K210 图像识别（加训练模型）

叁歲伎倆 2022-12-20 11:27 689阅读 0赞

本文简介K210的图像识别

首先要明确的是图像识别 ，我们需要识别的是什么  ，如何让机器代替我们识别  ，我们人类认识世界万物  知道这个是玫瑰花  这个是豆腐  这个是火车   这个是我们一步一步的学习所得的，当然如何让机器识别出物品  也需要机器学习

关于具体的机器学习  神经网络  不再这里讲解

本例程所用的硬件环境是最近新出的K210开发板模块     maixpy

[https://maixpy.sipeed.com/zh/course/ai/train/maixhub.html][https_maixpy.sipeed.com_zh_course_ai_train_maixhub.html]

[![micropython logo][]][micropython logo 1]

<table> 
 <thead> 
  <tr> 
   <th>网站导航</th> 
   <th>地址</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><strong>MaixPy</strong> 唯一官方文档官网</td> 
   <td>官网: <a href="https://maixpy.sipeed.com" rel="nofollow"><strong>maixpy.sipeed.com</strong></a><br> 中文站: <a href="https://cn.maixpy.sipeed.com" rel="nofollow"><strong>cn.maixpy.sipeed.com</strong></a></td> 
  </tr> 
  <tr> 
   <td><strong>MaixPy</strong> 例程仓库</td> 
   <td>github： <a href="https://github.com/sipeed/MaixPy_scripts" rel="nofollow"><strong>github/maixpy_script</strong></a><br> 国内：<a href="https://gitee.com/Sipeed/maixpy_scripts" rel="nofollow"><strong>gitee/maixpy_scripts</strong></a></td> 
  </tr> 
  <tr> 
   <td>MaixPy 源码</td> 
   <td><a href="https://github.com/sipeed/MaixPy" rel="nofollow"><strong>github: MaixPy</strong></a></td> 
  </tr> 
  <tr> 
   <td>开发板资料下载</td> 
   <td><a href="http://dl.sipeed.com/MAIX/HDK" rel="nofollow"><strong>dl.sipeed.com</strong></a></td> 
  </tr> 
  <tr> 
   <td>Sipeed WIKI</td> 
   <td><a href="https://wiki.sipeed.com" rel="nofollow"><strong>wiki.sipeed.com</strong></a></td> 
  </tr> 
 </tbody> 
</table>

## 1. 关于 MaixPy ##

[**MaixPy**][MaixPy] 是将 [Micropython][] 移植到 [K210][]（一款 64 位双核带硬件 FPU、卷积加速器、FFT、Sha256 的 RISC-V CPU ） 的一个项目， 支持 MCU 常规操作， 更集成了硬件加速的 `AI` 机器视觉和麦克风阵列，`1TOPS` 算力 核心模块却不到`￥50`， 以快速开发具有极低成本和体积实用的 `AIOT` 领域智能应用。

> MicroPython 是基于 Python3 的语法做的一款解析器，包含了 Python3 的大多数基础语法， 主要运行在性能和内存有限的嵌入式芯片上。（注意 Micropython 不包含 Python3 的所有语法）

**MaixPy** 让我们在 K210 上编程更加简单快捷， 我们也将源代码开源在 [**github**][github] 上

使用 MaixPy 可以做很多有趣的事情， 具体可以[看这里][Link 1]

## 2. 简洁的代码实例 ##

比如我们需要扫描 **I2C** 总线上的设备，不需要复杂的开发环境和工程，只需要通过串口发送如下代码即可实现：

from machine import I2C                          # 导入内置库
    
    i2c = I2C(I2C.I2C0, freq=100000, scl=28, sda=29) # 定义一个I2C对象， 使用I2C0, 频率100kHz，SCL引脚是IO28, SDA 引脚是IO29
    devices = i2c.scan()                             # 调用函数扫描设备
    print(devices)                                   # 打印设备

同样，我们需要实现一个**呼吸灯**，只需要如下代码：

from machine import Timer,PWM
    from board import board_info
    import time
    
    tim = Timer(Timer.TIMER0, Timer.CHANNEL0, mode=Timer.MODE_PWM)
    ch = PWM(tim, freq=500000, duty=50, pin=board_info.LED_G)
    duty=0
    dir = True
    while True:
        if dir:
            duty += 10
        else:
            duty -= 10
        if duty>100:
            duty = 100
            dir = False
        elif duty<0:
            duty = 0
            dir = True
        time.sleep(0.05)
        ch.duty(duty)

**实时拍照**：

import sensor
    import image
    import lcd
    
    lcd.init()
    sensor.reset()
    sensor.set_pixformat(sensor.RGB565)
    sensor.set_framesize(sensor.QVGA)
    sensor.run(1)
    while True:
        img=sensor.snapshot()
        lcd.display(img)

我们本次例程  就以识别汽车为例

我们要识别汽车要有足够的图片来训练模型   然后将模型装载在K210中

关于模型的训练

我们如何获取汽车的图片    可以从网络上选择下载  这是不方便的，  合理的运用爬虫是最合理的

下面是我下载好的图片

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70][]

K210训练的模型  需要修改图片的格式  （224\*224）

# 参考Maixhub 模型训练平台使用说明 #

[https://www.maixhub.com/index/mtrain/help.html][https_www.maixhub.com_index_mtrain_help.html]

采用下面的工具将图片大小修改  （最后都会放上百度网盘链接）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1][]

或者

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2][]

如果想要拍照训练模型这里有拍照脚本

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4][]

上面标注的两个脚本文件是  加载在K210进行拍照的    拍下的照片自动保存在内存卡中

#本程序用于使用Maixpy系列开发板进行图像数据收集
    #使用方法:
    #0.为Maixpy系列开发板插入一张TF卡
    #1.将本程序烧入Maixpy系列开发板中，上电运行
    #2.阅读用户说明后，按下BOOT按钮进行拍照，LCD屏左下角会显示当前存储目录
    #3.拍照后的图片默认存储在TF卡目录./0/下面，拍摄成功后，会在LCD屏正下方显示"OK！"字样
    #长按BOOT按钮可切换拍照后图片的默认存储路径(默认支持./1/~./10/，也就是十分类，如有其他需求，请修改Classes_num变量)
    #4.完成所有分类的图像采集后，将TF卡中的数据移动到电脑上，并自行按需修改存储图片的文件夹名称(标签名），
    #并删除没有用到的标签文件夹
    #5.用DataAssitant数据集与处理软件进行处理。
    #6.将得到的.zip压缩文件上传MaixHub进行训练。
    #PS:
    #DataAssitant数据集与处理软件下载地址:
    #https://cdn.sipeed.com/donwload/12kj346465hjkv68g7c/DataAssitantV1.0.zip
    #数据集收集教程:https://www.maixhub.com/index.php/index/mtrain/help.html
    ##################################################################################
    #This program is used for image data collection using Maixpy series development boards#Instructions:
    # 0. Insert a TF card for Maixpy series development board
    # 1. Burn the program into the Maixpy series development board and power on
    # 2. After reading the user's instructions, press the BOOT button to take a picture,
    #    the current storage directory will be displayed in the lower left corner of the LCD screen
    # 3. The picture after taking the picture is stored in the TF card directory by default.
    #    Long press the BOOT button to switch the default storage path of pictures after taking pictures
    #    (default supports ./1/~./10/, which is very class, if you have other needs, please modify the Classes_num variable)
    # 4. After completing the collection of all the classified images, move the data in the TF card to the computer,
    #    and modify the folder name (tag name) where the pictures are stored as needed,
    #    And delete unused tag folders# 5. Use DataAssitant dataset and processing software for processing.
    # 6. Upload the obtained .zip compressed file to MaixHub for training.
    #PS:
    #DataAssitantDataset and processing software download address:
    #https: //cdn.sipeed.com/donwload/12kj346465hjkv68g7c/DataAssitantV1.0.zip
    #Dataset Collection Tutorial: https://www.maixhub.com/index.php/index/mtrain/help.html
    ##################################################################################
    import sensor, image, time, lcd
    import utime
    import uos
    import sys
    from Maix import GPIO
    from board import board_info
    from fpioa_manager import fm
    ##################################################################################
    Classes_num = 10 #十分类(10个标签文件夹)|Tier 10 (10 tag folders)
    ##################################################################################
    bg = lcd.RED
    text = lcd.WHITE
    boot_press_flag = 1
    start = time.ticks_ms()
    end = time.ticks_ms()
    ui_num = 0
    image_save_path = "/sd/image/"#图片保存目录头
    claass = 0#文件夹名
    image_num = 0#图像文件保存名
    #完整图片保存路径image_save_path+claass+"/"
    image_data = image.Image()#图像
    shoot_flag = 0
    ##################################################################################
    def boot_key_irq(pin_num):#
        global ui_num
        global boot_press_flag,start,end
        global claass
        global image_num
        global shoot_flag
        #utime.sleep_ms(100)
        if(boot_press_flag == 1):
            start = time.ticks_ms()
            boot_press_flag = 0
        elif(boot_press_flag == 0):
            end = time.ticks_ms()
            boot_press_flag = 1
            time_diff = time.ticks_diff(end, start)
            if(time_diff >120 and time_diff <500):
                print("短按拍摄",time_diff)
                ui_num = 1
                if(ui_num == 1):#已进入拍摄
                    image_num = image_num + 1
                    #shoot_flag = 1
                    image_data.save("/sd/image/"+str(claass)+"/"+str(utime.ticks_us())+str(image_num)+".jpg")
                    lcd.draw_string(160, 224,"ok!"+str(image_num))
                    utime.sleep_ms(500)
                    #print(str(utime.ticks_us()))
            elif(time_diff >=500 and time_diff <=2000):
                print("长按切换文件夹",time_diff)
                if(ui_num == 1):#已进入拍摄
                    claass = claass + 1
                    if(claass >Classes_num-1):#让保存路径始终有效
                        claass = 0
            elif():
                boot_press_flag = 1
                start = 0
                end = 0
        #print("key", pin_num)
    
    fm.register(board_info.BOOT_KEY, fm.fpioa.GPIOHS0, force=True)
    boot_key=GPIO(GPIO.GPIOHS0, GPIO.IN, GPIO.PULL_UP)
    boot_key.irq(boot_key_irq, GPIO.IRQ_BOTH, GPIO.WAKEUP_NOT_SUPPORT, 7)
    ##################################################################################
    def draw_help_ui():#显示帮助页面
        lcd.draw_string(60, 10, "Data Collection Assistant", text, bg)
        lcd.draw_string(20, 30, "1.Press the BOOT button to take a pi-", text, bg)
        lcd.draw_string(10, 50, "cture. The current storage directory", text, bg)
        lcd.draw_string(10, 70, "will be displayed in the lower left corner of the LCD screen.", text, bg)
        lcd.draw_string(10, 90, "corner of the LCD screen.", text, bg)
    
        lcd.draw_string(20, 120, "2.Long press BOOT button to switch ", text, bg)
        lcd.draw_string(10, 140, "the default storage folder path of pi-", text, bg)
        lcd.draw_string(10, 160, "ctures after taking photos.", text, bg)
        lcd.draw_string(10, 200, "--Press the BOOT button to start shoot", text, bg)
    ##################################################################################
    def not_found_tf():#没有找到TF卡
        lcd.clear(bg)
        lcd.draw_string(10, 90, "ERROR: ", text, bg)
        lcd.draw_string(20, 110, "No TF card found", text, bg)
        lcd.draw_string(20, 130, "The Reason:", text, bg)
        lcd.draw_string(20, 150, "1.No TF card inserted", text, bg)
        lcd.draw_string(20, 170, "2.TF card model is not supported", text, bg)
        lcd.draw_string(20, 190, "3.TF card format is not FAT", text, bg)
    ##################################################################################
    def init():#初始化相关
        i = 0
        sensor.reset()
        sensor.set_pixformat(sensor.RGB565)
        sensor.set_framesize(sensor.QVGA)
        sensor.skip_frames(time = 2000)
        sensor.set_vflip(1)
        sensor.run(1)
        lcd.init(type=1, freq=15000000, color=bg)
        try:
            uos.mkdir("/sd/image")#创建image文件夹，顺路TF卡检测
            for i in range(Classes_num):
                uos.mkdir("/sd/image/"+str(i))#创建image/1-10文件夹，顺路TF卡检测
                print("/sd/image/"+str(i))
        except Exception as e:
            if(str(e) == "[Errno 17] EEXIST"):
                pass
            else:
                not_found_tf()
                sys.exit(0)
        finally:
            try:
                for i in range(Classes_num):
                    uos.mkdir("/sd/image/"+str(i))#创建image/1-10文件夹，顺路TF卡检测
                    #print("/sd/image/"+str(i))
                    lcd.draw_string(0, 224,str(claass))
            except Exception as e:
                if(str(e) == "[Errno 17] EEXIST"):
                    pass
                else:
                    not_found_tf()
                    sys.exit(0)
        draw_help_ui()
    ##################################################################################
    def image_ui():
        global image_data
        image_data = sensor.snapshot()         # Take a picture and return the image.
        lcd.display(image_data,oft=(0,0))                # Display on LCD
        lcd.draw_string(0, 224,"/sd/image/"+str(claass)+"/")
    ##################################################################################
    def main():#主函数
        init()
        while(True):
            if(ui_num == 1):
                image_ui()
    
    if __name__ == '__main__':
        try:
            main()
        except Exception as e:
            print(e)
            lcd.clear(bg)
            lcd.draw_string(10, 90, "ERROR:unknown mistake", text, bg)
            lcd.draw_string(20, 110, "Please contact sipeed for help.", text, bg)

上述拍照的效果并不太好

在电脑上加载摄像仪进行拍照脚本

import cv2
    import time
    import os
    
    cap = cv2.VideoCapture(1)
    cap.set(3,320)
    cap.set(4,240)
    
    def snapShotCt():
        # camera_idx的作用是选择摄像头。如果为0则使用内置摄像头，比如笔记本的摄像头，用1或其他的就是切换摄像头。
        # ret, frame = cap.read()  # cao.read()返回两个值，第一个存储一个bool值，表示拍摄成功与否。第二个是当前截取的图片帧。
        count = 100
        while True:
    
            # 从摄像头读取图片
            success, img = cap.read()
            
            cv2.imwrite("save_pic/" + str(count) + '.jpg', img)
            cv2.imshow('image', img)
            time.sleep(0.5)  # 休眠一秒 可通过这个设置拍摄间隔，类似帧。
            count += 1
            # ret, frame = cap.read()  # 下一个帧图片
            # 保持画面的连续。waitkey方法可以绑定按键保证画面的收放，通过q键退出摄像
            #      k = cv2.waitKey(1)
            #      if k == '27':
            #         break
            # 或者得到800个样本后退出摄像，这里可以根据实际情况修改数据量，实际测试后800张的效果是比较理想的
            if count >= 100:
                break
    
    
    # 关闭摄像头，释放资源
    snapShotCt()
    cap.realease()
    cv2.destroyAllWindows()
    # camera.release()
    # cv2.destroyAllWindows()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5][]

有了照片  开始标注

vott标注和 labimag

![20201205133149189.png][]![2020120513320056.png][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 8][]

标注400张

labeIimg 标注

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 9][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 10][]

标注完之后   打包上传到云端

注意上传的格式要求 labeIimg

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 11][]

VOTT

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 12][]

## 三、采集照片 ##

确定了方案，就可以采集照片了， 目标是采集目标分辨率的照片， 以下都以`224x224`为例， 将他们按照目录进行分类收集， 比如 采集整理好的目录结构：

采集照片有以下几种方式:

1.  使用开发板采集到`SD`卡， 直接采集成需要的分辨率 （推荐）
2.  手机拍照， 然后使用预处理工具处理成需要的分辨率， 注意， 处理完后一定要手动检查数据是否符合要求， 不然可能影响训练精准度
3.  使用现成的图片， 使用预处理工具处理成需要的分辨率， 注意， 处理完后一定要手动检查数据是否符合要求， 不然可能影响训练精准度

### 1. 使用开发板进行数据采集 ###

*  使用 [这个][Link 2] 脚本来进行采集图片
 *  按照 [图片采集脚本使用说明][Link 3] 采集图片到`SD`卡
 *  将`SD`卡中的图片拷贝到电脑， 整理成上面的目录结构， 所有图片的分辨率为`224x224`
 *  注意 `SD`卡需要硬件支持`SPI`通信， 并使用`MBR(msdos)`分区方案，并格式化为`FAT32`格式

### 2. 使用其它图片 ###

整理成上面的目录结构， 最后所有图片分辨率已经是`224x224`， 如果不是， 后面还需要处理

## 四、预处理数据集为目标分辨率 ##

*  如果所有图片已经都是`224x224`的分辨率，本步骤跳过
 *  如果有图片不是`224x224`， 那么需要先把所有图片处理成`224x224`, 稍后`Maixhub`会推出预处理工具

## 五、 标注数据集 ##

对于不同的训练类型：

### 目标分类 ###

跳过此步骤

### 目标检测 标注数据集 ###

**注意**， 一定要先保证分辨率正确， 再标注

标注有以下两种工具：

1.  [vott][]: 点击[这里下载][Link 4]
    
     *  创建项目， 这里比较麻烦的就是数据输入输出文件夹需要创建一个连接（connection）
     *  然后左边导出设置， 选择`TFRecord`格式![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 13][]
     *  标注数据
     *  标注完成后需要手动点击导出按钮来导出`TFRecord`文件![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 14][]
     *  结果文件目录结构， 注意`tf_label_map.pbtxt`是必须的，`vott`自动生成的， 不要手动修改

1.  [labelimg][] : 点击[这里][Link 5]下载  
    如下图， 选择图片目录， 以及存放（输出）目录，（左边`PascalVOC`格式不要改动）按下`W`按键后， 用鼠标框出图片中的物体， 并且给它给一个标签， 这里使用了`ball`作为标签（一张图中可以有多个物体）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 15][]  
保存后会生成`xml`格式的文件（即`PascalVOC`格式）,每张图对应一个`xml`文件

结果文件： 完成后目录结构和文件如下：

或者两级目录

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 16][]

## 六、 打包数据集 ##

将前面处理好的数据集进行打包， 使用`zip`压缩，暂不支持其它格式， 而且文件不要超过`20MiB`

### 目标分类 ###

一个文件夹一个分类， 分类名（标签/label）就是文件夹名

### 目标检测 ###

1.  vott的输出`zip`文件结构：

![20201205134227251.png][]

1.  labelimg 的输出`zip`文件结构

新建了一个`labels.txt`, 输入标记的标签， 每行一个， 比如这里：

# `ball` #

# `toy` #

这是必须的， 否则数据无效

然后目录结构如下

或者两级labelimg输出

## 七、上传数据集进行训练 ##

到 [https://www.maixhub.com/mtrain.html][https_www.maixhub.com_mtrain.html] 创建训练任务

*  选择训练类型
 *  填写邮箱地址， 用于接收结果， 包括成功（模型等文件） 和 失败 （失败原因）结果
 *  如果要求填写机器码（不要求则跳过此步骤）：
    
     *  **警告**： 由于需要进行模型加密，运行`key_gen.bin` 将**永远**关闭 `JTAG`端口，并写入一次性 AES KEY，请确认对自己开发没有影响再进行烧录。（如果不使用`JTAG`调试开发或者仅使用`MaixPy`开发不影响）
     *  下载 `key_gen` 固件 [key\_gen\_v1.2.zip][key_gen_v1.2.zip]
     *  下载 [kflash-gui][]
     *  使用 `kflash-gui` 烧录 `key_gen` 固件![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 17][]
     *  打开串口终端， 重启开发板， 可以看到打印出的机器码。

`Please Send Bellow Data to Sipeed --> support@sipeed.com:`

`6f80dccbe29**********cc7e9d69f92`

`Generate key end`

其中 `6f80dccbe29**********cc7e9d69f92` 就是对应开发板的机器码

*  上传打包好的`zip`格式的数据集
 *  点击创建训练任务

## 八、 训练结果及使用方法 ##

训练结果（成功或者失败） 会发送到邮箱。 是一个`zip`压缩文件， 解压后仔细阅读`README.txt`，使用了中英文对使用方法进行了说明

默认是在有[最新版固件][Link 6]的情况下， 将结果文件全部拷贝到`SD`卡根目录， 断电插入开发板， 然后上电就可以运行了

如果需要将模型放到`flash`， 烧录方法参考`MaixPy`教程

以管理员的方式运行

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 18][]

下载模式  高速改为低速模式

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 19][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 20][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 21][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 22][]

# -*-encoding=utf-8-*-
    
    import cv2
    import os
    
    # path = 'switch.avi'
    # k = input('输入要打开的摄像头索引:')
    # path = int(k)
    # if path < 0:
    #     path = 0
    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)
    cv2.namedWindow('mycamera')
    num = -1
    start = False
    imagePath = 'JPEGImages'
    fileKey = [str(i) for i in range(1, 10)] + ['b', 'c', 'd', 'x', 'y']
    
    while True:
        success, frame = cap.read()
        if success:
            # frame = cv2.rotate(frame, cv2.ROTATE_90_COUNTERCLOCKWISE)
            # frame = cv2.flip(frame, 1)
            cv2.imshow('mycamera', frame)
        key = cv2.waitKey(4) & 0xff
        if start is False and key == ord('a'):
            print('按下:a, 开始')
            start = True
        if start is True and key == ord('p'):
            print('按下:p, 暂停')
            start = False
        # index = str(key - ord('0'))
        index = chr(key)
        if index in fileKey:
            # name = int(index) * 1000000
            name = index + '0'*6
            k = input("请输入照片对上次于%s的偏移:" % name)
            # name = name + int(k)
            name = index + k.zfill(6)
            num = int(k)
            print('按下：' + index + ', name:' + name)
            imagePath = 'JPEGImages' + index
        elif key == ord('q'):
            break
        elif key not in [255, ord('a'), ord('p')]:
            print('无效按键')
        if start is False or num < 0:
            continue
        currentPath = 'VOCdevkit/VOC2007/' + imagePath
        if not os.path.exists(currentPath):
            print('create image directory', currentPath)
            os.makedirs(currentPath)
        cv2.imwrite('VOCdevkit/VOC2007/' + imagePath + '/' + name + '.jpg',
                    frame)
        # cv2.imwrite('VOCdevkit/VOC2007/JPEGImages/' + name + '.jpg', frame)
        num += 1
        name = name[0] + '%06d' % num
    
    cv2.destroyWindow('mycamera')
    cap.release()

[https_maixpy.sipeed.com_zh_course_ai_train_maixhub.html]: https://maixpy.sipeed.com/zh/course/ai/train/maixhub.html
[micropython logo]: /images/20221120/d2926b515045466bad3f936565f6c609.png
[micropython logo 1]: https://maixpy.sipeed.com/assets/maixpy/micropython.png
[MaixPy]: https://maixpy.sipeed.com/zh/maixpy.sipeed.com
[Micropython]: http://micropython.org/
[K210]: https://kendryte.com/
[github]: https://github.com/sipeed/MaixPy
[Link 1]: https://maixpy.sipeed.com/zh/what_maix_do.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70]: /images/20221120/32e7cfa2f96042ed8e68a95f41bf2332.png
[https_www.maixhub.com_index_mtrain_help.html]: https://www.maixhub.com/index/mtrain/help.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 1]: /images/20221120/bb9208e701824d04bec26fea843072fc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 2]: /images/20221120/0782b0ddf62b4d22bf0584a74afb97b8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 3]: /images/20221120/f368cc5340804d51817ba76fd99568fa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20201205132310363.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20201205132736520.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[20201205133149189.png]: https://img-blog.csdnimg.cn/20201205133149189.png
[2020120513320056.png]: https://img-blog.csdnimg.cn/2020120513320056.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20201205133218892.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20201205132912392.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20201205132858396.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20201205133516310.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20201205133618723.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20201205133735221.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20201205133843764.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[Link 2]: https://github.com/sipeed/MaixPy_scripts/blob/master/application/capture_image_tool/boot.py
[Link 3]: https://github.com/sipeed/MaixPy_scripts/tree/master/application/capture_image_tool
[vott]: https://github.com/microsoft/VoTT
[Link 4]: https://github.com/microsoft/VoTT/releases
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20201205133923431.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/20201205133923437.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[labelimg]: https://github.com/tzutalin/labelImg
[Link 5]: https://github.com/tzutalin/labelImg/releases
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20201205133923461.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20201205134150115.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[20201205134227251.png]: https://img-blog.csdnimg.cn/20201205134227251.png
[https_www.maixhub.com_mtrain.html]: https://www.maixhub.com/mtrain.html
[key_gen_v1.2.zip]: https://dl.sipeed.com/fileList/MAIX/MaixHub_Tools/key_gen_v1.2.bin
[kflash-gui]: https://github.com/Sipeed/kflash_gui/releases
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20201205133923468.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[Link 6]: https://dl.sipeed.com/MAIX/MaixPy/release/master/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/20201112100500399.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20201112101219690.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 20]: https://img-blog.csdnimg.cn/20201205134818531.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 21]: https://img-blog.csdnimg.cn/20201205134810117.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0_size_16_color_FFFFFF_t_70 22]: https://img-blog.csdnimg.cn/20201205134802372.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2OTU4MTA0,size_16,color_FFFFFF,t_70