SungemSDK-Python

hsapi
├── __init__.py
├── core
│   ├── __init__.py
│   ├── base.py
│   ├── device.py
│   └── graph.py
├── high
│   ├── __init__.py
│   ├── net.py
│   └── task.py
└── easy
    ├── __init__.py
    └── prefab.py

import numpy
import hsapi as hs # 导入 hsapi 模块, 注意导入路径

# 获取角蜂鸟设备
device_list = hs.EnumerateDevices() # 获取所有已连接的角蜂鸟
device = hs.Device(device_list[0])

# 打开角蜂鸟设备
device.OpenDevice()

"""
# [可选，根据业务需要]
# 读取角蜂鸟设备自带的摄像头的图像 
image = device.GetImage(zoomMode=True) # zoomMode: True(640x360) False(1920x1080)
"""

# 操作神经网络资源、处理数据、业务逻辑等
...

# 关闭设备，角蜂鸟设备将会自动重置
device.CloseDevice()

# 加载Graph文件, 获取Graph实例
with open('Graph文件路径', mode='rb') as f:
    data = f.read()
graph = device.AllocateGraph(data, scale, mean) # scale、mean 图像预处理参数

# 神经网络的图像输入，这里有两种方式 [2选1]
# 1. 加载外部图像，这里以读取USB摄像头为例
"""
import cv2
capture = cv2.VideoCapture(0)
_, image = capture.read()

image = image_preprocess(image) # 把图像预处理，处理成神经网络需要的格式和大小
graph.LoadTensor(image.astype(numpy.float16), None) # 加载图像作为神经网络的输入
"""
# 2. 使用角蜂鸟自带的摄像头作为输入
# 使用自带的摄像头作为输入, 返回图像
image = graph.GetImage(True)  # zoomMode: True(640x360) False(1920x1080)

# 读取神经网络输出
output, _ = graph.GetResult()

# 解析神经网络输出，实现业务逻辑
...

# 释放神经网络资源
graph.DeallocateGraph()

# 单角蜂鸟单模型
import cv2, numpy
import hsapi as hs # 导入 hsapi 模块, 注意导入路径

scale = 0.007843 # 图像预处理参数
mean = -1.0 # 图像预处理参数

device_list = hs.EnumerateDevices() # 获取所有已连接的角蜂鸟
device = hs.Device(device_list[0]) # 获取Device实例

device.OpenDevice() # 打开角蜂鸟设备

with open('Graph文件路径', mode='rb') as f:
    data = f.read()
graph = device.AllocateGraph(data, scale, mean) # 获取Graph实例

try:
    while True:
        # 使用自带摄像头作为输入
        image = graph.GetImage(True) # 用角蜂鸟设备图像作为神经网络输入
        output, _ = graph.GetResult() # 获取神经网络输出结果
        print(output)
        cv2.imshow("horned-sungem", image)
        cv2.waitKey(1)
finally:
    graph.DeallocateGraph() # 释放神经网络资源
    device.CloseDevice() # 关闭角蜂鸟设备

# 单角蜂鸟单模型
import cv2, numpy 
from hsapi import FaceDetector # 导入模块

# 可通过graphPath属性来指定模型路径，默认路径在examples/graphs下
net = FaceDetector(graphPath="./graph_face_SSD", zoom = True, thresh=0.55) # 创建人脸检测网络

try:
    while True:
        # 使用自带摄像头作为输入
        result = net.run(image=None) # 使用角蜂鸟自带设备作为输入，获取网络输出
        image = net.plot(result) # 根据输出结果绘制图像
        cv2.imshow("FaceDetector", image)
        cv2.waitKey(1)
finally:
    net.quit() # 退出神经网络，释放资源，重置设备

# 单角蜂鸟多模型
import cv2
import hsapi as hs

device_list = hs.EnumerateDevices() # 获取所有已连接的角蜂鸟
device = hs.Device(device_list[0]) # 获取Device实例

face_net = hs.FaceDetector(device=device, zoom = True, thresh=0.55) # 创建人脸检测网络
obj_net = hs.ObjectDetector(device=device, zoom = True, thresh=0.55) # 创建物体检测网络

"""
多角蜂鸟多模型: 初始化 Net 时使用不同的 Device 实例即可
"""

capture = cv2.VideoCapture(0) # 获取USB摄像头

try:
    while True:
        # 使用USB摄像头作为输入
        _, image = capture.read() # 读取USB摄像头图像数据
        face_result = face_net.run(image) # 将图像输入到人脸检测网络中
        obj_result = obj_net.run(image) # 将图像输入到物体检测网络中

        image = face_net.overlay(image, face_result[1]) # 根据人脸检测网络的识别结果在图像上进行绘制
        image = obj_net.overlay(image, obj_result[1]) # 根据物体检测网络的识别结果在图像上进行绘制

        cv2.imshow("Face/Obj Detector", image)
        cv2.waitKey(1)
finally:
    face_net.quit() # 重置设备，同一个设备退出一个网络即可

image *= scale
image += mean

mean = -1.0 # [-1.0, -1.0, -1.0]
scale = 0.007843
graph = device.AllocateGraph(data, scale, mean) # scale & mean
image = graph.GetImage(True) # 自带的设备图像已经过预处理后加载到神经网络中，返回的图像是未处理的原始图像
output, _ = graph.GetResult() # 读取神经网络输出结果

image = preprocess(image) # 自行预处理
graph.LoadTensor(image.astype(numpy.float16), None)