【Datawhale IntelVINO学习笔记】OpenVINO音频和人体姿态识别

声音检测实验

初始化环境

定义工作目录

export OV=/opt/intel/openvino_2021/
export WD=~/OV-300/06/Lab1/
export MODELS_PATH=~/OV-300/06/Lab1/
#初始化OpenVINO
source $OV/bin/setupvars.sh

进入实验目录

cd $WD

下载并使用MO转换声音识别模型

./download_audio_models.sh

#通过vi查看模型拓扑结构

vi  $MODELS_PATH/audio_models/aclnet/FP32/aclnet.xml

注：可以看到该xml的版本以及数据精度为：FP32，input shape=“1, 1, 1, 16000”。使用“:q”指令退出该界面。

运行Demo

运行指令：

bash audio_event_detection.sh

注：屏幕上将会打印DL-Streamer的pipeline指令和该指令的全部输出结果

#运行晒选结果的指令,来查看探测到的声音种类:
bash audio_event_detection.sh  | grep "label\":" | sed 's/label_id.*//' |sed 's/.*label"/==>/'

#修改aclnet.json 脚本来实现你的猜想：
vi $WD/model_proc/aclnet.json
解决方案：尝试 "Insects (flying)" 在 0.5 至0.9 之间更改，更改后保存完再次运行audio_event_detection.sh进行测试，直至检测不到昆虫噪音。

通过vi查看模型拓扑结构

vi  $MODELS_PATH/audio_models/aclnet/FP32/aclnet.xml

注：可以看到该xml的版本以及数据精度为：FP32，input shape=“1, 1, 1, 16000”。使用“:q”指令退出该界面。

运行Demo

运行指令：

bash audio_event_detection.sh

注：屏幕上将会打印DL-Streamer的pipeline指令和该指令的全部输出结果
#运行晒选结果的指令,来查看探测到的声音种类:

bash audio_event_detection.sh  | grep "label\":" | sed 's/label_id.*//' |sed 's/.*label"/==>/'

修改aclnet.json 脚本来实现你的猜想：

vi $WD/model_proc/aclnet.json

解决方案：尝试 “Insects (flying)” 在 0.5 至0.9 之间更改，更改后保存完再次运行audio_event_detection.sh进行测试，直至检测不到昆虫噪音。

：使用DL-streamer进行表情识别

开始实验
#进入实验目录

cd $WD

运行识别示例
#运行人脸识别和分类示例：

bash face_detection_and_classification.sh video1.mp4
#获得output.mp4,获得可播放的标准MP4格式，使用：
ffmpeg -i output.mp4 output_1.mp4
#播放结果视频：
show output_1.mp4