RK3568具有1TOPS算力的NPU，可以在板子上进行AI计算。飞凌OK3568板子资料中自带了一些AI识别的例子，但只是对一张图片进行识别，且需要单独使用图片查看工具查看识别结果。

为了更直观的体验RK3568的AI算力，将AI识别例程与摄像头功能结合起来，对摄像头的每一帧图像进行物品识别，这里使用的是RK提供的SSD模型。

演示视频：
RK3568-AI物品检测

1 SSD模型介绍

SSD，全称为Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，属于一阶段One Stage方法，SSD 模型利用不同尺度的特征图进行目标的检测，其模型结构图如下：

SSD具有如下主要特点：

• 从YOLO中继承了将detection转化为regression的思路，同时一次即可完成网络训练
• 基于Faster RCNN中的anchor，提出了相似的prior box
• 加入基于特征金字塔（Pyramidal Feature Hierarchy）的检测方式，相当于半个FPN思路

SSD网络结构图如下：

其算法步骤为：

• 将图像输入预训练好的分类网络（基于VGG16-Atrous）得到不同大小的特征映射
• 分别提取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2层的特征映射feature map，在每个特征映射的每个点构造6个不同大小尺度的bounding box，进行检测和分类来生成一些列bounding box
• 采用NMS处理不同特征映射的bounding box，删掉部分重叠或者不正确的bounding box，得到最终的检测框

OK3568-C开发板中自带了已训练好的AI模型，位于/userdata/model目录下的ssd_inception_v2.rknn，我们直接用就可以了。

2 USB摄像头实现物品识别代码

先来看下整个代码的项目结构，然后再来分别介绍各个功能模块。

• imageutil.h：图像类型转换相关函数
• myvideosourceface.cpp/h：用于USB摄像头图像显示
• qtcamera.cpp/h：qt界面
• rknn_ssd_process.cpp/h：用于SSD模型进行AI物品识别的接口函数
• rknn_ssd.cpp/h：SSD模型相关函数

3 按帧获取USB摄像头图像

Qt读取并显示USB摄像头，需要3个基本元素：

• QCamera：它是用于读取摄像头视频信号的接口函数
• QCameraInfo：它提供相机设备的常规信息，可以用来查询系统上当前可用的相机设备
• QCameraViewfinder：它提供了一个相机取景器的小部，该类继承于QVideoWidget类，用于显示多媒体类提供的视频

3.1 USB相机获取图像

查找USB相机

//可用相机列表
const QList availableCameras = QCameraInfo::availableCameras();
for (const QCameraInfo &cameraInfo : availableCameras)
{qDebug() << cameraInfo.description();if (cameraInfo.description().contains("USB", Qt::CaseSensitive)){//USB摄像头QPushButton *camera = new QPushButton;camera->setText(cameraInfo.description());camera->setFont(font);camera->setCheckable(true);if (cameraInfo == QCameraInfo::defaultCamera()){camera->setDefault(true);}else{camera->setDefault(false);}//启动相机connect(camera, SIGNAL(clicked(bool)), this, SLOT(on_cameraClick()));vLayout->addWidget(camera);m_cameraInfo = cameraInfo;break;}
}

启动相机与显示

//创建摄像头对象
m_camera = new QCamera(m_cameraInfo);//创建取景器
m_viewfinder = new QCameraViewfinder();//配置摄像头的模式--捕获静止图像
QCamera::CaptureModes captureMode = QCamera::CaptureStillImage;
if (m_camera->isCaptureModeSupported(captureMode))
{m_camera->unload();m_camera->setCaptureMode(captureMode);//设置取景器显示m_camera->setViewfinder(m_viewfinder);//启动摄像头m_camera->start();
}

3.2 改为自己的Viewfinder

上面的USB摄像头显示程序，使用的是Qt的QCameraViewfinder用来显示摄像头图像，为了能获取到每一帧的图像，可以自己实现一个Viewfinder，然后在m_camera->setViewfinder时设置为自己的，并添加槽函数rcvFrame，当获取到一帧图像时，会触发此函数。

void qtCamera::on_cameraClick()
{//创建摄像头对象m_camera = new QCamera(m_cameraInfo);m_camera->unload();//配置摄像头的模式--捕获静止图像m_camera->setCaptureMode(QCamera::CaptureStillImage);//设置默认摄像头参数QCameraViewfinderSettings set;set.setResolution(640, 480);                 //设置显示分辨率set.setMaximumFrameRate(25);                 //设置帧率//自己用QPainter将每一帧视频画出来myvideosurface *surface = new myvideosurface(this);//设置取景器显示m_camera->setViewfinder(surface);connect(surface, SIGNAL(frameAvailable(QVideoFrame)), this, SLOT(rcvFrame(QVideoFrame)), Qt::DirectConnection);connect(this,SIGNAL(sendOneQImage(QImage)), this, SLOT(recvOneQImage(QImage)));//启动摄像头m_camera->start();
}

接收到一帧图像后，其原始图像格式是QVideoFrame类型的，需要先转为QImage类型，然后就可以进行显示或进行图像处理了，这里触发一个sendOneQImage信号来通知进行图像处理：

void qtCamera::rcvFrame(QVideoFrame m_currentFrame)
{m_currentFrame.map(QAbstractVideoBuffer::ReadOnly);QImage videoImg =  QImage(m_currentFrame.bits(),m_currentFrame.width(),m_currentFrame.height(),QVideoFrame::imageFormatFromPixelFormat(m_currentFrame.pixelFormat())).copy(); m_currentFrame.unmap();  QWidget::update();     emit sendOneQImage(videoImg); //发送信号
}

4 图像类型的转换与显示

4.1 QImage转Mat

Qt是QCamera创建的USB摄像头，获取到的图片格式是QImage类型，而使用OpenCV进行图像处理，需要转换为cv::Mat类型，转换的方式如下：

cv::Mat QImageToMat(QImage image)
{image = image.convertToFormat(QImage::Format_RGB888);cv::Mat tmp(image.height(), image.width(), CV_8UC3, (uchar *)image.bits(), image.bytesPerLine());cv::Mat result; // deep copy just in case (my lack of knowledge with open cv)cvtColor(tmp, result, CV_BGR2RGB);return result;
}

4.2 Mat转QImage

OpenCV进行图像处理完成后，比如进行AI物品识别完成，并将识别的信息标记到图像上后，需要再转成QImage的类型用于在Qt中显示出来，转换的方式如下：

QImage MatToQImage(cv::Mat mat)
{cv::cvtColor(mat, mat, CV_BGR2RGB);QImage qim((const unsigned char *)mat.data, mat.cols, mat.rows, mat.step,QImage::Format_RGB888);return qim;
}

4.3 QImage转QPixmap

QImage在Qt中还不能直接显示出来，还需要再转为QPixmap类型，转换的方式如下：

QImage qImage;
QPixmap tempPixmap = QPixmap::fromImage(qImage);

4.4 图像的显示

这里创建一个QLabel用于显示图像，调用setPixmap方法即可将图像显示出来，最后的adjustSize用来自动调整大小。

//创建一个label用于显示图像
m_lableShowImg = new QLabel();
m_lableShowImg->setPixmap(tempPixmap);
m_lableShowImg->adjustSize();

5 RKNN例程移植

飞凌OK3568-C开发板资料中，自带了ssd模型的测试程序，代码位置如下，ssd的测试代码是这3个文件：

测试代码，需要在执行时，输入模型的目录位置和测试图片的位置，AI物品识别之后会产生一个输出图片，需要再使用图片查看器查看结果。

为了方便功能的调用，这里将fltest_opencv_rknn_ssd_main.cc改写为rknn_ssd_process.cpp，并将具体功能进行拆分，封装为C++的形式。

5.1 按功能封装为C++形式

自己封装的RknnSsdModel类定义：

class RknnSsdModel
{
public:RknnSsdModel(){};~RknnSsdModel(){};int RknnInit(const char *model_path);int RknnDeInit();unsigned char *LoadModel(const char *filename, int *model_size);int DoRknnSsd(cv::Mat &src, cv::Mat &res);private:unsigned char *m_pModel = nullptr;rknn_context m_rknnCtx;rknn_input_output_num m_rknnIoNum;};

5.1.1 RKNN初始化

主要功能是根据传入的rknn模型进行相关的初始化

int RknnSsdModel::RknnInit(const char *model_path)
{int ret = 0;int model_len = 0;// Load RKNN Modelprintf("Loading model ...\n");m_pModel = LoadModel(model_path, &model_len);printf("rknn_init ...\n");ret = rknn_init(&m_rknnCtx, m_pModel, model_len, 0, NULL);if (ret < 0){printf("rknn_init fail! ret=%d\n", ret);return -1;}//省略...
}

5.1.2 RKNN运行

传入一张Mat格式的图片（一帧视频图像），经过AI识别，并将识别的信息标注到图片上后，将识别结果也以Mat格式传出：

int RknnSsdModel::DoRknnSsd(cv::Mat &src, cv::Mat &res)
{const int img_width = 300;const int img_height = 300;const int img_channels = 3;int ret = 0;cv::Mat img = src.clone();if (src.cols != img_width || src.rows != img_height){printf("resize %d %d to %d %d\n", src.cols, src.rows, img_width, img_height);cv::resize(src, img, cv::Size(img_width, img_height), (0, 0), (0, 0), cv::INTER_LINEAR);}// Set Input Datarknn_input inputs[1];memset(inputs, 0, sizeof(inputs));inputs[0].index = 0;inputs[0].type = RKNN_TENSOR_UINT8;inputs[0].size = img.cols * img.rows * img.channels();inputs[0].fmt = RKNN_TENSOR_NHWC;inputs[0].buf = img.data;ret = rknn_inputs_set(m_rknnCtx, m_rknnIoNum.n_input, inputs);if (ret < 0){printf("rknn_input_set fail! ret=%d\n", ret);return -1;}// Runprintf("rknn_run\n");ret = rknn_run(m_rknnCtx, nullptr);if (ret < 0){printf("rknn_run fail! ret=%d\n", ret);return -1;}// Get Outputrknn_output outputs[2];memset(outputs, 0, sizeof(outputs));outputs[0].want_float = 1;outputs[1].want_float = 1;ret = rknn_outputs_get(m_rknnCtx, m_rknnIoNum.n_output, outputs, NULL);if (ret < 0){printf("rknn_outputs_get fail! ret=%d\n", ret);return -1;}// Post Processdetect_result_group_t detect_result_group;postProcessSSD((float *)(outputs[0].buf), (float *)(outputs[1].buf), src.cols, src.rows, &detect_result_group);// Release rknn_outputsrknn_outputs_release(m_rknnCtx, 2, outputs);// Draw Objectsfor (int i = 0; i < detect_result_group.count; i++){detect_result_t *det_result = &(detect_result_group.results[i]);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, Point(x1, y1), Point(x2, y2), Scalar(255, 0, 0, 255), 3);putText(src, det_result->name, Point(x1, y1 - 12), 1, 4, Scalar(0, 255, 0, 255), 4);}res = src;return 0;
}

5.2 AI识别调用

OK3568-C开发板中自带了已训练好的AI模型，位于/userdata/model目录下的ssd_inception_v2.rknn，在程序初始化时需要用到。

AI识别的代码逻辑为：先在qtCamera初始化时调用RKNN的初始化，然后打开USB摄像头，USB获取到每帧图像后, 调用DoRknnSsd进行AI物品识别，最后将识别的结果通过setPixmap方法展示出来

//先在qtCamera初始化时调用RKNN的初始化
std::string ssd_model = "/userdata/model/ssd_inception_v2.rknn";
m_rknnModel.RknnInit(ssd_model.c_str());//USB获取到每帧图像后, 调用DoRknnSsd进行AI物品识别
void qtCamera::recvOneQImage(QImage qImage)
{cv::Mat srcImg = ImageUtil::QImageToMat(qImage);cv::Mat dstImg;m_rknnModel.DoRknnSsd(srcImg, dstImg);QImage qDstImage = ImageUtil::MatToQImage(dstImg);QPixmap tempPixmap = QPixmap::fromImage(qDstImage);m_lableShowImg->setPixmap(tempPixmap);m_lableShowImg->adjustSize();
}

5.3 编译

需要注意下Qt工程的配置文件，要把opencv的一些库链接进去

qcamera.pri

INCLUDEPATH         += $$PWD/srcHEADERS += \$$PWD/src/qtcamera.h \$$PWD/src/myvideosurface.h \$$PWD/src/rknn_ssd.h \$$PWD/src/rknn_ssd_process.h \$$PWD/src/imageutil.hSOURCES += \$$PWD/src/qtcamera.cpp \$$PWD/src/myvideosurface.cpp \$$PWD/src/rknn_ssd.cpp \$$PWD/src/rknn_ssd_process.cpp

qcamera.pro

TARGET = USBCameraSSD
TEMPLATE = appQT += widgets multimedia multimediawidgetsSOURCES += main.cppinclude($$PWD/qcamera.pri)LIBS+=-lopencv_core -lopencv_objdetect -lopencv_highgui -lopencv_videoio -lopencv_imgproc -lopencv_imgcodecs -lrknn_api -lOpenCL -lpthread#temp file
DESTDIR         = $$PWD/app_bin
MOC_DIR         = $$PWD/build/qcamera
OBJECTS_DIR     = $$PWD/build/qcamera

最后的编译脚本还和之前的一样：

#! /bin/bashmkdir -p build
cd buildexport PATH=/home/xxpcb/myTest/OK3568/sourcecode/OK3568-linux-source/buildroot/output/OK3568/host/bin:$PATHqmake .. && make

6 总结

本篇介绍了在飞凌OK3568-C开发板中，外接USB摄像头，利用Qt和RKNN进行AI物品识别，通过已训练好的SSD模型，进行摄像头画面的实时AI物品检查的代码实现原理。