當嵌入式遇上人工智能，用OK3399-C來做個AI“云監工”！
人工智能 (AI) 可以從實時視頻流中檢測出重要信息，從街道上收集可靠的實時數據并通過 AI 推理對其進行壓縮，幫助智慧城市更輕松地管理資源，并改善生活質量、生產力和緊急響應速度。為實現出色的效率，視覺應用必須實時處理海量數據。
OK3399-C開發板是飛凌2020年推出的首款人工智能系列產品。該平臺基于瑞芯微RK3399設計，CPU內置Mali-T864GPU，使用大小核的CPU結構，由兩個Cortex-A72+四個Cortex-A53組成，在滿足用戶處理器性能要求的同時，也提供了更加強勁的圖形處理性能。
無論是在工業自動化領域，還是前沿的人工智能、邊緣計算領域，OK3399-C都能承擔極大的工作量。
經CoreMark跑分
單A72核：
Coremark:11396
Coremark/MHz=11396/1800=6.33
雙A72核：
Coremark:22610
Coremark/MHz=22610/3600=6.28
6核：
Coremark:39099
Coremark/MHz=39099/9200=4.25
......
通過以上數據可以看到，OK3399-C搭載的CPU RK3399單核性能達到6.33，多核性能也是能達到4.25。
那么這樣一個“大心臟”當然還需要其他器官也要強勁，下面來一一介紹。
RK3399搭載Mali-T860GPU，支持OpenGLES1.1/2.0/3.0/3.1,OpenCL。支持AFBC（幀緩沖壓縮），節省GPU的帶寬，提升性能的同時降低功耗，更是為強大的GPU狠狠的助了一把力。視頻顯示部分支持4KV P9 and 4K 10bits H.265/H.264 視頻解碼，高達60fps。支持雙VOP顯示：分辨率分別支持4096x2160及2560x1600，顯示支持雙通道MIPI-DSI、eDP1.3、HDMI2.0支持4K60Hz、以及DP1.2多種接口。支持雙路攝像頭數據同時輸入，雙ISP像素處理能力高達13MPix/s。
枯燥的東西介紹了很多，那么這么強勁的CPU性能，如此高的運算速度，豐富的接口，以及1300萬像素輸入、4K視頻輸出，哪里才是它的用武之地呢？
必然是一個需要計算量大，實時性強的應用場景，最典型的就是目前最火熱的AI人工智能了。
------
飛凌對于OK3399-C在AI領域的應用也是下了很深的功夫，系統集成了TensorFlow AI框架，支持ArmNN加速，并提供測試demo和方法。另外還有OpenCV、OpenCL、OpenGL的測試例程。
下面進入本文的重點：OK3399-C+RK1808計算棒運行智能識別程序。
流程大體如下，在OK3399-C平臺上開發好的模型固化到計算棒上，然后部署到設備中，實現設備的人工智能計算。
按照OK3399-C平臺Desktop系統+RK1808計算棒應用手冊，對RK1808計算棒的網絡進行配置之后，可以按照對應IP登錄到計算棒上，設置其主動模式和被動模式。
主動模式Mobilenet-ssd 測試
按照手冊中的內容配置好環境之后，運行編譯好的上位機程序：./ssd_demo
效果如下：
可以看到能進行物體的識別和種類的計算。
主動模式yolov3測試
運行應用后的效果▼
能識別鼠標、鍵盤、顯示器、人等物體，并且識別速度很快。
另外，OK3399-C也能搭配1808的被動模式，其被動模式整體數據流圖如下：
先是由攝像頭采集到數據流，后經OK3399-C處理傳輸給RK1808計算棒，計算棒處理后的結果推回給OK3399-C，再經顯示器顯示。
下面是RK1808被動模式的測試結果：
被動模式Mobilenet-ssd 測試
可以正確識別顯示器、水杯、鍵盤等物體，可以發現FPS要比被動模式高，說明此種模式運行更快。
被動模式Rock-X 測試
提供了多個Rock-X測試例程：
Rock-Xcommand_line_demo 提供的例程
rockx_carplate_demo車牌識別
rockx_face_attribute_demo人臉屬性識別（性別、年齡）
rockx_face_detection_demo人臉檢測
rockx_face_landmark_demo人臉特征點定位
rockx_head_detection_demo人頭檢測
rockx_object_detection_demo物體檢測
rockx_object_track_demo物體運動檢測
rockx_pose_body_demo人體姿態檢測
rockx_pose_finger_demo手掌節點姿態檢測
rockx_face_liveness_demo活體檢測rockx_face_recognition_demo人臉識別對比
上圖使用了rockx_face_landmark_demo，抓取了人臉特征的68個點。還有很多其他的測試應用，沒有一一測試。
被動模式yolov3測試
安裝python、TensorFlow和RKNN-Toolkit 插件后運行yolov3測試demo：
在能準確分辨物體的前提下其FPS能達到30。
經過以上測試，OK3399-C的計算能力，尤其搭載RK1808計算棒之后的運算能力可見一斑。實際上，這個平臺還有很深的潛力可挖掘，就要靠以后研發和使用的工程師們共同努力了。
以上就是小編給大家分享的內容，希望能夠幫到您。
進入飛凌嵌入式官網，了解關于OK3399-C開發板的更多信息。
相關產品 >
-
FET3399-C核心板
飛凌RK3399安卓高性能核心板采用 采用六核Rockchip RK3399芯片，雙Cortex-A72大核+四Cortex-A53小核結構，對整數、浮點、內存等作了大幅優化，在整體性能、功耗及核心面積三個方面提升。以下將對瑞芯微芯片RK3399參數,RK3399核心板方案及其性能做具體介紹。如您對飛凌RK3399系列核心板有興趣，歡迎咨詢了解。
了解詳情
-
OK3399-C開發板
飛凌嵌入式RK3399安卓開發板主芯片采用高性能六核CPU Rockchip RK3399,GPU采用Mail-T860四核 GPU，RK3399作為目RK產品線中低功耗、高性能的代表，可滿足人臉識別設備、機器人、無人機、IoT物聯網領域應用。飛凌RK3399開發板在整體性能、功耗及核心面積做了大幅度優化，更加滿足工業設計需求。飛凌RK3399開發板為進一步減少用戶二次開發難度，開放了底板原理圖，并提供了RK3399用戶手冊、芯片手冊，加上優質的技術服務，讓您的方案從構思到上市時間縮短。
了解詳情
換一批
