第四十章 YOLO2人手检测实验

《DNK210使用指南 -CanMV版 V1.0》第四十章 YOLO2人手检测实验

在上一章节中，介绍了利用maix.KPU模块实现YOLO2的人脸检测，本章将继续介绍利用maix.KPU模块实现YOLO2的人手检测。通过本章的学习，读者将学习到YOLO2网络的人手检测应用在CanMV上的实现。

本章分为如下几个小节：

40.1 maix.KPU模块介绍

40.2 硬件设计

40.3 程序设计

40.4 运行验证

40.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。

40.2 硬件设计

40.2.1 例程功能

1. 获取摄像头输出的图像，并送入KPU进行YOLO2的人手检测模型运算，后将运算结果和摄像头输出的图像一起显示在LCD上。

40.2.2 硬件资源

本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。

40.2.3 原理图

本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。

40.3 程序设计

40.3.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第40.1小节《maix.KPU模块介绍》。

40.3.2 程序流程图

图40.3.2.1 YOLO2人手检测实验流程图

40.3.3 main.py代码

main.py中的脚本代码如下所示：

import lcd
import sensor
import image
import gc
from maix import KPU
lcd.init()
sensor.reset()
sensor.set_framesize(sensor.QVGA)
sensor.set_pixformat(sensor.RGB565)
sensor.set_hmirror(False)
resize_img = image.Image(size=(320, 256))
anchor = (0.8125, 0.4556, 1.1328, 1.2667, 1.8594, 1.4889, 1.4844, 2.2000, 2.6484, 2.9333)
names = ['hand']
# 构造KPU对象
hand_detecter = KPU()
# 加载模型文件
hand_detecter.load_kmodel('/sd/KPU/hand_detect.kmodel')
# 初始化YOLO2网络
hand_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=256, layer_w=10, layer_h=8, threshold=0.7, nms_value=0.3, classes=len(names))
while True:
    img= sensor.snapshot()
   resize_img.draw_image(img, 0, 0).pix_to_ai()
    # 进行KPU运算
   hand_detecter.run_with_output(resize_img)
    # 进行YOLO2运算
   hands = hand_detecter.regionlayer_yolo2()
    for hand in hands:
       img.draw_rectangle(hand[0], hand[1], hand[2], hand[3], color=(0, 255, 0))
       img.draw_string(hand[0] + 2, hand[1] + 2, "%.2f" % (hand[5]), color=(0, 255, 0))
       img.draw_string(hand[0] + 2, hand[1] + 10, names[hand[4]], color=(0, 255, 0))
    lcd.display(img)
    gc.collect()

可以看到一开始是先初始化了LCD和摄像头。

接着是构造一个KPU对象，并从文件系统中加载YOLO2人手检测网络需要用到的网络模型，并初始化YOLO2网络。

然后便是在一个循环中不断地获取摄像头输出的图像，由于网络需要的图像尺寸与摄像头直接输出的图像尺寸不一致，因此将其复制到网络需要的图像尺寸的图像上，再并将其送入KPU中进行运算，然后再进行YOLO2网络运算，最后便得到网络识别出人手在输入图像上的一些信息，将这些信息绘制到图像上后，在LCD上显示图像。