1. 火焰检测简介火焰检测是一种基于深度学习的对火焰进行检测定位的目标检测。基于大规模火焰数据识别训练配合摄像头实时识别监控区内明火情况立刻发出警报提醒监控室查看及时止损。本火焰检测算法在数据集表现如下所示基于EASY-EAI-PI2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.sh 22042.2 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的执行需要先下载火焰检测算法模型。百度网盘链接为https://pan.baidu.com/s/11hAoFKprLXvH98M_iQh6vQ?pwd1234 提取码1234 。同时需要把下载的火焰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-fire/ ./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-fire/运行例程命令如下所示sudo ./test-fire_detect fire_detect.model test.jpg在EASY-EAI编译环境可以取回测试图片:cp /mnt/userdata/Demo/algorithm-fire/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. 火焰检测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 火焰检测初始化函数火焰检测初始化函数原型如下所示。int fire_detect_init(rknn_context *ctx, const char * path)具体介绍如下所示。3.3 火焰检测运行函数火焰检测运行函数fire_detect_run原型如下所示。int fire_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 火焰检测释放函数火焰检测释放函数原型如下所示。int fire_detect_release(rknn_context ctx)具体介绍如下所示。4. 火焰检测算法例程例程目录为Demos/algorithm-fire/test-fire_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 #includefire_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; fire_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_use0; gettimeofday(start,NULL); fire_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); /* 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 */ fire_detect_release(ctx); return 0; }