1. 火焰檢測簡介

火焰檢測是一種基于深度學(xué)習(xí)的對火焰進(jìn)行檢測定位的目標(biāo)檢測。基于大規(guī)?；鹧鏀?shù)據(jù)識別訓(xùn)練，配合攝像頭，實(shí)時(shí)識別監(jiān)控區(qū)內(nèi)明火情況立刻發(fā)出警報(bào)，提醒監(jiān)控室查看，及時(shí)止損。

本火焰檢測算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Orin-nano硬件主板的運(yùn)行效率：

2. 快速上手

如果您初次閱讀此文檔，請閱讀：《入門指南/源碼管理及編程介紹/源碼工程管理》，按需管理自己工程源碼（注：此文檔必看，并建議采用【遠(yuǎn)程掛載管理】方式，否則有代碼丟失風(fēng)險(xiǎn)?。。。?。

2.1 開源碼工程下載

先在PC虛擬機(jī)定位到nfs服務(wù)目錄，再在目錄中創(chuàng)建存放源碼倉庫的管理目錄：

cd ~/nfsroot
mkdir GitHub
cd GitHub

再通過git工具，在管理目錄內(nèi)克隆遠(yuǎn)程倉庫（需要設(shè)備能對外網(wǎng)進(jìn)行訪問）

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.git

注：

* 此處可能會(huì)因網(wǎng)絡(luò)原因造成卡頓，請耐心等待。

* 如果實(shí)在要在gitHub網(wǎng)頁上下載，也要把整個(gè)倉庫下載下來，不能單獨(dú)下載本實(shí)例對應(yīng)的目錄。

2.2 開發(fā)環(huán)境搭建

通過adb shell進(jìn)入板卡開發(fā)環(huán)境，如下圖所示。

通過以下命令，把nfs目錄掛載上nfs服務(wù)器。

mount -t nfs -o nolock : /home/orin-nano/Desktop/nfs/

2.3 例程編譯

然后定位到板卡的nfs的掛載目錄(按照實(shí)際掛載目錄)，進(jìn)入到對應(yīng)的例程目錄執(zhí)行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-3576/Demos/algorithm-fire/
./build.sh

2.4 模型部署

要完成算法Demo的執(zhí)行，需要先下載火焰檢測算法模型。

百度網(wǎng)盤鏈接為：https://pan.baidu.com/s/1KquV_ISsG331ZJAQKFW3IQ?pwd=1234 （提取碼：1234 ）。

同時(shí)需要把下載的火焰檢測算法模型復(fù)制粘貼到Release/目錄：

2.5 例程運(yùn)行及效果

進(jìn)入開發(fā)板Release目錄，執(zhí)行下方命令，運(yùn)行示例程序：

cd Release/
./test-fire_detect fire_detect.model test.jpg

運(yùn)行例程命令如下所示：

結(jié)果圖片如下所示：

API的詳細(xì)說明，以及API的調(diào)用（本例程源碼），詳細(xì)信息見下方說明。

3. 火焰檢測API說明

3.1 引用方式

為方便客戶在本地工程中直接調(diào)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 火焰檢測初始化函數(shù)

火焰檢測初始化函數(shù)原型如下所示。

 int fire_detect_init(rknn_context *ctx, const char * path)

具體介紹如下所示。

3.3 火焰檢測運(yùn)行函數(shù)

火焰檢測運(yùn)行函數(shù)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)

具體介紹如下所示。

3.4 火焰檢測釋放函數(shù)

火焰檢測釋放函數(shù)原型如下所示。

int fire_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 火焰檢測算法例程

例程目錄為Demos/algorithm-fire/test-fire_detect.cpp，操作流程如下。

參考例程如下所示。

#include 
#include 
#include 
#include"fire_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  n", argv[0]);
        return -1;
    }

    const char *model_path = argv[1];
    const char *image_path = argv[2];

	/* 參數(shù)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);

	/* 算法運(yùn)行 */
	cv::Mat src;
	src = cv::imread(image_path, 1);

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

	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 %fn",time_use/1000);

	/* 算法結(jié)果在圖像中畫出并保存 */
	// 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) %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;
		/*
		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);	


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

	return 0;
}

審核編輯 黃宇