RK3568笔记九十三：基于RKNN Lite的YOLOv5目标检测

若该文为原创文章，转载请注明原文出处。

一、介绍

Yolov5是一种目标检测算法，属于单阶段目标检测方法，是在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究， 其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。 最新的YOLOv5 v7.0有YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x等，除了目标检测，还有分割，分类等应用场景。

YOLOv5基本原理，简单的讲是：将整张图片划分为若干个网络，每个网格预测出该网格内物体的种类和位置信息，然后根据预测框与真实框之间的交并比值进行目标框的筛选，最终输出预测框。

本章记录简单使用YOLOv5，并在正点原子的RK3568上使用python部署测试。

yolov5训练及模型转换，参考前面文章。

二、功能

• 加载预训练的YOLOv5 RKNN模型

• 初始化摄像头并设置分辨率

• 实时捕获视频帧并进行目标检测

• 显示检测结果和FPS（每秒帧数）

• 支持全屏显示

三、核心函数

1. xywh2xyxy: 将边界框格式从中心坐标+宽高转换为左上+右下坐标

2. process: 处理YOLO输出，计算边界框坐标、置信度和类别概率