1. 概述

我們將在Hi3516DV300 SDK的基礎之上進行開發，分別為手部檢測+手勢識別實驗，垃圾分類實驗。手部檢測+手勢識別實驗以及垃圾分類實驗，主要基于訓練好的wk模型在板端進行部署，并充分發揮海思IVE、NNIE硬件加速能力，完成AI推理和業務處理。

2. 目錄

• ai_sample在Hi3516DV300 SDK基礎上進行開發，在利用媒體通路的基礎上，通過捕獲VPSS幀進行預處理操作，并送至NNIE進行推理，結合AI CPU算子最終得到AI Flag并進行相應業務處理，該AI sample集成了垃圾分類、手勢檢測識別兩個基礎場景，運用到媒體理論、多線程、IPC通信、IVE、NNIE等思想，實現了一個輕量級sample，方便開發者了解taurus Hi3516DV300的AI能力，ai_sample目錄結構如下：

//device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/ai_sample │ BUILD.gn # 編譯ohos ai_sample需要的gn文件 ├─ai_infer_process # AI前處理、推理、后處理相關接口 │ ├─ai_infer_process.c │ └─ai_infer_process.h ├─dependency # ai sample依賴的一些功能，如語音播報 │ ├─audio_test.c │ └─audio_test.h ├─ext_util # 常用的基礎接口、可移植操作系統接口posix等 │ ├─base_interface.c │ ├─base_interface.h │ ├─misc_util.c │ ├─misc_util.h │ ├─posix_help.c │ └─posix_help.h ├─mpp_help # 封裝的媒體相關接口 │ ├─include │ │ ├─ive_img.h │ │ └─vgs_img.h │ └─src │ ├─ive_img.c │ └─vgs_img.c ├─scenario │ ├─cnn_trash_classify # 垃圾分類sample │ │ ├─cnn_trash_classify.c │ │ └─cnn_trash_classify.h │ └─hand_classify # 手部檢測+手勢識別sample │ ├─hand_classify.c │ ├─hand_classify.h │ ├─yolov2_hand_detect.c │ └─yolov2_hand_detect.h └─smp # ai sample主入口及媒體處理文件├─sample_ai_main.cpp├─sample_media_ai.c└─sample_media_ai.h

3.拷貝第三方庫

• 步驟1：在源碼的根目錄下，分步執行下面的命令，拷貝第三方庫至ai sample中

mkdir device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/ai_sample/third_party/src/ -pcp third_party/iniparser device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/ai_sample/third_party/src/ -rf

• 步驟2：使用IDE打開device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/ai_sample/third_party/src/iniparser/src/iniparser.c文件，把第15行的1024改成8192。

#define ASCIILINESZ ((8192)) // (1024)

4. 編譯

在編譯ai_sample之前，需確保OpenHarmony 小型系統的主干代碼已經整編通過，且已經按照《修改源碼及配置文件適配Taurus開發板》的內容進行修改。在單編ai_sample之前，需修改目錄下的一處依賴，進入//device/soc/hisilicon/hi3516dv300/sdk_linux目錄下，通過修改BUILD.gn，在deps下面新增target，"sample/taurus/ai_sample:hi3516dv300_ai_sample"，如下圖所示：

• 點擊Deveco Device Tool工具的Build按鍵進行編譯，具體的編譯過程這里不再贅述，編譯成功后，如下圖所示：

• 編譯成功后，即可在out/hispark_taurus/ipcamera_hispark_taurus_linux/rootfs/bin目錄下，生成 ohos_camera_ai_demo可執行文件，如下圖所示：

5. 拷貝可執行程序和依賴文件至開發板的mnt目錄下

方式一：使用SD卡進行資料文件的拷貝

• 首先需要自己準備一張SD卡

• 步驟1：將編譯后生成的可執行文件拷貝到SD卡中。

• 步驟2：將device\soc\hisilicon\hi3516dv300\sdk_linux\out\lib\目錄下的libvb_server.so和 libmpp_vbs.so拷貝至SD卡中

• 步驟3：將device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/目錄下的models文件夾和aac_file文件夾拷貝至SD卡中。（前提是按照《獲取sample依賴的資源文件到本地》文檔獲取了資源文件）

• 步驟4：可執行文件拷貝成功后，將內存卡插入開發板的SD卡槽中，可通過掛載的方式掛載到板端，可選擇SD卡 mount指令進行掛載。

mount -t vfat /dev/mmcblk1p1 /mnt # 其中/dev/mmcblk1p1需要根據實際塊設備號修改

• 掛載成功后，如下圖所示：

方式二：使用NFS掛載的方式進行資料文件的拷貝

• 首先需要自己準備一根網線

• 步驟1：參考博客鏈接中的內容，進行nfs的環境搭建

• 步驟2：將編譯后生成的可執行文件拷貝到Windows的nfs共享路徑下

• 步驟3：將device\soc\hisilicon\hi3516dv300\sdk_linux\out\lib\目錄下的libvb_server.so和 libmpp_vbs.so拷貝至Windows的nfs共享路徑下

• 步驟4：將device/soc/hisilicon/hi3516dv300/sdk_linux/sample/taurus/目錄下的models文件夾和aac_file文件夾拷貝至Windows的nfs共享路徑下（前提是按照《獲取sample依賴的資源文件到本地》文檔獲取了資源文件）

• 步驟5：依賴文件拷貝至Windows的nfs共享路徑下后，執行下面的命令，將Windows的nfs共享路徑掛載至開發板的mnt目錄下

mount -o nolock,addr=192.168.200.1 -t nfs 192.168.200.1:/d/nfs /mnt

6.拷貝mnt目錄下的文件至正確的目錄下

• 執行下面的命令，拷貝mnt目錄下面的ohos_camera_ai_demo至userdata目錄，拷貝mnt目錄下面的libvb_server.so和 libmpp_vbs.so至/usr/lib/目錄下，再將models和aac_file文件夾拷貝至userdata目錄下

cp /mnt/ohos_camera_ai_demo /userdata/ cp /mnt/*.so /usr/lib/ cp /mnt/models /userdata/ -rf cp /mnt/aac_file /userdata/ -rf

• 執行下面的命令，給ohos_camera_ai_demo文件可執行權限

chmod 777 /userdata/ohos_camera_ai_demo

總結

以上是生活随笔為你收集整理的OpenHarmony AI图像识别开发—基于润和Hi3516开发套件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。