从 0 到 1 学习使用 DepthAI-烟火检测
这篇文章将介绍如何在 DepthAI 上实现火焰检测
你可以在演示中使用以下一组预先训练的模型：
● fire_detection 检测火焰和烟雾
其他演示目标包括：
● 视频 / 摄像头作为输入（通过 OpenCV ）
● 使用火焰和烟雾检测功能来监控视频中的火灾
1.项目分析
⬛项目地址：
StephanXu：https://github.com/StephanXu/FireDetector/tree/python
FireDetector：https://github.com/StephanXu/FireDetector/tree/python
⬛主要代码：
1）模型标签
# https://github.com/StephanXu/FireDetector/blob/python/main.py
# line 10
labels = ['fire', 'normal', 'smoke']
2）模型输入形状
# https://github.com/StephanXu/FireDetector/blob/python/main.py
# line 15-16
model_input_width = 224
model_input_height = 224
3）输入输出层
# # https://github.com/StephanXu/FireDetector/blob/python/main.py
# line 41-42
input_layer='Placeholder',
output_layer='final_result'
4）均值与缩放值
# https://github.com/StephanXu/FireDetector/blob/python/classifier.py
# line 11-12
_input_mean = 0
_input_std = 255
# https://github.com/StephanXu/FireDetector/blob/python/classifier.py
# line 58
np_data = np.divide(np_data.astype('float'), self._input_std)
2.模型获取
原始模型从 FireDetector 获取， 其原始框架是 tensorflow
FireDetector: https://github.com/StephanXu/FireDetector/tree/python/example
3.模型查看
使用 Netron 查看模型文件
开头 可以看到 输入层的形状和名称
结尾 可以看到输出层的名字
4.模型转换为 IR 文件
openvino支持直接转换 tensorflow 的模型：
https://docs.openvinotoolkit.org/cn/latest/openvino_docs_MO_DG_prepare_model_convert_model_Convert_Model_From_TensorFlow.html
转换TensorFlow *模型：
◼ 转到<OPENVINO_INSTALL_DIR>/deployment_tools/model_optimizer目录
◼ 使用mo_tf.py脚本可以简单地将具有权重的.pb模型转换为.xml和.bin 文件：
mo.py --input_model output_graph_mobilenet_v2_100_224.pb \
--model_name fire-detection \
--input Placeholder \
--output final_result \
--input_shape [1,224,224,3] \
--data_type FP16 \
--scale 255
5.查看转换的 IR 文件
使用 Netron 查看 xml 文件
与之前比对
这时可以看到 输出的形状
6.IR 转换为 blob文件
将IR文件转换为blob文件:
$MYRIAD_COMPILE -m fire-detection.xml \
-ip U8 \
-VPU_MYRIAD_PLATFORM VPU_MYRIAD_2480 \
-VPU_NUMBER_OF_SHAVES 4 \
-VPU_NUMBER_OF_CMX_SLICES 4
7.编写解析代码
烟火检测演示：https://github.com/OAKChina/depthai-examples/tree/master/fire_detection
国内在哪里能买到DepthAI?
目前国内唯一的购买渠道是派驰的淘宝店:
🔴OAK-D -派驰电子 淘宝：https://sourl.cn/9YEFE5
🔴OAK-1 -派驰电子 淘宝：https://sourl.cn/4CpZUZ
参考链接:
OAK 中国：https://sourl.cn/6wt8sm
OAK 中文文档：https://sourl.cn/rawPZD
