【導讀】過去數(shù)十萬年來，人腦一直堪稱地球上最強大的計算機。我們的大腦是無與倫比的進化杰作，它不僅具有邏輯和推理能力，更具有創(chuàng)造力和情感。時至如今，科學家依然熱衷于人腦的生物學研究，而工程師則始終致力于采用硅電子和軟件技術(shù)來復刻人腦的功能。
深度學習（DL）是一種機器學習（ML）技術(shù)。作為一項新興的人工智能（AI）技術(shù)，深度學習在第二代英特爾NCS（NCS2）中居于核心地位。深度神經(jīng)網(wǎng)絡(luò)依靠ML算法和樣本訓練數(shù)據(jù)來生成數(shù)學模型。要生成經(jīng)過訓練的模型，需要非常大量的計算工作，只有專用于重度計算的硬件才能勝任，但訓練完成后的模型卻可以運行在樹莓派（Raspberry Pi）、NCS2等相對低成本的硬件上。通過推測技術(shù)，這些模型在遇到新的現(xiàn)實世界輸入時便可以迅速作出預測。
例如，如果讓一個視覺模型處理成千上萬的紅色和綠色蘋果圖片，就可以訓練這個模型識別這兩種顏色的蘋果。然后，在NCS2上運行訓練過的模型，并將通過網(wǎng)絡(luò)攝像頭獲取的新圖像輸入到模型中，此時神經(jīng)網(wǎng)絡(luò)便可以對攝像頭視野中的蘋果進行識別和分類。
物理計算：讓技術(shù)與現(xiàn)實更息息相關(guān)
就在不久前，創(chuàng)建人工大腦的想法還純粹是科幻小說中的腦洞。如今，雖然我們距離真正的通用AI還有很長的路要走，但技術(shù)正持續(xù)以疾速發(fā)展，這是不可否認的。不過，雖然追求技術(shù)成就本質(zhì)上就值得我們?yōu)橹冻觯覀儾荒芡松钪胁豢苫蛉钡乃囆g(shù)和創(chuàng)造。物理計算可以在無形的數(shù)字技術(shù)與有形事物的更直觀本質(zhì)之間建立起一座橋梁，并且項目中的「黑科技」本身就有助于化解公眾接受新技術(shù)的障礙，而人工智能顯然就是一項可以從這種相關(guān)性中受益的創(chuàng)新。
在本文所述的項目中，我們將采用尖端的AI驅(qū)動機器視覺新技術(shù)，并將物理計算為人與技術(shù)間交互帶來的樂趣和新奇之處融會于其中。我們將使用兩個NCS2、一臺樹莓派、一臺攝像頭和數(shù)個伺服電機來構(gòu)建一臺面部表情識別設(shè)備，它可以觀察一個人的面部并確定其表情，然后根據(jù)特定種類的表情在現(xiàn)實世界中執(zhí)行某些動作。
背景
如果您從沒有接觸過神經(jīng)網(wǎng)絡(luò)或從未使用Python編寫過程序，那么這個項目就非常適合用來了解這兩項技能，而且嘗試在一個項目中集成英特爾第二代神經(jīng)計算棒（NCS2），這本身也是一種不錯的學習體驗。在此過程中，當您看到機器學習、深度學習、神經(jīng)網(wǎng)絡(luò)等術(shù)語時，與其說它們寫在數(shù)據(jù)表或應用筆記里面，更不如說它們就好像從科幻小說的書頁里飛出來一般。
圖1：人工智能是一個廣泛而深入的研究領(lǐng)域，本項目實現(xiàn)的是卷積神經(jīng)網(wǎng)絡(luò)（CNN）
本項目的核心是NCS2。這是一款USB 3.0設(shè)備，嵌入式系統(tǒng)開發(fā)人員若要在自己的產(chǎn)品中實現(xiàn)基于視覺的智能，便可以通過這款設(shè)備獲得近乎即插即用的AI推理功能。NCS2基于Movidius Myriad X視覺處理單元（VPU）構(gòu)建，這是一款針對AI優(yōu)化的芯片，對基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的視覺計算可以起到加速作用。使用此技術(shù)可以進行對象識別和分類（即識別攝像頭視野中是否存在人臉以及這張臉是否在微笑）。
如果您對這一切都感到陌生，無法理解一個想法如何最終變成一套使用NCS2并借助攝像頭來識別和分類物體，并且還真的能夠運行起來的系統(tǒng)，那么我們不妨花點時間來厘清其中涉及的工作流程。
1、訓練神經(jīng)網(wǎng)絡(luò)（NN）：神經(jīng)網(wǎng)絡(luò)的訓練可以采用多種機器學習框架來進行，包括Caffe、TensorFlow、Kaldi、MXNet和開放神經(jīng)網(wǎng)絡(luò)交換（ONNX），其中部分框架可以在臺式計算機上運行，還有一些能夠以容器的形式借助AWS或Google Compute Engine等云服務來運行。對訓練神經(jīng)網(wǎng)絡(luò)而言，算力（CPU和GPU）是最重要的因素；投入的算力越多，最終得出的模型就越快、越靠譜，因為要讓神經(jīng)網(wǎng)絡(luò)檢測一種物體，就必須要用這種物體的圖片來訓練它，而且至少需要用到數(shù)千張描繪簡單物體的圖片，因而算法需要處理大量數(shù)據(jù)，最終導致的結(jié)果就是訓練神經(jīng)網(wǎng)絡(luò)需要極高的處理能力。如果使用監(jiān)督學習模式進行訓練，那么訓練圖像的數(shù)據(jù)集必須事先進行標注，這也極有可能耗費掉訓練人員的大量時間。
2、下載模型：要讓我們的設(shè)備檢測出攝像頭拍攝到的物體，模型訓練只是第一步，無論它執(zhí)行起來是多么的費時。在本文所述的項目中，該模型將檢測人臉，并對人臉所表現(xiàn)的情感進行分類。英特爾NCS2可以和多種流行的框架一起使用，這些框架包括.caffemodel（Caffe）、.pb（TensorFlow）、.params（MXNet）、.onnx（ONNX）和.nnet（Kaldi）。
不過在這里要告訴大家一個好消息：一些大神已經(jīng)分享了他們以往訓練并生成的模型，并通過網(wǎng)絡(luò)提供下載；但就和采用其它預先構(gòu)建的軟件一樣，由于每個用戶的具體情況各不相同，最終的效果便會因人而異，也許并不一定如預期那樣理想。不過，在許多情況下，直接使用預先訓練好的庫就已經(jīng)足夠。在本文所述的項目中，我們將會用到人臉檢測模型，并對檢測到的人臉所做出的表情進行分類。
3、為推測硬件準備模型：獲取到經(jīng)過訓練的模型后，下一步就是通過一定的準備工作讓它運行在選定的終端設(shè)備上。英特爾的OpenVINO工具套件正是為此準備的。該套件提供的模型優(yōu)化器（Model Optimizer）可讀取Caffe、TensorFlow等神經(jīng)網(wǎng)絡(luò)框架產(chǎn)生的數(shù)據(jù)，然后輸出中間表示（Intermediate Representation, IR）數(shù)據(jù)，其中包含一個.xml文件和一個.bin文件，前者包含了描述神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)的代碼，后者包含了二進制的權(quán)值和閾值數(shù)據(jù)；換言之，.xml文件描述了神經(jīng)網(wǎng)絡(luò)內(nèi)部如何互聯(lián)，.bin文件則表明了分配給每條路徑的值（權(quán)重）。
4、推測：目前為止，我們還沒有用上英特爾NCS2。正如前面說的那樣，訓練模型需要由非常「高大上」的計算硬件來做。至于「推測」，說白了就是把新的輸入內(nèi)容交給神經(jīng)網(wǎng)絡(luò)來辨識、分類和處理，這就是NCS2發(fā)揮作用的地方了。OpenVINO將會讀取IR內(nèi)容，對神經(jīng)網(wǎng)絡(luò)執(zhí)行準備工作，然后將之加載到選定的終端設(shè)備（本例中為NCS2）上，并設(shè)置所需的配置參數(shù)。隨后，NCS2上搭載的推理引擎（Inference Engine, IE）將執(zhí)行該深度學習模型，并在提供輸入數(shù)據(jù)時對其進行推測。它還提供了一組便于使用的庫，以便將IE的輸出集成到定制的應用程序中。
5、使用API開發(fā)增值功能：數(shù)十年來，嵌入式系統(tǒng)的固件開發(fā)一直由C編程語言主導，但近年來Python在應用程序開發(fā)方面越來越受到關(guān)注。隨著MicroPython和CircuitPython分支的創(chuàng)建，Python也開始涉足嵌入式開發(fā)領(lǐng)域。在本文所述的項目中，我們將采用英特爾的Python API與推理引擎進行交互。對于希望繼續(xù)使用C/C++的人士，英特爾還提供了一個C++庫。借助這套Python API，與推理引擎的交互問題便可轉(zhuǎn)化為簡潔的函數(shù)調(diào)用。
物料
本項目將使用4GB版本的樹莓派4單板機作為系統(tǒng)核心，此外還包括以下關(guān)鍵組件：
圖2：樹莓派4依舊保持了小巧的尺寸，但硬件進行了大幅度升級
1、兩個英特爾NCS2
2、一個OV5647攝像頭（也可采用USB攝像頭）
3、三個伺服電機
物料清單（BOM）
本項目的物料清單如表1所示。或者，您可以單擊此處訪問mouser.com加載預定義的購物車，一次性買齊這些部件。本文撰寫時，以下物料清單不含運費和稅費的總價約為370美元。
表1：AI+物理計算項目物料清單
工具和其他資源
以下所列是完成本項目推薦使用的工具：
● 基于Windows，運行OpenVINO工具套件的計算機
● 帶有HDMI端口的電腦顯示器或電視機
● 無線或有線Internet連接
● USB 3.0集線器
● USB鍵盤
● USB鼠標
● USB攝像頭（可選項，不使用OV5647攝像頭時需要使用）
● 剝線鉗
● 數(shù)字萬用表
● 尖嘴鉗
系統(tǒng)概覽
圖3：構(gòu)思想法時，隨筆畫是一種不錯的做法
該系統(tǒng)由五個主要部件構(gòu)成：
1、樹莓派：新款樹莓派可謂單板機（SBC）中的實力派，它搭載了一顆主頻1.5GHz的Broadcom BCM2711四核Cortex-A72 64位SoC，這里我們采用的是帶4GB LPDDR4-2400 SDRAM的型號。該產(chǎn)品采用已成為現(xiàn)行標準的40引腳GPIO接頭與伺服電機進行交互。同時，樹莓派還將用于運行Python腳本、攝像頭和HDMI監(jiān)視器的主機，并與兩個NCS2設(shè)備配合工作。
2、神經(jīng)計算棒：NCS2設(shè)備上將運行兩個神經(jīng)網(wǎng)絡(luò)，其中一個神經(jīng)網(wǎng)絡(luò)負責對攝像頭獲取的視頻流進行分析，檢測視頻幀中是否出現(xiàn)人臉；另一個神經(jīng)網(wǎng)絡(luò)則負責推測這個人的臉上流露出怎樣的表情。
3、攝像頭：攝像頭會將圖像流輸入到NCS設(shè)備進行分析。本項目中可以使用USB攝像頭，也可以使用Raspberry Pi OV5647攝像頭。運行Python腳本時，可以借助一個命令行標志來設(shè)置使用的攝像頭。
4、伺服電機：三個伺服器將與機械滑塊一同使用，以便與現(xiàn)實世界互動。具體而言，本項目將根據(jù)用戶對攝像頭呈現(xiàn)的表情向用戶展示不同顏色的花朵：黃色表示快樂，藍色表示悲傷，紅色則表示憤怒。
5、HDMI監(jiān)視器：HDMI監(jiān)視器將用于向用戶顯示終端和攝像頭的輸出內(nèi)容。
構(gòu)建電子元件
圖4：硬件之間的連接非常簡單明了
本項目組裝非常簡單明了，唯一需要提出的建議是等到樹莓派完全啟動后再將NCS2插入USB中；如果在初次啟動前插入NCS2，樹莓派可能會無法啟動，雖然我們并不清楚問題是不是出在這里。后續(xù)的啟動沒有問題，并且也不會再重現(xiàn)該問題。
1、將micro-HDMI轉(zhuǎn)HDMI適配器插入樹莓派。
2、將HDMI數(shù)據(jù)線插入電腦顯示器或電視機的HDMI端口。
3、將刷入最新版Raspbian的MicroSD存儲卡插入到樹莓派。有關(guān)如何將Raspbian操作系統(tǒng)安裝到MicroSD存儲卡上的說明，請單擊此處。
4、將USB鍵盤和鼠標插入USB 2.0端口，也就是帶黑色塑料連接器的USB端口，而不是帶藍色塑料連接器的USB 3.0端口。
5、安裝攝像頭。
(1) 如果使用OV5647攝像機，請輕輕打開連接器，插入排線，然后合上連接器。
(2) 如果使用USB攝像頭，請將其插入樹莓派的USB 3.0端口。
6、將USB-C電源的一端插入交流電源插座。
7、將USB-C電源的另一端插入樹莓派的USB電源插孔。
8、啟動樹莓派并完成初始設(shè)置，然后關(guān)閉樹莓派。初始設(shè)置步驟至此完成。
圖5：樹莓派的PIO接頭引腳分布
完成初始設(shè)置后，下一步就是安裝伺服電機。我們將在樹莓派上安裝三個伺服電機。
9、使用連接線將樹莓派的GND引腳連接到迷你試驗板的GND（藍色）電極。
10、使用連接線將樹莓派的5V引腳連接到迷你試驗板的電源（紅色）電極。
11、將每個伺服電機的GND電纜連接到試驗板的GND電極。
12、將每個伺服電機的Vcc電纜連接到試驗板的電源電極。
13、將第一個伺服電機的控制信號連接到樹莓派的GPIO12引腳。此為「快樂」伺服電機。
14、將第一個伺服電機的控制信號連接到樹莓派的GPIO13引腳。此為「悲傷」伺服電機。
15、將第一個伺服電機的控制信號連接到樹莓派的GPIO18引腳。此為「憤怒」伺服電機。
現(xiàn)在，伺服電機接線完成，接下來要進行最后的組裝步驟，就是實現(xiàn)與兩個NCS設(shè)備共同工作。
1、將兩個英特爾神經(jīng)計算棒插入USB 3.0集線器。暫時先不要把集線器插入到樹莓派。
2、再次啟動樹莓派并登錄。
3、安裝運行NCS設(shè)備所需的軟件（參見本文的“軟件”一節(jié)），然后再次重新啟動樹莓派。看到指示后，將USB 3.0集線器插入樹莓派的USB 3.0端口。
出處：貿(mào)澤電子公眾號
微信號：mouserelectronics
