ARM+Movidius VPU 目标识别调试笔记（三）

软件架构

前文(参考链接1和2)中针对我们在整个项目中需要用到的一些技术进行了描述，现在我们说回到产品应用部分的流程，并梳理以下整个软件架构。
整个软件功能分三部分：图像预处理、目标识别算法处理和识别结果可视化。
由于我们使用的主芯片是海思的Hi3516D，一款流媒体方案的SoC，所以本文会涉及一些关于海思的SDK的实现逻辑和流程，如果是没有接触过海思方案的读者可能会有些疑惑。

图像预处理

图像预处理功能其实很简单，分为三步操作：

1. 获取相机前端视频输入，视频输入的分辨率为1920 x 1080。
2. 由于我们使用的Tiny YOLO V2的网络，输入层张量维度为[416, 416, 3]，所以我们需要将图像下采样至416 x 416的分辨率。
3. 将下采样之后的图像编码成jpg格式。
   下采样和图像编码都不可能用软件在ARM上面运行完成，因为耗时比较大。所以我们通过SoC内部集成的ISS核和VSS核来进行处理。
   下采样部分，我们通过调用SDK来增加一条vpss channel，绑定到系统中的VI通道，该vpss channel的输出分辨率即为我们需要下采样的目标分辨率 416 x 416，这样使用硬件去处理的话可以根据相机的帧率达到实时效果。
   编码部分，我们新增一条VENC编码通道，编码格式为JPEG，直接将下采样使用的vpss channel 和这条VENC通道进行绑定。
   这样，软件层面我们就可以从VENC中循环获取预处理完成的JPG图片，然后将图片中的RGB数据送到算法模块，进行算法处理即可。
   后面为了降低用软件方式将JPG转RGB的耗时。在方案上通过使用海思SDK中的IVE C