【導讀】過去數十萬年來，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來復刻人腦的功能。
深度學習（DL）是一種機器學習（ML）技術。作為一項新興的人工智能（AI）技術，深度學習在第二代英特爾NCS（NCS2）中居于核心地位。深度神經網絡依靠ML算法和樣本訓練數據來生成數學模型。要生成經過訓練的模型，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，這些模型在遇到新的現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，并將通過網絡攝像頭獲取的新圖像輸入到模型中，此時神經網絡便可以對攝像頭視野中的蘋果進行識別和分類。
物理計算：讓技術與現實更息息相關
就在不久前，創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，但技術正持續以疾速發展，這是不可否認的。不過，雖然追求技術成就本質上就值得我們為之付出，但我們不能忘了生活中不可或缺的藝術和創造。物理計算可以在無形的數字技術與有形事物的更直觀本質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的障礙，而人工智能顯然就是一項可以從這種相關性中受益的創新。
在本文所述的項目中，我們將采用尖端的AI驅動機器視覺新技術，并將物理計算為人與技術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、一臺攝像頭和數個伺服電機來構建一臺面部表情識別設備，它可以觀察一個人的面部并確定其表情，然后根據特定種類的表情在現實世界中執行某些動作。
背景
如果您從沒有接觸過神經網絡或從未使用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、神經網絡等術語時，與其說它們寫在數據表或應用筆記里面，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域，本項目實現的是卷積神經網絡（CNN）
本項目的核心是NCS2。這是一款USB 3.0設備，嵌入式系統開發人員若要在自己的產品中實現基于視覺的智能，便可以通過這款設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）構建，這是一款針對AI優化的芯片，對基于卷積神經網絡（CNN）的視覺計算可以起到加速作用。使用此技術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，那么我們不妨花點時間來厘清其中涉及的工作流程。
1、訓練神經網絡（NN）：神經網絡的訓練可以采用多種機器學習框架來進行，包括Caffe、TensorFlow、Kaldi、MXNet和開放神經網絡交換（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。對訓練神經網絡而言，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，因為要讓神經網絡檢測一種物體，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千張描繪簡單物體的圖片，因而算法需要處理大量數據，最終導致的結果就是訓練神經網絡需要極高的處理能力。如果使用監督學習模式進行訓練，那么訓練圖像的數據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：一些大神已經分享了他們以往訓練并生成的模型，并通過網絡提供下載；但就和采用其它預先構建的軟件一樣，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化器（Model Optimizer）可讀取Caffe、TensorFlow等神經網絡框架產生的數據，然后輸出中間表示（Intermediate Representation, IR）數據，其中包含一個.xml文件和一個.bin文件，前者包含了描述神經網絡拓撲結構的代碼，后者包含了二進制的權值和閾值數據；換言之，.xml文件描述了神經網絡內部如何互聯，.bin文件則表明了分配給每條路徑的值（權重）。
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容交給神經網絡來辨識、分類和處理，這就是NCS2發揮作用的地方了。OpenVINO將會讀取IR內容，對神經網絡執行準備工作，然后將之加載到選定的終端設備（本例中為NCS2）上，并設置所需的配置參數。隨后，NCS2上搭載的推理引擎（Inference Engine, IE）將執行該深度學習模型，并在提供輸入數據時對其進行推測。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開發增值功能：數十年來，嵌入式系統的固件開發一直由C編程語言主導，但近年來Python在應用程序開發方面越來越受到關注。隨著MicroPython和CircuitPython分支的創建，Python也開始涉足嵌入式開發領域。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化為簡潔的函數調用。
物料
本項目將使用4GB版本的樹莓派4單板機作為系統核心，此外還包括以下關鍵組件：
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
● 數字萬用表
● 尖嘴鉗
系統概覽
圖3：構思想法時，隨筆畫是一種不錯的做法
該系統由五個主要部件構成：
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。該產品采用已成為現行標準的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監視器的主機，并與兩個NCS2設備配合工作。
2、神經計算棒：NCS2設備上將運行兩個神經網絡，其中一個神經網絡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人臉；另一個神經網絡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，以便與現實世界互動。具體而言，本項目將根據用戶對攝像頭呈現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監視器：HDMI監視器將用于向用戶顯示終端和攝像頭的輸出內容。
構建電子元件
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。后續的啟動沒有問題，并且也不會再重現該問題。
1、將micro-HDMI轉HDMI適配器插入樹莓派。
2、將HDMI數據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。有關如何將Raspbian操作系統安裝到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置，然后關閉樹莓派。初始設置步驟至此完成。
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，就是實現與兩個NCS設備共同工作。
1、將兩個英特爾神經計算棒插入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設備所需的軟件（參見本文的“軟件”一節），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：貿澤電子公眾號
微信號：mouserelectronics
