流。在不要求识别帧率的情况下，我们识别多路视频这是可行的。

        首先我们确定AI识别的流程

        加载模型数据-初始化计算棒-通过api接口传入图片RGB数据-分析得出结果-画框标识

        通过流程我们可以看出，加载模型初始化计算棒是固定的，计算棒分析结果也是不需要用户关心的。用户可以自定义的流程，就是传入RGB数据，和分析结果出来后画框（这是可选步骤，不一定非要画框）。结合我们第二篇文章，思路就清晰了，我们已经完成了摄像头的解码操作，得到了yuv数据，我们所作的操作就是转换成RGB数据，然后通过rknn_api接口塞给计算棒就可以了。这是我们的rga接口就派上了用场了，它可以将yuv数据转换成rgb数据（我这里测试的，实际上是转成bgr数据才正确）。

        这里还有一点需要注意，传入的rgb数据并不是原长宽，考虑到分析的速度，一般都是对图片进行了压缩。比如说一个训练支持416*416数据的模型，原摄像头是1080*720（720P），那么得到720P的YUV数据后，需要将其缩放成416*416的rgb数据传入才可以正确分析。所以这步一定要确定你们训练的模型大小，然后针对性的缩放拉伸。rgb一般可以直接缩放成该大小的rgb数据，但是为了更好的识别现实中场景，减少因缩放产生的物体扭曲。我们应按整数比例缩放图片后，再进行冗余填充，这块可使用到opencv的copyMakeBorder函数。参考lettbox函数如下：

cv::Mat CV5Detect::letterbox(ffmpeg::RgaData &rData, int target_w, int target_h, int &wpad, int &hpad, float &scale)
{
    int in_w = rData.width;
    int in_h = rData.height;
    int tar_w = target_w;
    int tar_h = target_h;
    float r = std::min(float(tar_h) / in_h, float(tar_w) / in_w);
    int inside_w = round(in_w*r);
    int inside_h = round(in_h*r);
    int padd_w = tar_w - inside_w;
    int padd_h = tar_h - inside_h;
    wpad = padd_w;
    hpad = padd_h;
    scale = r;
    cv::Mat src(in_h, in_w, CV_8UC3);
    src.data = rData.data;
    cv::Mat resize_img(inside_h, inside_w, CV_8UC3);
    /// 如果宽高非4对齐，使用软缩（性能低）
    if (inside_w % 4 != 0 || inside_h % 4 != 0)
    {
        cv::resize(src, resize_img, cv::Size(inside_w, inside_h));
    }
    else
    {
        ffmpeg::RgaData rgaDataOut;
        rgaDataOut.type = ffmpeg::BGR24;
        rgaDataOut.width = inside_w;
        rgaDataOut.height = inside_h;
        rgaDataOut.data = m_picData.get();
        /// 通过rga进行缩放，性能高，不占cpu
        if (!m_pPeg->transRga(rData, rgaDataOut))
        {
            errorf("enc transRga failed\n");
            return resize_img;
        }
        resize_img.data = rgaDataOut.data;
    }
    // cv::imwrite("resize.jpg", resize_img);
    padd_w = padd_w / 2;
    padd_h = padd_h / 2;
    int top = int(round(padd_h - 0.1));

    int bottom = hpad - top;
    int left = int(round(padd_w - 0.1));

    int right = wpad - left;
    /// 冗余填充，使图片在等比例缩放的条件下，符合传入计算棒的RGB图像大小
    cv::copyMakeBorder(resize_img, resize_img, top, bottom, left, right, cv::BORDER_CONSTANT, cv::Scalar(114, 114, 114));
    return resize_img;
}

         对于一路摄像头AI识别，基本上可以做到全帧率识别的。也就是从解码-AI识别-显示，都是可以串行操作。但是对于同时多路识别，就不能串行了。需要将解码，AI，显示异步解开。同时降低帧率。

        本篇就作为3399视频系列结束了，附件包提供自己封装的解码，AI，显示一套流程。AI识别我们是基于3399加1808的方案做的，如果是3399Pro的话，还需要少许改动。程序仅保证720P及以下分辨率显示及识别效果，码流类型H264，可针对摄像头进行配置。

        程序使用方法：

        程序下载后，将压缩包解压至3399的任意目录，运行run.sh即可。配置视频方法，编辑config/QtUi/video_channel.json文件。按照下图字段解释，配置相应字段即可。配置完后重启程序即可生效  

{
        "QtUiConfig" : 
        {
                "channels" : --->数组，接入多路摄像头。最多8路720P
                [
                        {
                                "camType" : 0,
                                "enable" : true, --->使能流，设置true，进行拉流解码操作
                                "enableAI" : true, --->使能，在插入计算棒的情况下，可进行AI识别
                                "ip" : "192.168.31.61", --->摄像头IP，可根据实际情况填写
                                "name" : "chan2", --->摄像头名称，自定义，多路情况下，名称不能重复
                                "nodeId" : "E024E47A524C45F8", --->此字段，会自动生成，建议删除，如果手动填写，确保不一样
                                "password" : "root12345", --->摄像头密码
                                "port" : 80, 
                                "procted_zone" : 
                                {
                                        "points" : [],
                                        "type" : ""
                                },
                                "profile" : "Profile_1",
                                "protocol" : "onvif",
                                "streamUrl" : "rtsp://admin:root12345@192.168.31.61:554/Streaming/Channels/101", --->摄像头rtsp流地址，此为海康示例，其它厂商流地址，自行确定填写
                                "user" : "admin", --->用户名
                                "widgetId" : --->播放窗口序列号
                                [
                                        0
                                ]
                        }
                ],
                "display" : true --->true为显示QT界面，false不显示
        }
}

       建议接上显示屏，可以QT界面展示流界面及AI识别结果。可双击界面左下角，通道列表-全部通道，双击具体的通道。右侧窗口即可播放

        二次开发接口及程序免费运行license请联系微信HardAndBetter获取，或者加入QQ群586166104讨论。

        程序下载路径

        3399视频AI分析demo-图像识别文档类资源-CSDN下载

        没有积分可进行百度网盘下载，路径如下：

        https://pan.baidu.com/s/1zB7Ezpi4ONnVheRn1l84lA  提取码：8jjd