Linux50：ROCKX+RV1126视频流检测人脸

一、Rockx+Rv1126视频流检测人脸的大体流程图

上图是rockx+rv1126的大体流程，首先要初始化模块包括VI模块、VENC模块、并启动VI模块采集视频流、rockx模块的初始化。初始化模块后，就要分两个线程处理了。

主线程是负责rockx对VI视频流的处理，并用OPENCV对人脸进行画框，最后把处理后的VI数据传输到VENC模块里面。

第二个线程rockx_face_detect_venc_thread，从VENC模块获取到H264的编码码流数据，并把VENC码流数据保存。

二．Rockx+Rv1126视频流检测人脸的代码截图

2.1. RV1126模块初始化并启动VI工作

上图是RV1126模块的初始化，包括VI模块、VENC模块的初始化，初始化上述模块后，则调用RK_MPI_VI_StartStream启动VI开始采集摄像头的视频流。关于VI模块、VENC模块的初始化参数这里就不阐述了，因为之前的课程里面已经讲了很多次。

2.2. rockx人脸检测模块的初始化

这段代码是初始化rockx的模块，首先要使用rockx_create_config分配rockx_config_t结构体，并使用rockx_add_config把对应的rockx路径配置进去，在我们的板子里面在/userdata/rockx_data里面,并使用rockx_create创建rockx_handle_t句柄，

rockx_create的传参第一个参数rockx_handle_t结构体指针、

第二个参数rockx_module_t是ROCKX_MODULE_FACE_DETECTION_V2，ROCKX_MODULE_FACE_DETECTION_V2是人脸检测的Version2模块、

第三个参数是rockx_config_t结构体指针、第四个参数默认是0。

2.3.使用rockx对VI模块的数据进行人脸检测处理

(图2.3.1)

(图2.3.2)

这部分代码是整个DEMO的核心，也是ROCKX检测VI视频数据的核心。图2.3.1是初始化rockx_image_t结构体，初始化需要传三个值分别是width = WIDTH(1920)、height = HEIGHT(1080)、pixel_format=ROCKX_PIXEL_FORMAT_YUV420SP_NV12。这三个值都需要和VI模块的配置是一样的。

初始化rockx_image_t后，则需要通过RK_MPI_SYS_GetMediaBuffer获取每一帧VI模块的数据，并把每一帧VI模块的缓冲区和长度传输给rockx_image_t。具体的代码是rv1126_rockx_image.data = (uint8_t *)RK_MPI_MB_GetPtr(mb)(把每一帧VI缓冲区数据赋值到rockx_image_t的data)、rv1126_rockx_image.size = RK_MPI_MB_GetSize(mb)(把每一帧VI大小赋值到rockx_image_t的size)

赋值到rockx_image_t后，则调用rockx_face_detect对每一帧的rockx_image_t图像进行人脸检测，并把人脸检测的结果输出到rockx_object_array_t。rockx_object_array_t的内容主要存储的是人脸检测数量和人脸检测区域信息(如：left、top、right、bottom的坐标信息)

2.4.使用opencv对人脸检测的结果进行画框

检测完每一帧人脸数据后就需要对每个人脸区域进行画框了，这里画框是用opencv进行处理。首先要先创建OPENCV的Mat矩阵，Mat rv1126_image_mat = Mat(HEIGHT, WIDTH, CV_8UC1, rv1126_rockx_image.data)。

创建完Mat之后，则需要根据rockx_object_array_t的坐标信息进行画框，先循环遍历人脸的数量(rockx_object_array_t.count)，然后获取每一帧人脸的坐标信息，主要是left、top、right、bottom, 最后使用OPENCV的rectangle函数把坐标信息描绘出一个矩形表现出来。

2.5.把处理后的数据发送到VENC模块

把上述的数据处理完成之后则把每一帧数据传输给VENC模块，这里使用的API是RK_MPI_SYS_SendMediaBuffer。此时此刻VENC模块就有VENC码流数据了

2.6.创建rockx_face_detect_venc _thread线程保存每一帧H264的编码码流数据

(图2.6.1)

(图2.6.2)

通过pthread_create创建venc码流线程，这个线程的名字是rockx_face_detect_venc thread，如图(2.6.1)。在这个线程里面，通过RK_MPI_SYS_GetMediaBuffer获取每一帧通过rockx人脸检测处理后的VENC码流数据，并用fwrite保存起来(fwrite(RK_MPI_MB_GetPtr(mb), RK_MPI_MB_GetSize(mb), 1, face_detect_h264))，如图2.6.2。

最终输出的结果：

最终输出的结果是在视频中检测出对应的人脸并用opencv画矩形出来。

三、代码

/**************************************************************************** * * Copyright (c) 2017 - 2019 by Rockchip Corp. All rights reserved. * * The material in this file is confidential and contains trade secrets * of Rockchip Corporation. This is proprietary information owned by * Rockchip Corporation. No part of this work may be disclosed, * reproduced, copied, transmitted, or used in any way for any purpose, * without the express written permission of Rockchip Corporation. * *****************************************************************************/ #include <stdio.h> #include <memory.h> #include <sys/time.h> #include "rknn_rockx_include/rockx_type.h" #include "rknn_rockx_include/utils/rockx_config_util.h" #include "rknn_rockx_include/utils/rockx_image_util.h" #include "rockx.h" #include <opencv2/opencv.hpp> #include <opencv2/imgcodecs.hpp> using namespace cv; int main(int argc, char **argv) { const char * img_path = argv[1]; rockx_config_t * face_rockx_config = rockx_create_config(); rockx_add_config(face_rockx_config,ROCKX_CONFIG_DATA_PATH,"/userdata/rockx_data/"); rockx_handle_t face_rockx_handle; rockx_ret_t rockx_ret; rockx_module_t face_rock_module = ROCKX_MODULE_FACE_DETECTION_V2; rockx_ret = rockx_create(&face_rockx_handle,face_rock_module,face_rockx_config,0); if(rockx_ret != ROCKX_RET_SUCCESS) { printf("rockx_create failed \n"); return -1; } printf("rockx_create success \n"); rockx_image_t face_rockx_image; rockx_ret = rockx_image_read(img_path,&face_rockx_image,1); if(rockx_ret != ROCKX_RET_SUCCESS) { printf("rockx_image_read failed \n"); return -1; } printf("rockx_image_read success \n"); rockx_object_array_t face_rockx_object_array; rockx_ret = rockx_face_detect(face_rockx_handle,&face_rockx_image,&face_rockx_object_array,nullptr); if(rockx_ret != ROCKX_RET_SUCCESS) { printf("rockx_face_detect failed \n"); return -1; } printf("rockx_face_detect success \n"); Mat face_rockx_img = Mat(face_rockx_image.height,face_rockx_image.width,CV_8UC3,face_rockx_image.data); for(int i = 0;i < face_rockx_object_array.count;i++) { int left = face_rockx_object_array.object[i].box.left; int top = face_rockx_object_array.object[i].box.top; int w = face_rockx_object_array.object[i].box.right - face_rockx_object_array.object[i].box.left; int h = face_rockx_object_array.object[i].box.bottom - face_rockx_object_array.object[i].box.top; Rect boundingrect(left,top,w,h); rectangle(face_rockx_img,boundingrect,Scalar(255,255,0),1,8); } imwrite("output_rockx.jpg",face_rockx_img); rockx_destroy(face_rockx_handle); return 0; }

四、代码详解

一、程序整体架构

二、头文件与宏定义

#include "rkmedia_api.h" // RKMedia 多媒体API（VI/VENC等） #include "rockx.h" // RockX AI推理引擎API #include <opencv2/opencv.hpp> // OpenCV 图像处理 #define CAMERA_PATH "rkispp_scale0" // ISP设备路径 #define CAMERA_ID 0 // 摄像头ID #define CAMERA_CHN 0 // VI通道号 #define VENC_CHN 0 // VENC通道号 #define WIDTH 1920 // 图像宽度 #define HEIGHT 1080 // 图像高度

三、全局变量与数据结构

// 用于在内存中共享图像数据的结构 // rockx_image_t: RockX AI引擎使用的图像格式 typedef struct { uint8_t* data; // 指向图像数据的指针 int size; // 数据大小 int width, height; // 宽高 rockx_pixel_format_t pixel_format; // 像素格式(NV12/RGB等) } rockx_image_t; // cv::Mat: OpenCV使用的图像格式（C++类） // 包含 data指针、尺寸、通道数、引用计数等

四、编码线程函数

/** * @brief 编码线程：将视频帧编码为H264并写入文件 * @param arg 线程参数（未使用） * @return void* * * 工作流程： * 1. 打开H264文件 * 2. 循环获取编码后的数据 * 3. 写入文件 */ void * get_vnec_pthread(void* arg) { pthread_detach(pthread_self()); // 分离线程，自动回收资源 FILE *file = fopen("fece_rockx.h264","w+"); // 创建输出文件 MEDIA_BUFFER mb; // 媒体缓冲区，存放编码后的H264数据 while (1) { // 阻塞获取编码后的数据（-1表示无限等待） mb = RK_MPI_SYS_GetMediaBuffer(RK_ID_VENC, VENC_CHN, -1); if(!mb) { printf("RK_MPI_SYS_GetMediaBuffer failed\n"); continue; } // 将编码数据写入文件 fwrite(RK_MPI_MB_GetPtr(mb), // 数据指针 RK_MPI_MB_GetSize(mb), // 数据大小 1, file); // 写入文件 RK_MPI_MB_ReleaseBuffer(mb); // 释放缓冲区 } }

五、主函数详解

阶段1：VI（视频输入）初始化

/** * VI初始化：配置摄像头采集参数 * * 数据流：摄像头CMOS → ISP处理器 → DDR内存 → VI模块 */ VI_CHN_ATTR_S vi_chn_attr; vi_chn_attr.pcVideoNode = CAMERA_PATH; // ISP设备路径 "/dev/rkispp_scale0" vi_chn_attr.u32Width = 1920; // 采集宽度 vi_chn_attr.u32Height = 1080; // 采集高度 vi_chn_attr.enPixFmt = IMAGE_TYPE_NV12; // 像素格式：YUV420 NV12 vi_chn_attr.enBufType = VI_CHN_BUF_TYPE_MMAP; // 内存映射类型（零拷贝） vi_chn_attr.u32BufCnt = 3; // 缓冲区数量（3重缓冲） vi_chn_attr.enWorkMode = VI_WORK_MODE_NORMAL; // 正常工作模式 // 设置VI通道属性 ret = RK_MPI_VI_SetChnAttr(CAMERA_ID, CAMERA_CHN, &vi_chn_attr); // 使能VI通道（开始采集） ret = RK_MPI_VI_EnableChn(CAMERA_ID, CAMERA_CHN); // 启动数据流 ret = RK_MPI_VI_StartStream(CAMERA_ID, CAMERA_CHN);

NV12格式内存布局

总大小 = width × height × 1.5 = 1920×1080×1.5 = 3,110,400字节

┌────────────────────────────────────┐
│ Y平面 (亮度) - 2,073,600字节 │
│ 单通道，每个像素8位 │
├────────────────────────────────────┤
│ UV平面 (色度) - 1,036,800字节 │
│ 双通道交错 (U0,V0,U1,V1...) │
└────────────────────────────────────┘

阶段2：VENC（视频编码器）初始化

/** * VENC初始化：配置H264编码器 * * 作用：将原始NV12帧压缩为H264码流 */ VENC_CHN_ATTR_S venc_chn_attr; memset(&venc_chn_attr, 0, sizeof(VENC_CHN_ATTR_S)); // 编码属性配置 venc_chn_attr.stVencAttr.u32PicWidth = 1920; // 编码宽度 venc_chn_attr.stVencAttr.u32PicHeight = 1080; // 编码高度 venc_chn_attr.stVencAttr.imageType = IMAGE_TYPE_NV12; // 输入格式 venc_chn_attr.stVencAttr.enType = RK_CODEC_TYPE_H264; // 编码类型 // 码率控制：CBR (固定码率) venc_chn_attr.stRcAttr.enRcMode = VENC_RC_MODE_H264CBR; venc_chn_attr.stRcAttr.stH264Cbr.u32Gop = 25; // GOP大小(关键帧间隔) venc_chn_attr.stRcAttr.stH264Cbr.u32BitRate = 1920 * 1080 * 3; // 码率≈6.2Mbps venc_chn_attr.stRcAttr.stH264Cbr.fr32DstFrameRateNum = 25; // 目标帧率25fps // 创建编码通道 ret = RK_MPI_VENC_CreateChn(0, &venc_chn_attr);

阶段3：RockX（AI推理引擎）初始化

/** * RockX初始化：加载人脸检测模型到NPU * * RockX是Rockchip的AI推理框架，利用NPU硬件加速 */ rockx_config_t *face_rockx_config = rockx_create_config(); rockx_add_config(face_rockx_config, ROCKX_CONFIG_DATA_PATH, "/userdata/rockx_data/"); rockx_handle_t face_rockx_handle; rockx_module_t face_rockx_module = ROCKX_MODULE_FACE_DETECTION_V2; // 人脸检测V2模型 // 创建RockX句柄（加载模型到NPU） rockx_ret = rockx_create(&face_rockx_handle, face_rockx_module, face_rockx_config, 0); // 准备输入图像结构体 rockx_image_t face_img; face_img.height = HEIGHT; // 1080 face_img.width = WIDTH; // 1920 face_img.pixel_format = ROCKX_PIXEL_FORMAT_YUV420SP_NV12; // 匹配VI输出格式

阶段4：创建编码线程

pthread_t pid; pthread_create(&pid, NULL, get_vnec_pthread, NULL); // 独立线程负责将编码后的H264数据写入文件

阶段5：主循环 - 核心处理流程

while (1) { // ═══════════════════════════════════════════════════════════ // 步骤1：获取原始视频帧 // ═══════════════════════════════════════════════════════════ mb = RK_MPI_SYS_GetMediaBuffer(RK_ID_VI, CAMERA_CHN, -1); // 返回值：MEDIA_BUFFER结构体，包含： // - ptr: 指向NV12数据的虚拟地址 // - size: 数据大小(3,110,400字节) // - fd: DMA文件描述符 // ═══════════════════════════════════════════════════════════ // 步骤2：配置AI输入（零拷贝） // ═══════════════════════════════════════════════════════════ face_img.data = (uint8_t *)RK_MPI_MB_GetPtr(mb); // 直接指向同一块内存 face_img.size = RK_MPI_MB_GetSize(mb); // 此时：face_img.data == mb->ptr (地址相同) // ═══════════════════════════════════════════════════════════ // 步骤3：OpenCV Mat封装（零拷贝） // ═══════════════════════════════════════════════════════════ Mat face_img_mat = Mat(HEIGHT, WIDTH, CV_8UC1, face_img.data); // 注意：CV_8UC1只处理Y平面（亮度），UV平面被忽略 // 此时：face_img_mat.data == mb->ptr (同一个地址) // ═══════════════════════════════════════════════════════════ // 步骤4：NPU人脸检测（推理阶段） // ═══════════════════════════════════════════════════════════ rockx_object_array_t face_object_array; // 存储检测结果 // 执行AI推理（NPU硬件加速） rockx_ret = rockx_face_detect(face_rockx_handle, &face_img, &face_object_array, NULL); /* rockx_face_detect 内部流程： * 1. NPU读取 face_img.data 中的NV12数据 * 2. 预处理：归一化、缩放、格式转换 * 3. NPU推理：卷积神经网络计算 * 4. 后处理：NMS（非极大值抑制） * 5. 输出：人脸框坐标(box)、关键点等 */ // ═══════════════════════════════════════════════════════════ // 步骤5：绘制检测结果（画框阶段） // ═══════════════════════════════════════════════════════════ for(int i = 0; i < face_object_array.count; i++) { // 获取人脸边界框坐标 int left = face_object_array.object[i].box.left; int top = face_object_array.object[i].box.top; int w = face_object_array.object[i].box.right - left; int h = face_object_array.object[i].box.bottom - top; // 使用OpenCV绘制矩形 Rect boundingRect(left, top, w, h); rectangle(face_img_mat, boundingRect, Scalar(255,255,0), 1); /* rectangle() 内部操作： * 直接向 face_img_mat.data 指向的内存写入白色像素 * 由于 face_img_mat.data == mb->ptr * 所以原始NV12内存被直接修改 */ } // ═══════════════════════════════════════════════════════════ // 步骤6：发送到编码器 // ═══════════════════════════════════════════════════════════ RK_MPI_SYS_SendMediaBuffer(RK_ID_VENC, VENC_CHN, mb); // VENC读取mb->ptr处的数据（已包含矩形框） // 编码为H264后，通过编码线程写入文件 // ═══════════════════════════════════════════════════════════ // 步骤7：释放缓冲区 // ═══════════════════════════════════════════════════════════ RK_MPI_MB_ReleaseBuffer(mb); // 归还缓冲区给VI模块 }

六、内存共享与零拷贝机制

关键理解：三个数据结构指向同一块内存

零拷贝的优势

七、各阶段详细时序图

八、推理阶段详解

// 推理阶段 = NPU执行神经网络计算的过程 rockx_face_detect(handle, &face_img, &output, NULL); /* 内部详细流程： * * [预处理阶段] * 1. 检查输入格式（NV12） * 2. 数据归一化（0-255 → 0-1） * 3. 缩放到模型输入尺寸（如320×240） * 4. 内存对齐（NPU硬件要求） * * [NPU推理阶段] * 5. DMA传输到NPU内部内存 * 6. 逐层执行卷积、池化、激活函数 * 7. 硬件并行计算（NPU有多个计算单元） * * [后处理阶段] * 8. 解析输出张量 * 9. 解码边界框坐标 * 10. NMS去除重复检测 * 11. 转换回原始图像坐标 * * [输出] * 12. 填充 rockx_object_array_t 结构 */ // 检测结果结构 typedef struct { rockx_object_t object[ROCKX_MAX_OBJECT_NUM]; int count; // 检测到的人脸数量 } rockx_object_array_t; typedef struct { rockx_rect_t box; // 人脸框 {left, top, right, bottom} float score; // 置信度 (0-1) int id; // 类别ID（人脸=1） } rockx_object_t;

九、潜在问题与改进建议

问题1：CV_8UC1 只处理Y平面

// 当前代码 Mat face_img_mat = Mat(HEIGHT, WIDTH, CV_8UC1, face_img.data); // 问题：只有Y平面，UV平面被忽略 // 改进方案 Mat yuv_mat(HEIGHT * 3 / 2, WIDTH, CV_8UC1, face_img.data); Mat bgr_mat; cvtColor(yuv_mat, bgr_mat, COLOR_YUV2BGR_NV12); rectangle(bgr_mat, rect, Scalar(255,0,0), 2); // 彩色框

十、完整数据流总结

十一、关键概念总结