BW21-CBV-Kit——创建手势和面部动态识别

本节详细介绍了官方演示评估过程和效果演示手势检测和RTSP人脸识别。

手势识别

通过加载神经网络(NN)训练模型实现手势跟踪、提取、仿真和识别。

代码

注：修改WiFi名称和密码。

上传

1. 长按BOOT键，再按EN键进入下载模式。

2. 选择对应的串口，单击“下载”。等待上传成功提示。

3. 重新按EN键运行程序。

配置

上传完成后，打开串口监视器。检测到WiFi连接后，摄像头的IP地址会显示出来。

在VLC软件中输入rtsp://192.168.1.104:554实现rtsp流。

人脸识别

使用BW21-CBV-Kit开发板来识别检测到的人脸。

代码

详细信息请参见：神经网络-人脸识别- Realtek IoT/Wi-Fi MCU解决方案

上传

上传完成后，打开串口监视器。检测到WiFi连接后，摄像头的IP地址会显示出来。在VLC软件中输入rtsp://192.168.253.1:554实现rtsp流。

把目标脸对准摄像机。当人脸被检测到并被红色框包围时，在串口中输入REG=Bean来注册该人。框的颜色会变成绿色，表示对应的人的名字

效果

动态识别

已经观察到，人脸识别的准确率在距离越远的地方越高，而当人脸占据画面的较大部分时，准确率就会下降。

另外，在运行过程中，模块温度会明显升高，因此需要考虑适当的散热。

可能的因素包括：

代码中人脸信息采集分辨率设置为192x192，对于动态场景可能不够，限制了模型处理不同人脸大小和表情的能力;相机分辨率限制;以及处理能力的限制。

改进方案：增强硬件计算能力，实现冷却解决方案，扩大样本量，增加训练迭代，完善模型。

注意：如果串口显示错误信息error: vipnn not applied，请重新安装开发板包。

本文编译自hackster.io