零基础边缘端智能安防训练营｜Lesson 2

零基础边缘端智能安防训练营｜Lesson 2

零基础边缘端智能安防训练营｜Lesson 2,

　　会员软件管理,什么软件能看会员电视,婚恋软件会员由上图可知，在实际项目中，一般先由数据工程师对于数据标注，再由算法工程师进行算法训练。

　　要用到不同的算法设备上，再由嵌入式工程师进行算法适配和视频结构化平台的开发。

　　比如在Nvidia边缘设备使用，将人体检测模型在设备上适配，并开发视频结构化平台，对视频流进行检测处理，得到人体检测框的Box信息。

　　再将算法处理后的数据，对接到系统软件工程师，进行业务平台业务功能的处理。

　　比如将人体检测的检测框信息，对接给数据中台上，设置一些业务功能，例如越界识别等。

　　很多算法岗的同学会比较了解这里的数据处理和算法开发，因为平时工作中都是使用Python来进行开发的。

　　不过本次训练营找到了一条捷径——使用AidLux平台，让模型移植也采用Python的方式。

　　各位开发者可以基于一台安卓手机、平板，或AidBox边缘设备进行开发，并且实现开发落地无缝衔接。

　　目前可以先学习使用AidLux软件，后期有机会可以尝试使用边缘设备进行开发。

　　用比较简单的方式理解：我们平时编写训练模型，测试模型时常用的是Linux/window系统。

　　而实际应用到现场的时候，通常会以几种形态：GPU服务器、嵌入式设备（比如Android手机、人脸识别闸机等）、边缘设备。

　　GPU服务器好理解，而Android嵌入式设备的底层芯片，通常是ARM架构。

　　Linux底层也是ARM架构，并且Android又是基于Linux内核开发的操作系统，两者可以共享Linux内核。

　　这就产生了从底层开发一套应用系统的方式，在此基础上同时带来原生Android和原生Linux使用体验。

　　基于ARM芯片，比如高通骁龙的855芯片和865芯片，也开发出了具备7TOPS和15TOPS算力的AidBox边缘设备。

　　使用这些设备平台开发和在Linux上开发都是通用的，即Linux上开发的Python代码，可以在安卓手机AidLux平台、AidBox边缘设备上无缝使用。

　　常规方式下，应用在手机Android时，需要将PC上编写的代码，封装成Android SO库（C++）；

　　经过测试后，封装JNI调用SO库，最终在Android上使用Java调用JNI，最终再进行测试发布。

　　这样的流程需要一系列的工作人员参与，比如C++、Java、Python的工程师，但是大多数算法人员可能会更偏向于使用Python。

　　而AidLux将其中的整个开发流程全部打通，通过该平台，可以将PC端编写的代码快速应用到Android系统上。

　　有了Android和Linux双系统开发的基础，就可以做很多的事情了，AI算法应用就是比较典型的一种。

　　AidLux一方面内置了多种深度学习框架，便于快速开发，另一方面对于多种算子也进行了优化加速，很多算法的性能，也都能达到实时使用。

　　阿加犀用高通芯片的S855和S865制作了两款搭载AidLux的边缘设备，一款提供7T算力，一款提供15T算力。

　　没有边缘设备的情况下，也可以使用App版本的AidLux，尝试边缘设备的所有功能。

　　目前AidLux基本已对市面上所有的芯片都进行了适配，在手机上运行算法模型，也可以体验优化的效果。

　　打开手机或平板上的AidLux APP，第一次进入的时候，APP自带的系统会进行初始化。

　　这一步最好可以用手机注册一下，也可以直接点击“我已阅读并同意”，跳过登录。

　　为了让大家在手机上尝试AI方面的应用，AidLux中有很多的AI案例可以直接运行，点击桌面下方菜单栏的examples。

　　此时电脑桌面上AidLux的操作和手机版本AidLux的操作同步，从电脑端下载源代码后，手机上也同步下载了。

　　当界面出现“Installed successfully”时，表示所有的代码已经下载成功。

　　回到刚刚的examples的页面，再点击“FaceMesh”人脸关键点的应用，可以看到代码的编辑页面，在页面中可以直接编辑代码。

　　大家可以运行多个AI应用案例进行参考，本次训练营后面的越界识别功能也是基于Aidlux的系统来运行的，可以直接使用Python运行很多AI案例。

　　如果在手机上运行AidLux时将其缩小切换到微信，会发现PC端AidLux桌面上的操作也被终止了。

　　主要原因在于，手机上默认AidLux软件缩小时终止一切连接。为了便于后面的编程操作，需要将AidLux设置成后台可运行的操作。

　　tips：这里列举了多款手机设置的方式，大家可以点击进入参照相应教程进行设置：

　　我们通常在编写代码时，会对着代码进行一步步调试，解决其中可能存在的Bug。

　　但是在examples的编程环境AidCode中，下面的信息窗口显示报错时，针对每一行代码不太好用Debug的方式一步步调试。

　　通常工作中我们常用Pycharm和Vscode两款编程软件，此处先演示VScode方式。

　　点击官网，选择Download按钮进行下载，演示用的是Window电脑，跳到了匹配的默认项。

　　Lesson2的课程中还会用到Opencv，所以我们先安装一下Opencv库。

　　有了编程工具、Python和Opencv，我们先来测试一下在PC端读取图片和视频的操作。

　　因为在AidLux中的操作，和在PC端上的代码操作有所不同，大家后面也可以对比下。

　　选择video_capture_PC.py，代码里面采用了跳帧读取的操作，即这里的参

　　因为在实际的项目落地中，视频每秒一般有25帧，但并不需要每一帧都进行处理，所以可以执行跳帧操作，数字越大， 跳帧越快。

　　当PC端的python和Opencv测试成功了，我们再使用VScode远程连接安卓版本的AidLux，尝试在AidLux环境下实时调试代码。

　　首先将代码上传到AidLux系统中，通过Cloud_ip的IP地址，在电脑上打开AidLux桌面版。并打开文件浏览器，进入Home文件夹。

　　选择右上角的“Upload”，将lesson2_code文件夹中的代码上传到Home文件夹下。

　　在Home文件夹下就有了一个lesson2_code的文件夹，我们再通过远程连接的方式，使用VScode调试其代码。

　　安装好后，在左侧栏可以看到一个电脑连接的图标，即Remote Explorer。

　　输入连接信息，需要注意的是，这里的HostName填写你自己的AidLux里面Cloud_ip的地址。

　　跳出的窗口中，再输入密码”aidlux“，即可打开我们已经上传的lesson2_code文件夹。

　　AidLux中读取图片，在显示图片的地方，不能采用cv2.imshow的方式，需要修改成cvs图形控件模块。

　　比如打开read_image_Aidlux.py文件，运行后，在手机端的AidLux上可以看到读取的显示图片。

　　打开video_capture_Aidlux.py，在读取视频和显示图像的地方，采用cvs的方式，读取运行后，就可以在手机上看到显示的视频效果。

　　本节课我们下载安装尝试了AidLux软件，并通过PC端和VScode的方式，进行了最基础的读取图片和读取视频的测试。

　　下节课我们会采用Yolov5的方式，训练一个目标检测检测模型，并且移植部署到AidLux端。

　　大家可以加入AidLux AI开发者交流群，群内有AidLux工程师和江大白等众多AI行业专家，可以给予技术指导以及进行交流互动。