OpenHarmony是由开放原子开源基金会（OpenAtomFoundation）孵化及运营的开源项目，目标是面向全场景、全连接、全智能时代、基于开源的方式，搭建一个智能终端设备操作系统的框架和平台，促进万物互联产业的繁荣发展。一、开发环境准备针对openharmony板级开发需要准备以下环境：TB-RK3568X开发板1个（附购买链接）PC-Windows101台（用于烧录和调试）服务器-Ubuntu20.04（用于openharmony代码编译）RK3568开发板外围配件（屏幕/摄像头等，附购买链接）二、开发板（目标板）硬件规格说明TB-RK3568X采用四核64位Cortex-A55处
mipi调试过程1、前言2、开发环境3、调试过程3.1、下载openharmony3.2源码3.2、设备树上增加mipi-dsi屏幕的节点3.3、分析kernel显示不出来画面3.4、mipi屏幕显示效果图1、前言由于工作需要，RK3568需要支持openharmony3.2系统版本，需要重新移植下载源码并且适配自家公司的核心板。在开发的过程中，可谓是真滴难！！！原本openharmony系统就没有多少开源的资料了，然后整个架构跟linux和Android的SDK不一样，导致开发过程十分缓慢。。。就以MIPI屏幕为例接下来。2、开发环境Ubuntu：18.04openharmony版本：3.2
文章目录前言编译armbian根文件系统结果TODO前言23.12.02一个项目需要用到armbian系统。所以开始弄一下。硬件平台是rk3528、Linux内核5.10.160我用的方式是armbian根文件系统+rk的sdk内核方式，不用armbiancompile方式弄。编译armbian根文件系统armbian编译库代码仓armbian编译使用需要自主研究，这里不细说。gitclone下来后选择一个板子配置进行编译我选rock-3a.conf的配置同时我修改一处地方，把编译好的根文件系统放到我指定位置，防止编译结束后删除根文件系统文件夹diff--gita/lib/functions/
SOC：RK3568system：Android12kernel：kernel-4.19芯片：NVP6158Cxs9922目前我的主板上NVP6158接入4路Camera走DVP通道，xs9922接入4路AHDCamera走mipi通道RKkernel-4.19支持xs9922nvp6158c驱动路径 drivers/media/i2c/xs9922/xs9922.c drivers/media/i2c/nvp6158_drv/nvp6158_v4l2.cRK支持Camera热插拔复位机制，如果RK没有适配过的Camera驱动可以在ioctl加入RKMODULE_GET_VICAP_R
在音视频领域，融合推流，低码流，低延迟，浏览器H5化是一个降低成本，提升用户体验的重要手段。同时适配现有直播的生态也是一个必要条件。 在满足上述要求的情况下，我做了以下实践，取得了良好的效果。 在实践中，我们选择采用了成熟的rtmp做为推流的主要手段，srs直播多媒体服务器的顶级生态位不可或缺，H265作为良好的视频编解码协议，在节约40%以上的码流带宽情况下比H264拥有更清晰的画质和更好的运动画面表现力，新兴的浏览器传输硬解渲染技术作为跨平台web化的门户比起桌面播放器有太多优势。 在设备端推流选取了性价比很高的瑞星微rk3568作为硬件载体，其拥有60fps1080
文章目录一、Caffe模型加载接口二、TensorFlow模型加载接口三、TensorFlowLite模型加载接口四、ONNX模型加载五、DarkNet模型加载接口六、PyTorch模型加载接口沉淀、分享、成长，让自己和他人都能有所收获！😄📢RKNN-Toolkit2目前支持Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet、PyTorch等模型的加载转换，这些模型在加载时需调用对应的接口，以下为这些接口的详细说明。一、Caffe模型加载接口
基于yolov5与Arcface算法实现人脸检测以及拓展一、摘要二、本课题研究背景及研究意义三、国内外研究背景1、人脸检测技术的研究现状2、人脸识别技术研究现状论文的研究内容一、摘要为协助高校学生查找教室空座分布情况和辅助教师考勤，设计基于视频监控的教室人数统计方法。由于视频监控教室场景下的学生都是处于坐立状态，躯干部分被桌椅遮挡，无法进行全身轮廓检测，并且学生都是低头学习，也无法选择人脸识别进行计数，而选择人头这一部位作为检测目标更加适合教室场景。首先采用YOLOv5s网络作为人头检测识别的模型，在自制人头数据集上对网络进行训练，利用训练好的YOLOv5s网络提取不同视频监控下人头的特征和位
1查看v4l2设备firefly@firefly:~/opencv_cam$v4l2-ctl--list-devicesrk_hdmirx(fdee0000.hdmirx-controller):/dev/video40rkisp-statistics(platform:rkisp):/dev/video29/dev/video30/dev/video38/dev/video39rkcif-mipi-lvds2(platform:rkcif):/dev/media0/dev/media1rkcif(platform:rkcif-mipi-lvds2):/dev/video0/dev/video
🚀返回专栏总目录文章目录一、应用层二、传输层三、网络层四、数据链路层（DataLinkLayer）五、物理层沉淀、分享、成长，让自己和他人都能有所收获！😄📢对于多数的应用和用户而言，使用互联网的一个基本要求就是数据可以无损地到达。用户通过应用进行网络通信
文章目录一、查询SDK版本二、查询输入输出tensor个数三、查询输入tensor属性(用于通用API接口)四、查询输出tensor属性(用于通用API接口)五、查询模型推理的逐层耗时六、查询模型推理的总耗时七、查询模型的内存占用情况八、查询模型里用户自定义字符串九、查询原始输入tensor属性(用于零拷贝API接口)十、查询原始输出tensor属性(用于零拷贝API接口)十一、查询原始输入tensor属性(用于零拷贝API接口)十二、查询原始输出tenso
