1. 安全帽檢測簡介

安全帽佩戴檢測是工地、生產安全、安防的重中之重，但人為主觀檢測的方式時效性差且不能全程監控。AI技術的日漸成熟催生了安全帽佩戴檢測方案，成為了監督佩戴安全帽的利器。本安全帽檢測算法是一種基于深度學習的對人進行檢測定位的目標檢測，能有效用于產品落地。

本人臉檢測算法在數據集表現如下所示：

基于EASY-EAI-Nano硬件主板的運行效率：

2. 快速上手

2.1 開發環境準備

如果您初次閱讀此文檔，請閱讀《入門指南/開發環境準備/Easy-Eai編譯環境準備與更新》，并按照其相關的操作，進行編譯環境的部署。

在PC端Ubuntu系統中執行run腳本，進入EASY-EAI編譯環境，具體如下所示。

复制cd ~/develop_environment
./run.sh

2.2 源碼下載以及例程編譯

在EASY-EAI編譯環境下創建存放源碼倉庫的管理目錄：

复制cd /opt
mkdir EASY-EAI-Toolkit
cd EASY-EAI-Toolkit

通過git工具，在管理目錄內克隆遠程倉庫

复制git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

注：

* 此處可能會因網絡原因造成卡頓，請耐心等待。

* 如果實在要在gitHub網頁上下載，也要把整個倉庫下載下來，不能單獨下載本實例對應的目錄。

進入到對應的例程目錄執行編譯操作，具體命令如下所示：

复制cd EASY-EAI-Toolkit-C-Demo/algorithm-helmet_detect/
./build.sh cpres

注：

* 若build.sh腳本帶有cpres參數，則會把Release/目錄下的所有資源都拷貝到開發板上。

* 若build.sh腳本不帶任何參數，則僅會拷貝demo編譯出來的可執行文件。

* 由于依賴庫部署在板卡上，因此交叉編譯過程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執行，需要先下載安全帽檢測算法模型。

百度網盤鏈接為：https://pan.baidu.com/s/1-trJP_WSWGdUzxQVOxbndg （提取碼：y8uc )。

同時需要把下載的安全帽檢測算法模型復制粘貼到Release/目錄下：

再通過下方命令將模型署到板卡中，如下所示。

复制cp ./Release/*.model /mnt/userdata/Demo

2.4 例程運行

通過按鍵Ctrl+Shift+T創建一個新窗口，執行adb shell命令，進入板卡運行環境。

复制adb shell

進入板卡后，定位到例程上傳的位置，如下所示：

复制cd /userdata/Demo

運行例程命令如下所示：

复制./test-helmet-detect

2.5 運行效果

helmet-detect的Demo執行效果如下所示:

再開一個窗口，在PC端Ubuntu環境通過以下命令可以把圖片拉回來:

复制adb pull /userdata/Demo/result.jpg .

結果圖片如下所示：

API的詳細說明，以及API的調用（本例程源碼），詳細信息見下方說明。

3. 安全帽檢測API說明

3.1 引用方式

為方便客戶在本地工程中直接調用我們的EASY EAI api庫，此處列出工程中需要鏈接的庫以及頭文件等，方便用戶直接添加。

3.2 安全帽檢測初始化函數

設置安全帽檢測初始化函數原型如下所示。

复制 int helmet_detect_init(rknn_context *ctx, const char * path)

具體介紹如下所示。

3.3 安全帽檢測運行函數

設helmet_detect_run原型如下所示。

复制int helmet_detect_run(rknn_context ctx, cv::Mat input_image, helmet_detect_result_group_t *detect_result_group)

具體介紹如下所示。

3.4 安全帽檢測釋放函數

人臉檢測釋放函數原型如下所示。

复制 int helmet_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 安全帽檢測算法例程

例程目錄為Toolkit-C-Demo/algorithm-helmet_detect/test-helmet-detect.cpp，操作流程如下。

參考例程如下所示。

复制#include 
#include 
#include 
#include"helmet_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)
{
	/* 參數初始化 */
	helmet_detect_result_group_t detect_result_group;

	/* 算法模型初始化 */
	rknn_context ctx;
	helmet_detect_init(&ctx, "./helmet_detect.model");

	/* 算法運行 */
	cv::Mat src;
	src = cv::imread("test.jpg", 1);

	struct timeval start;
	struct timeval end;
	float time_use=0;

	gettimeofday(&start,NULL); 
	helmet_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);

	/* 算法結果在圖像中畫出并保存 */
	for (int i = 0; i < detect_result_group.count; i++)
	{
		helmet_detect_result_t *det_result = &(detect_result_group.results[i]);
		
		
		if( det_result-?>prop < 0.5 )
		{
			continue;
		}
		

		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;
		
		char label_text[50];
		memset(label_text, 0 , sizeof(label_text));
		sprintf(label_text, "%s %0.2f",det_result->name, det_result->prop); 
		plot_one_box(src, x1, x2, y1, y2, label_text, i%10);
	}    

	cv::imwrite("result.jpg", src);	


	/* 算法模型空間釋放 */
	helmet_detect_release(ctx);

	return 0;
}

審核編輯 黃宇