目标检测
材料
AMB82-mini x 1
范例
在本范例中，我们将使用开发板通过板载摄像头传感器（JX-F37P）检测 80 种不同类型的目标，例如人、自行车、汽车、笔记本电脑等。
以下范例展示了目标检测和屏幕显示（On-Screen Display）的使用方式。两个范例的主要区别在于目标检测结果的处理位置。"ObjectDetectionCallback" 使用回调函数，而 "ObjectDetectionLoop" 在循环函数中处理结果。
ObjectDetectionLoop
ObjectDetectionCallback
在 File -> Examples -> AmebaNN -> ObjectDetectionLoop 中打开其中一个目标检测范例。
在突出显示的代码片段中，将 "ssid" 填入您的 WiFi 网络 SSID，并将 "pass" 填入网络密码。
使用 modelSelect() 函数选择神经网络（NN）任务和模型。该函数接受 4 个参数：神经网络任务、目标检测模型、人脸检测模型和人脸识别模型。如果所选神经网络任务不需要某些模型，请用 "NA_MODEL" 替换。请注意，在调用 begin() 函数之前，必须调用 modelSelect() 函数。
有效的神经网络任务：
OBJECT_DETECTION、FACE_DETECTION、FACE_RECOGNITION有效的目标检测模型：
YOLOv3-tiny 模型：
DEFAULT_YOLOV3TINY、CUSTOMIZED_YOLOV3TINYYOLOv4-tiny 模型：
DEFAULT_YOLOV4TINY、CUSTOMIZED_YOLOV4TINYYOLOv7-tiny 模型：
DEFAULT_YOLOV7TINY、CUSTOMIZED_YOLOV7TINY
有效的人脸检测模型：
DEFAULT_SCRFD、CUSTOMIZED_SCRFD有效的人脸识别模型：
DEFAULT_MOBILEFACENET、CUSTOMIZED_MOBILEFACENET
如果您想使用自己的神经网络模型，请选择自定义选项（例如 CUSTOMIZED_YOLOV4TINY/ CUSTOMIZED_SCRFD/ CUSTOMIZED_MOBILEFACENET）。要了解 AI 模型转换的流程，请参考
AI 模型转换工具
。此外，请参考
AI 模型部署指南
了解如何安装和使用转换后的模型。
小技巧
请注意，对于从 PyTorch 训练的 Yolov7 目标检测模型，您需要额外执行一个重参数化步骤。Realtek 已在 Yolov7_reparam_scripts 文件夹（位于 ~/NeuralNetwork/Yolov7_reparam_scripts）中提供了两个脚本。
运行命令： python reparam_yolov7-tiny.py --weights weights/best.pt --custom_yaml custom/yolov7-tiny-deploy.yaml --output best_reparam.pt
您也可以参考 自定义 YOLOv7-tiny 模型重参数化指南 获取指导。
编译代码并上传至 Ameba。按下重置按钮后，等待开发板连接到 WiFi 网络。开发板的 IP 地址和 RTSP 网络端口号将显示在串口监视器中。
检测到的目标结果可以使用 VLC 验证。您可以从 此处 下载 VLC 媒体播放器。
软件安装完成后，打开 VLC 媒体播放器，进入 Media -> Open Network Stream
请确保您的 PC 与开发板连接到同一网络以进行串流。由于使用 RTSP 作为串流协议，请在 VLC 媒体播放器中输入 rtsp://{IPaddress}:{port} 作为网络 URL，将 {IPaddress} 替换为开发板的 IP 地址，{port} 替换为串口监视器中显示的 RTSP 端口，例如 rtsp://192.168.1.154:554。默认 RTSP 端口号为 554。
接下来，单击"播放"开始 RTSP 串流以查看结果。摄像头的视频流将显示在 VLC 媒体播放器中。
包含目标名称和置信度分数的边界框将绘制在 RTSP 视频流上，以突出显示已识别的目标。
预训练模型总共可以识别 80 种不同类型的目标。目标可以在 ObjectClassList.h 中找到。每个目标的索引号是固定的，不应更改。要停用对某些目标的检测，请将筛选值设置为 0。例如，将筛选值设置为 0 以排除检测自行车。
代码参考
您可以根据 WiFi 网络质量调整视频比特率，取消注释以下突出显示的代码即可。
