睿擎UVC-AI方案：基于YOLO的人脸检测系统开发|技术集结

01

方案核心概述

本方案由以下几部分组成：

1. 以睿擎派开发板为硬件核心，该开发板搭载睿擎RC3506核心板，集成双网口、MIPI等丰富硬件接口，可稳定支持工业控制与边缘计算场景，搭配RuiChing Studio开发工具能大幅缩短项目开发周期；

2. 搭配已完成适配的YOLO轻量型AI模型——该模型基于NCNN推理框架构建，具备实时目标检测与多类别识别能力；

3. 硬件端辅以HBCAM-5M2134型UVC摄像头，其采用USB接口设计，拥有120°无畸变广角、自动对焦功能及内置麦克风，可稳定采集500万像素高清图像；

4. 此外，方案通过MIPI接口驱动工业级触摸屏，该屏幕支持高清显示与精准触控交互，且已完成与LVGL图形库的适配。

最终这几部分综合实现摄像头采集画面的实时目标检测，并将检测结果在触摸屏上直观呈现。

02

YOLO模型概述

YOLO（You Only Look Once）是一款基于深度学习的实时目标检测算法模型，其核心设计理念打破了传统目标检测算法 “先候选区域生成、再分类识别” 的两步式流程，通过单次神经网络推理即可同时完成目标位置定位与类别判断，从根本上提升了目标检测的效率，成为工业场景、智能监控、自动驾驶等领域实时检测需求的核心算法选择之一。

03

核心示例代码

● my_function：uvc摄像头的视频帧回调函数，保存新视频帧。

● cv::imdecode：将内存中的二进制数据（通常是图像文件的字节流，如 JPG、PNG、BMP 等格式的原始数据）解码为 OpenCV 的 Mat 图像矩阵，以便进行后续的图像处理；

● detect：接收一张 OpenCV 格式的图像 (cv::Mat)，通过 YOLO 模型进行目标检测，最终返回经过非极大值抑制 (NMS) 处理后的目标框坐标；

● visualize_to_buf：接收原始图像、检测到的目标框列表，在图像上绘制置信度最高的目标框及置信度值，然后将处理后的图像编码为指定格式（如 JPEG），并存储到全局缓冲区中。

● rgb_nearest_scale：通过最近邻插值算法，将输入的 RGB 图像数据按照指定的目标宽高进行缩放，并将结果存储到输出缓冲区中；

● rt_device_control：控制LCD设备刷新图像。

04

实战演示

1. 硬件准备

● 睿擎工业开发平台支持板卡1块(睿擎派RC3506)

● 配套7寸MIPI屏

● 配套UVC摄像头

● 串口调试器、DAP-LINK调试各一套

2. 硬件连接

开发板连接uvc摄像头和7寸屏幕，注意屏幕连接线的方向。

3. 创建示例工程

在RuiChing Studio IDE中 创建

09_ai_uvc_yolo_video示例工程:

4. 编译下载示例工程

对 09_ai_uvc_yolo_video 示例工程进行编译：

编译成功后Debug目录下生成app.dtb和app.img文件。点击下载按钮，下载app.dtb和app.img文件。

5. 运行程序

使用FTP服务，将applications\model目录下的model2.bin和model2.param存入开发板tmp目录。成功后进入tmp目录可以看到两个文件。

启动开发板，运行程序后，终端输入uvc_ai_start命令将测试图像传入系统，程序会调用 YOLO 模型进行人脸检测，并持续打印检测类别（index：0即人脸）和帧率。

查看检测结果

05

总结

睿擎UVC - AI人脸检测系统开发方案，以搭载瑞芯微RK3506J芯片的睿擎派为硬件核心，搭配UVC摄像头、MIPI屏幕，融合YOLO轻量型AI模型，借助RuiChing Studio开发工具实现高效开发，最终达成“摄像头实时采集图像—YOLO模型单次推理完成人脸定位与判断—检测结果在触摸屏直观呈现”的全流程闭环。

该方案凭借实时检测、轻量化部署与可视化交互的优势，可广泛应用于工业场景中——如生产线人员安全监控，实时识别违规闯入的工作人员并弹窗预警；智能门禁领域，快速核验通行人员身份并同步显示人脸匹配结果；边缘端智能终端（如自助服务机），通过人脸检测触发个性化服务界面；还可适配小型安防场景，对监控区域内的人脸动态进行实时追踪与记录，满足不同场景下对高效、直观人脸检测功能的需求。