基于RK3576开发板的车辆检测算法
1. 车辆检测简介
车辆检测是一种基于深度进修的对人停止检测定位的目的检测，能普遍的用于园区治理、交通剖析等多种场景，是背停辨认、堵车辨认、车流统计等多种算法的基石算法。
本车辆检测算法正在数据散表示以下所示：
| 人脸检测算法 | mAP@0.5 |
| CAR | 0.78029 |
基于EASY-EAI-Orin-nano硬件主板的运转效力：
| 算法品种 | 运转效力 |
| car_detect | 59ms |
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-car/ ./build.sh
2.4 模子摆设
要完成算法Demo的履行，需求先下载车辆检测算法模子。
百度网盘链接为：https://pan.百度.com/s/1yePGJ4wnyNaKpddMLZB18w?pwd=1234 （提与码：1234 ）。
同时需求把下载的车辆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-car_detect car_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. 车辆检测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/car_detect |
| 库文件目次 | easyeai-api/algorithm/car_detect |
| 库链接参数 | -lcar_detect |
3.2 车辆检测初初化函数
车辆检测初初化函数本型以下所示。
int car_detect_init(rknn_context *ctx, const char * path)
详细引见以下所示。
| 函数名： car_detect_init() | |
| 头文件 | car_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 车辆检测运转函数
车辆检测运转函数car_detect_run本型以下所示。
int car_detect_run(rknn_context ctx, cv::Mat input_image, person_detect_result_group_t *detect_result_group)
详细引见以下所示。
| 函数名：car_detect_run() | |
| 头文件 | car_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 车辆检测开释函数
车辆检测开释函数本型以下所示。
int car_detect_release(rknn_context ctx)
详细引见以下所示。
| 函数名：car_detect_release () | |
| 头文件 | car_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 | 留意事项 |
4. 车辆检测算法规程
例程目次为Demos/algorithm-car/test-car_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 "car_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;
car_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);
car_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/1000/10);
/* 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 */
car_detect_release(ctx);
return 0;
}
考核编纂 黄宇
