回复了主题帖： 嵌入式工程师AI挑战营（进阶）：在RV1106部署InsightFace算法的多人实时人脸识别实战

-申请理由 本人深入Linux嵌入式设计和神经网络训练和量化多年，有着丰富的开发设计经验。曾在天池举办的多项人工智能比赛中获得不错的成绩，此外本人还参与设计过多种嵌入式边缘计算项目，包括基于ESP32S3的人脸识别门禁、基于ESP32S3的猫狗分类器以及基于RK3576的大语言模型智能对话机器人。熟悉Linux、C编程以及rknn的模型量化部署。此外本人还热衷于项目技术分享，在CSDN及其它博客网站上分享过许多项目设计过程以及经验，并在github上开源过多个项目。想要借助电子工程世界提供的这次机会，充分利用RV1106的强大特性，进一步深入学习insightface，设计并开源分享一个大流量区域的实时监控与通缉在逃人员/黑名单人员识别系统。 -用自己的话简述： InsightFace是一个开源的2D/3D人脸分析工具，基于Pytorch和MXNet实现，包含多个人脸识别、人脸检测和人脸对齐的前沿算法，经过优化适合高效的训练与部署。为了在RV1106平台上实现InsightFace的多人实时人脸识别，首先需要在PC端完成算法流程的验证：即通过InsightFace依次进行人脸检测、人脸对齐和人脸识别的全流程，实现预期效果。接下来，利用RKNN Toolkit对模型进行量化和格式转换，将其优化为RV1106兼容的RKNN格式。这一量化过程不仅减小了模型体积，还提升了运行速度，使其更适合在资源受限的嵌入式设备上运行。 完成模型优化后，可以开始在RV1106上开发嵌入式应用。首先实现摄像头数据的实时采集，将视频流传入人脸识别系统。然后加载已转换的RKNN模型，并在RV1106上进行实时推理。同时，利用OpenCV-Mobile库进行图像预处理和人脸区域的裁剪，最后进行人脸对齐并提取比对人脸特征向量，从而实现准确的多人实时人脸识别。 -打算在RV1106 Linux开发板（带摄像头）部署什么应用？ 我希望基于RV1106 Linux开发板，开发部署一套大流量区域的实时监控与通缉在逃人员/黑名单人员识别系统。因为在大流量区域，如机场、火车站、地铁站、大型商场等，每天都有大量人员进出。传统的安全监控手段依赖于人工观察和手动核查，效率低下且容易出现疏漏。使用多人实时人脸识别技术可以显著提升安全监控的效率和准确性，并且能够及时发现并处理通缉在逃人员或黑名单人员，保障公共安全。

加入了学习《(杂项)演示专用》，观看 安路FPGA MCU软核IP运行程序：测试循环