瑞薩AI視覺識別方案應用筆記3

我們基于瑞薩RZ/A2M和它獨有的DRP技術，構建了多款解決方案，包括工業(yè)自動化中的目標物體檢測與追蹤、二維碼編碼類型的快速檢測等。這次，我們就來拆解如何使用RZ/A2M的DRP與嵌入式AI結合實現(xiàn)口罩人臉檢測。

在示例中我們通過MIPI接口連接Sony IMX219 CMOS傳感器，輸入一個1280x720分辨率的圖像，通過RZ/A2M的DRP對輸入圖像做Simple ISP處理，圖像縮放處理，然后運行一個輕量級且高效的口罩，人臉檢測模型。它能夠?qū)崿F(xiàn)在人臉檢測模式下30FPS的檢測速度，在區(qū)分是否戴口罩的模式下實現(xiàn)20FPS的檢測速度。下面讓我們看一下它是如何實現(xiàn)的。

下圖是他的數(shù)據(jù)處理流程：

藍色部分的處理由DRP硬件加速實現(xiàn)，其中Simple ISP庫將CMOS傳感器的Bayer格式數(shù)據(jù)轉換為灰階數(shù)據(jù)，并統(tǒng)計一幀圖像中三個預設區(qū)域的平均亮度用于調(diào)整自動曝光參數(shù)。

第二個DRP庫實現(xiàn)圖像的縮放處理，將1280x720分辨率的灰階圖像壓縮成640x360大小的圖像，它將大大提高人臉的檢測速度。

圖中綠色部分是由Cortex A9處理器運行的輕量級口罩及人臉檢測模型，用于標定出當前幀是否有人臉，是否帶有口罩。

在此示例中我們將不依賴外部RAM，只使用RZ/A2M的4MB片上高速RAM。

步驟1

由于人臉檢測只需要使用灰階圖像，我們需要將CMOS傳感器的Bayer格式圖像轉換成灰度圖，此時我們載入一個simple_isp_2_tiles的DRP庫，這個DRP庫需要具有以下特性：

√   占用2個Tile的DRP硬件資源

√   實現(xiàn)Bayer轉灰階

√   對3個獨立的區(qū)域中所有像素的亮度值進行累加

√   支持多Tile并行處理

由于這個庫具有多Tile并行化(segmented)的處理特性，我們可以把它載入到3組DRP 的tile中。其中Tile0和1的simple_isp_2_tiles庫處理頂部1/3的圖像，Tile2和3的simple_isp_2_tiles庫處理中間1/3的圖像，Tile4和5的simple_isp_2_tiles庫處理底部1/3的圖像。且這三部分圖像是同時并行化處理的，這讓處理速度又增加了3倍。

由于DRP庫提供了非常便捷的API接口，實現(xiàn)以上功能只需要簡單的編程操作即可實現(xiàn)。

請根據(jù)DRP庫的應用文檔中關于 Number of tiles和Segmented Processing屬性來決定如何加載DRP庫

●   Number of tiles: 表示DRP庫需要占用幾個硬件Tile

●   Segmented processing:表示DRP任務十分可以拆分到多個tile中并行執(zhí)行

DRP庫在Tile中的擺放方式共有11種，可根據(jù)DRP的Number of tiles 和 Segmented屬性靈活選擇使用哪種加載方式，舉例如下：

步驟2

在得到一幀灰階圖像后，我們載入一個resize_bilinear_fixed的DRP庫將這一幀圖像進行縮放。這個DRP庫具有以下特性：

●   輸入8bpp灰階圖像

●   支持 ? ? ? 1x 2x 4x 8x 16x 固定縮放比例

●   水平和垂直縮放比例單獨控制

●   輸入寬度范圍128~1280，輸入高度范圍8~960

●   占用4 tiles硬件資源，不支持segmented

經(jīng)過步驟2的處理，我們將灰階圖像從Video RAM1讀入，寬和高均縮小為原來的?，并將圖像寫入到Video RAM2，用于下一步的人臉檢測。

這兩步的執(zhí)行時間約為4.6ms和8.2ms，采用并行化處理和小于1ms的DRP庫加載速度極大優(yōu)化了人臉識別之前圖像預處理的執(zhí)行速度。

步驟3

我們移植了一個輕量級的開源人臉識別算法

在此基礎上添加了口罩人臉的數(shù)據(jù)集，并對新數(shù)據(jù)集進行了訓練，經(jīng)過測試其識別速度和識別精度均比較理想。

首先需要準備數(shù)據(jù)集，可以直接通過我們示例包中的數(shù)據(jù)集訓練或從網(wǎng)絡下載

此數(shù)據(jù)集包含7092張人臉圖片及4283張口罩人臉圖片，并對圖片中的人臉關鍵特征進行了標定。

AI模型并非普遍采用的神經(jīng)元網(wǎng)絡模型，而是使用了決策樹模型，其具有執(zhí)行速度快的特點，而且其模型大小只有幾十KB到2百多KB，

以下是AI領域比較常用的算法：

決策樹是一種非參數(shù)化的監(jiān)督學習模型，它能夠讓你跟隨樹狀的決策分支結果一步一步從根節(jié)點到達頂端葉節(jié)點，從而根據(jù)頂端葉節(jié)點的結果來預測目標值，常用于目標分類(classification)和回歸(regression)

在人臉檢測過程中，我們使用一個滑動窗口一步一步的掃描步驟2生成的圖像，先使用最小滑動窗口，然后逐步增大窗口的大小。使用決策樹模型檢測每一個滑動窗口內(nèi)是否存在人臉。

如下是一些關鍵參數(shù)的配置，我們可以通過參數(shù)調(diào)整在檢測精度和性能之間進行平衡。

以下為1280x720分辨率輸入，分別針對畫面中1張人臉，3張人臉和7張人臉進行檢測，在口罩人臉模式下可實現(xiàn)約15fps以上的檢測速度。

如下視頻是針對快速切換的圖像進行人臉檢測的測試結果，可以看到RZ/A2M在經(jīng)過了DRP加速及和運行輕量級高效AI算法后，能夠實時捕獲到圖像中的人臉。