瑞芯微(EASY EAI)RV1126B 车辆检测
1. 车辆检测简介
车辆检测是一种基于深度学习的对人进行检测定位的目标检测，能广泛的用于园区管理、交通分析等多种场景，是违停识别、堵车识别、车流统计等多种算法的基石算法。
本车辆检测算法在数据集表现如下所示：
基于EASY-EAI-Nano-TB硬件主板的运行效率：
2. 快速上手
2.1 开发环境准备
如果您初次阅读此文档，请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》，并按照其相关的操作，进行编译环境的部署。
在PC端Ubuntu系统中执行run脚本，进入EASY-EAI编译环境，具体如下所示。
cd ~/develop_environment ./run.sh2.2 源码下载
在EASY-EAI编译环境下创建存放源码仓库的管理目录：
cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit通过git工具，在管理目录内克隆远程仓库
git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-1126B.git注：
* 此处可能会因网络原因造成卡顿，请耐心等待。
* 如果实在要在gitHub网页上下载，也要把整个仓库下载下来，不能单独下载本实例对应的目录。
2.3 模型部署
要完成算法Demo的执行，需要先下载车辆检测算法模型。
百度网盘链接为：https://pan.baidu.com/s/11t903AfO1M3AfPsw7uRriw?pwd=1234 （提取码：1234 ）。
同时需要把下载的车辆检测算法模型复制粘贴到Release/目录：
2.4 例程编译
进入到对应的例程目录执行编译操作，具体命令如下所示：
cd EASY-EAI-Toolkit-1126B/Demos/algorithm-car/ ./build.sh cpres注：
* 由于依赖库部署在板卡上，因此交叉编译过程中必须保持/mnt挂载。
* 若build.sh脚本带有cpres参数，则会把Release/目录下的所有资源都拷贝到开发板上。
2.5 例程运行及效果
通过串口调试或ssh调试，进入板卡后台，定位到例程部署的位置，如下所示：
cd /userdata/Demo/algorithm-car/运行例程命令如下所示：
sudo ./test-car_detect car_detect.model test.jpg在EASY-EAI编译环境可以取回测试图片:
cp /mnt/userdata/Demo/algorithm-car/result.jpg .结果图片如下所示：
API的详细说明，以及API的调用（本例程源码），详细信息见下方说明。
3. 车辆检测API说明
3.1 引用方式
为方便客户在本地工程中直接调用我们的EASY EAI api库，此处列出工程中需要链接的库以及头文件等，方便用户直接添加。
3.2 车辆检测初始化函数
车辆检测初始化函数原型如下所示。
int car_detect_init(rknn_context *ctx, const char * path)具体介绍如下所示。
3.3 车辆检测运行函数
车辆检测运行函数car_detect_run原型如下所示。
int car_detect_run(rknn_context ctx, cv::Mat input_image, person_detect_result_group_t *detect_result_group)具体介绍如下所示。
3.4 车辆检测释放函数
车辆检测释放函数原型如下所示。
int car_detect_release(rknn_context ctx)具体介绍如下所示。
4. 车辆检测算法例程
例程目录为Demos/algorithm-car/test-car_detect.cpp，操作流程如下。
参考例程如下所示。
#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]; /* 参数初始化 */ detect_result_group_t detect_result_group; /* 算法模型初始化 */ rknn_context ctx; car_detect_init(&ctx, model_path); /* 算法运行 */ 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 %f\n",time_use/1000/10); /* 算法结果在图像中画出并保存 */ // 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) %f\n", 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); /* 算法模型空间释放 */ car_detect_release(ctx); return 0; }