点击我爱计算机视觉标星，更快获取CVML新技术

本文转载自OpenCV学堂。

英特尔从去年推出OpenVINO开发框架，从此以后几乎每三个月就更新一个版本，最新版本2019R03，但是此版本跟之前的版本改动比较大，所以在配置Python SDK支持与开发API层面跟之前都有所不同。这里假设你已经正确安装好OpenVINO框架。如果不知道如何安装与配置OpenVINO可以看我在B站视频教程：

https://www.bilibili.com/video/av71979782

Python语言支持

01

OpenVINO支持的Python版本SDK与系统列表如下：

首先需要配置好OpenVINO的python SDK支持，这个步骤其实很简单，只需要把安装好的OpenVINO目录下：

openvino_2019.3.334\python\python3.6

下的openvino文件夹copy到安装好的python3.6.5的 site-packages 目录下面，然后就可以正常使用啦。注意，上述的配置方式只对Windows下面有效。

推理引擎SDK API

02

API函数列表与说明

其中最重要的是IECore与IENetwork。

在Python语言中导入SDK支持的python代码如下：

from openvino.inference_engine import IENetwork, IECore

初始化IE(inference Engine)插件，查询设备支持的代码如下：

ie = IECore()
for device in ie.available_devices:print("Device: {}".format(device))

执行结果截图如下：

可以看到，在我的电脑上支持的设备还是挺多的，计算棒支持没问题！

在通过ie创建可执行网络的时候，会需要你指定可执行网络运行的目标设备。我们就可以从上述支持的设备中选择支持。这里需要注意的是CPU需要扩展支持，添加扩展支持的代码如下：

ie.add_extension(cpu_extension, "CPU")

创建可执行的网络的代码如下：

# CPU 执行
exec_net = ie.load_network(network=net, device_name="CPU", num_requests=2)
# 计算棒执行
lm_exec_net = ie.load_network(network=landmark_net, device_name="MYRIAD")

这里我们创建了两个可执行网络，两个深度学习模型分别在CPU与计算棒上执行推理，其中第一个可执行网络的推理请求数目是2个，执行异步推理。

人脸检测演示

03

基于OpenVINO的人脸检测模型与landmark检测模型，实现了一个CPU级别高实时人脸检测与landmark提取的程序，完整的代码实现如下：

def face_landmark_demo():# query device supportie = IECore()for device in ie.available_devices:print("Device: {}".format(device))ie.add_extension(cpu_extension, "CPU")# LUTlut = []lut.append((0, 0, 255))lut.append((255, 0, 0))lut.append((0, 255, 0))lut.append((0, 255, 255))lut.append((255, 0, 255))# Read IRlog.info("Reading IR...")net = IENetwork(model=model_xml, weights=model_bin)landmark_net = IENetwork(model=landmark_xml, weights=landmark_bin)# 获取输入输出input_blob = next(iter(net.inputs))out_blob = next(iter(net.outputs))lm_input_blob = next(iter(landmark_net.inputs))lm_output_blob = next(iter(landmark_net.outputs))log.info("create exec network with target device...")exec_net = ie.load_network(network=net, device_name="CPU", num_requests=2)lm_exec_net = ie.load_network(network=landmark_net, device_name="MYRIAD")# Read and pre-process input imagen, c, h, w = net.inputs[input_blob].shapemn, mc, mh, mw = landmark_net.inputs[lm_input_blob].shape# 释放网络del netdel landmark_netcap = cv2.VideoCapture("D:/images/video/SungEun.avi")cur_request_id = 0next_request_id = 1log.info("Starting inference in async mode...")log.info("To switch between sync and async modes press Tab button")log.info("To stop the demo execution press Esc button")is_async_mode = Truerender_time = 0ret, frame = cap.read()print("To close the application, press 'CTRL+C' or any key with focus on the output window")while cap.isOpened():if is_async_mode:ret, next_frame = cap.read()else:ret, frame = cap.read()if not ret:breakinitial_w = cap.get(3)initial_h = cap.get(4)# 开启同步或者异步执行模式inf_start = time.time()if is_async_mode:in_frame = cv2.resize(next_frame, (w, h))in_frame = in_frame.transpose((2, 0, 1))  # Change data layout from HWC to CHWin_frame = in_frame.reshape((n, c, h, w))exec_net.start_async(request_id=next_request_id, inputs={input_blob: in_frame})else:in_frame = cv2.resize(frame, (w, h))in_frame = in_frame.transpose((2, 0, 1))  # Change data layout from HWC to CHWin_frame = in_frame.reshape((n, c, h, w))exec_net.start_async(request_id=cur_request_id, inputs={input_blob: in_frame})if exec_net.requests[cur_request_id].wait(-1) == 0:# 获取网络输出res = exec_net.requests[cur_request_id].outputs[out_blob]# 解析DetectionOutfor obj in res[0][0]:if obj[2] > 0.5:xmin = int(obj[3] * initial_w)ymin = int(obj[4] * initial_h)xmax = int(obj[5] * initial_w)ymax = int(obj[6] * initial_h)if xmin > 0 and ymin > 0 and (xmax < initial_w) and (ymax < initial_h):roi = frame[ymin:ymax,xmin:xmax,:]rh, rw = roi.shape[:2]face_roi = cv2.resize(roi, (mw, mh))face_roi = face_roi.transpose((2, 0, 1))face_roi = face_roi.reshape((mn, mc, mh, mw))lm_exec_net.infer(inputs={'0':face_roi})landmark_res = lm_exec_net.requests[0].outputs[lm_output_blob]landmark_res = np.reshape(landmark_res, (5, 2))for m in range(len(landmark_res)):x = landmark_res[m][0] * rwy = landmark_res[m][1] * rhcv2.circle(roi, (np.int32(x), np.int32(y)), 3, lut[m], 2, 8, 0)cv2.rectangle(frame, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2, 8, 0)inf_end = time.time()det_time = inf_end - inf_start# Draw performance statsinf_time_message = "Inference time: {:.3f} ms, FPS:{:.3f}".format(det_time * 1000, 1000 / (det_time*1000 + 1))render_time_message = "OpenCV rendering time: {:.3f} ms".format(render_time * 1000)async_mode_message = "Async mode is on. Processing request {}".format(cur_request_id) if is_async_mode else \"Async mode is off. Processing request {}".format(cur_request_id)cv2.putText(frame, inf_time_message, (15, 15), cv2.FONT_HERSHEY_COMPLEX, 0.5, (200, 10, 10), 1)cv2.putText(frame, render_time_message, (15, 30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (10, 10, 200), 1)cv2.putText(frame, async_mode_message, (10, int(initial_h - 20)), cv2.FONT_HERSHEY_COMPLEX, 0.5,(10, 10, 200), 1)#render_start = time.time()cv2.imshow("face detection", frame)render_end = time.time()render_time = render_end - render_startif is_async_mode:cur_request_id, next_request_id = next_request_id, cur_request_idframe = next_framekey = cv2.waitKey(1)if key == 27:breakcv2.waitKey(0)# 释放资源cv2.destroyAllWindows()del exec_netdel lm_exec_netdel ie

1920x1080大小的视频画面检测，超高实时无压力！有图为证：

模型压缩与应用部署交流群

关注最新最前沿的深度模型压缩、剪枝、轻量级网络设计、边缘设备部署技术，扫码添加CV君拉你入群，（如已为CV君其他账号好友请直接私信）

（请务必注明：部署）

喜欢在QQ交流的童鞋，可以加52CV官方QQ群：805388940。

（不会时时在线，如果没能及时通过验证还请见谅）

长按关注我爱计算机视觉