PaddleHub——轻量代码实现调用预训练模型实现目标检测

因为需要做单片机课设，题目是智能风扇，试了很多传感器，都感觉风扇不够智能，所以想直接用一个人脸检测或行人检测的AI模型进行检测人的位置，然后实现风扇对人吹，如果人不在则自动关闭，实现风扇的智能化。
因为AI模型不是项目的重点，所以我不想浪费过多时间在训练模型上，所以选择了paddlehub模型库里的预训练模型完成功能。

安装PaddleHub

pip3 install paddlehub

我在这里还遇到了安装opencv-python一直卡住，开了一晚上安装都没好的情况，于是我直接手动安装opencv-python：

在这卡住!

手动安装步骤：

• 在这个网页把opencv_python-4.4.0.46-cp37-cp37m-linux_armv7l.whl包下载下来：

https://www.piwheels.org/simple/opencv-python/opencv_python-4.4.0.46-cp37-cp37m-linux_armv7l.whl

• 手动安装：

pip3 install opencv_python-4.4.0.46-cp37-cp37m-linux_armv7l.whl

10s安装完成。
然后重新安装paddlehub。

去官网选择合适的模型

PaddleHub模型库

在本次课设中，考虑到树莓派算力有限，且对识别精度要求不是特别高，所以我选用了pyramidbox_lite_mobile模型实现人脸检测：

预测代码

import paddlehub as hub
import cv2
import time

def draw_bbox_image(frame, boxes):
    cv2.rectangle(frame, (boxes["left"], boxes["top"]), (boxes["right"], boxes["bottom"]), (0,255,0), 2)
    #cv2.putText(图像, 文字, (x, y), 字体, 大小, (b, g, r), 宽度)
    cv2.putText(frame, str(boxes["confidence"]), (boxes["left"], boxes["top"]-2), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 2)


if __name__ == "__main__":
    vedio_capter = cv2.VideoCapture(0)
    face_detector = hub.Module(name="pyramidbox_lite_mobile")
    
    while True:
        ret, frame = vedio_capter.read() 
        tim1 = time.time()
        result = face_detector.face_detection(images=[frame])
        try:
            data_dict = result[0]["data"][0]
            draw_bbox_image(frame, data_dict)
            print("data_dict:", data_dict)
        except IndexError:
            pass
        cv2.imshow("result", frame)
        tim2 = time.time()
        tim = tim2 - tim1
        print("tim", tim)
        print("result", result)
        if cv2.waitKey(1) & 0xFF == ord('q'):
                break

    vedio_capter.realse() 

Windows端实现效果

完工！

跑去做单片机啦，嘿嘿嘿。

突然得知，PaddlePaddle不支持arm架构，所以树莓派无法使用paddlehub。

那顺便挂个PYB单片机和树莓派的通讯的文章，有兴趣的小伙伴可以直接做个出来，基本1小时搞定！

扫描二维码关注公众号，回复： 12383729 查看本文章