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：

人脸检测算法	mAP@0.5
CAR	0.78029

基于EASY-EAI-Orin-nano硬件主板的运行效率：

算法种类	运行效率
car_detect	59ms

2. 快速上手

如果您初次阅读此文档，请阅读：《入门指南/源码管理及编程介绍/源码工程管理》，按需管理自己工程源码（注：此文档必看，并建议采用【远程挂载管理】方式，否则有代码丢失风险！！！）。

2.1 开源码工程下载

先在PC虚拟机定位到nfs服务目录，再在目录中创建存放源码仓库的管理目录：

cd ~/nfsroot
mkdir GitHub
cd GitHub

再通过git工具，在管理目录内克隆远程仓库（需要设备能对外网进行访问）

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.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。

2.2 开发环境搭建

通过adb shell进入板卡开发环境，如下图所示。

通过以下命令，把nfs目录挂载上nfs服务器。

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的挂载目录(按照实际挂载目录)，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-3576/Demos/algorithm-car/
./build.sh

2.4 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/1yePGJ4wnyNaKpddMLZB18w?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：

2.5 例程运行及效果

进入开发板Release目录，执行下方命令，运行示例程序：

cd Release/
./test-car_detect car_detect.model test.jpg

运行例程命令如下所示：

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。

选项	描述
头文件目录	easyeai-api/algorithm/car_detect
库文件目录	easyeai-api/algorithm/car_detect
库链接参数	-lcar_detect

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。

函数名： car_detect_init()
头文件	car_detect.h
输入参数	ctx：rknn_context句柄
输入参数	path:算法模型的路径
返回值	成功返回：0
	失败返回：-1
注意事项	无

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。

函数名：car_detect_run()
头文件	car_detect.h
输入参数	ctx: rknn_context句柄
输入参数	input_image:图像数据输入(cv::Mat是Opencv的类型)
输出参数	output_dets:目标检测框输出
返回值	成功返回：0
	失败返回：-1
注意事项	无

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。

函数名：car_detect_release ()
头文件	car_detect.h
输入参数	ctx: rknn_context句柄
返回值	成功返回：0
	失败返回：-1
注意事项	注意事项

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 %fn",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) %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);	

	/* 算法模型空间释放 */
	car_detect_release(ctx);

	return 0;
}

审核编辑 黄宇