ModelBox端云协同AI开发套件（RK3568）试用记录（三）

这一部分是：使用yolov3做口罩检测

口罩检测不同于车辆检测，车辆检测内置于SDK中，模型文件、相关配置都作为解决方案提供了，创建好工程就在那里了。而口罩检测需要自行下载模型和配置文件，并放置到对应的工程目录，其实也很方便。
下载地址，提取码 modbox 选择common.zip（功能单元和配置、任务配置、测试视频 5M） 和rknpu2.zip（推理功能单元和流程配置 14M）下载即可。

仍然是先用 create.py 创建名为mask_det_yolo3的工程，然后用-t infer选项创建一个名为mask_infer的推理功能单元，会在工程目录的model下生成以下内容

|-- model
|   `-- mask_infer
|       `-- mask_infer.toml

将rknpu2.zip里面的rknn模型文件和2个配置文件放入（覆盖原mask_infer.toml）：

workspace/mask_det_yolo3/model/mask_infer/
|-- mask_infer.toml
|-- yolo3_resnet18_mask_det_288x512.toml
`-- yolo3_resnet18_mask_det_288x512_rknpu2.rknn

mask_infer.toml里定义了三个模型的输出，应该是对于head头肩部、face、mask口罩的信息。

接下来使用参数-t python创建2个功能单元，分别是yolo3_post后处理，和draw_mask_bbox在原图上画框展示，生成内容如下：

workspace/mask_det_yolo3/etc/
`-- flowunit
    |-- cpp
    |-- draw_mask_bbox
    |   |-- draw_mask_bbox.py
    |   `-- draw_mask_bbox.toml
    |-- readme.txt
    `-- yolo3_post
        |-- yolo3_post.py
        `-- yolo3_post.toml

将common.zip里面的功能单元内容复制进去覆盖原文件。

带没带口罩的结果的展示，其逻辑是在画图单元实现：如果face检测框与mask检测框的重合度大于某个阈值，就判为佩戴口罩；否则，就判为没有佩戴口罩；如果没有检测到face检测框，就会显示Unknown。

接下来就是串流程图（graph/mask_det_yolo3.toml），和配置任务的输入输出（bin/mock_task.toml），当然下载里都有已经配置好的文件，拷贝到对应目录。同时把测试视频也拷贝到data目录。

mask_det_yolo3.toml里定义了：
各个功能单元的处理流转流程

data_source_parser > video_demuxer > video_decoder > image_resize > mask_detection > yolo3_post > draw_mask_bbox > video_out

以及 功能单元之间的输出输入之间的接口对接配置，比较细节就不说了。

配置任务的输入输出在hello_world和车辆检测部分说过，也不说了。

准备工作到此结束，下面就是进入工程目录，进行build_project.sh然后bin/main.sh运行应用进行视频文件的戴口罩检测，并输出结果到视频文件。

下载的里面还有一个camera的配置文件，是可以将输入输出都配置为视频流来使用的，这个晚点再试一下。