本文转载自：米尔MYiR微信公众号
百度大脑EdgeBoard AI计算盒/计算卡系百度与米尔联合推出的一款高性能,高可靠性的AI计算盒/计算卡。该产品基于Xilinx Zynq UltraScale+ MPSoC 系列 FPGA可伸缩计算架构，可支持二次开发，支持高精度模型/多模型部署，同时搭载百度大脑PaddlePaddle（飞浆）框架，能无缝衔接百度大脑AI开放能力与工具平台，并且采用宽温设计，整体式无风扇被动散热，可适应工业场景的恶劣环境，是批量化AI项目落地的卓越选择。
计算卡：
计算盒：
FZ5C的CPU - XCZU5EV属于Zynq UltraScale + MPSoC系列SoC，集成了ARM四核Cortex-A53（PS），双核Cortex-R5（PS），Mali-400 MP2 图形处理单元和Kintex Ultrascale + FPGA（PL）。四核Cortex-A53具有强大的计算能力，双核Cortex-R5可用于实时处理应用，Mali-400 MP2可用于加速图形处理，VCU可用于硬件视频编解码加速应用，而FPGA具有完全可编程性。配合丰富都常用接口以及可扩展接口，可适应各种应用场景。
一、AI软核简介
软核组成部分:
软核内部搭载Linux系统，开发者可以基于Linux系统进行应用程序开发。应用程序获取视频输入，调用paddlelite预测库加载模型，调度模型和驱动加速模块进行计算，加速模型运行，获得运行结果。考虑到便捷二次开发，EdgeBoard软核存放于系统SD卡中，方便用户开发自己的应用程序，在批量生产场景可装载到eMMC中。经过多次迭代，EdgeBoard 1.5.1版本迎来重大升级，预测库由原来的paddle-mobile升级为paddlelite。
常用模型在FZ5C上的性能表现：
二、人体分析例程
继上次的FZ3水果识别Demo后，本次迎来了基于FZ5C EdgeBoard 计算盒的人体分析Demo。
Demo预置人体检测和人体属性模型，支持多人检测场景，可标记图像中所有人体的坐标位置；同时，可识别人体的22类通用属性，包含性别年龄、服饰类别、服饰颜色、佩戴物、行为动作（抽烟/使用手机等）。内置EdgeBoard管理系统，支持可视化管理USB摄像头和RTSP网络摄像头，最大支持4-8路摄像头，支持一键加载EasyDL图像分类和物体检测专项SDK和PaddlePaddle框架模型。
1，人体分析功能介绍
人体检测
检测图像中的所有人体，返回每个人体的矩形框位置；支持人体重叠、遮挡、截断、背面、侧面、动作变化等复杂场景。
适应轻度遮挡、轻度截断、背面、侧面、中低空斜拍等复杂场景，实际应用中可根据接口输出的人体框概率分数进行过滤，排除掉分数低的误识别“无效人体”。
人体属性识别
对于输入的一张图片（可正常解码，且长宽比适宜），检测图像中的所有人体并返回每个人体的矩形框位置，识别人体的静态属性和行为，共支持22种属性，包括：性别、年龄阶段、上下身服饰（含类别/颜色）、是否戴帽子、是否戴口罩、是否戴眼镜、背包、是否吸烟、是否使用手机、人体朝向等。
主要适用于监控场景的中低空斜拍视角，支持人体轻度截断、轻度遮挡、背面、侧面、动作变化等复杂场景。
摄像头硬件选型无特殊要求，分辨率建议720p以上，更低分辨率的图片也能识别，只是效果可能有差异。夜间红外监控图片的识别效果可能欠佳。
2，模型使用说明
a.登录EdgeBoard管理系统
用一台与EdgeBoard在相同局域网的PC电脑访问此地址：http://ip:8899/index.html
b.添加摄像头
1).在登录后可进⼊『摄像头管理』，可点击『添加设备』按钮进⾏摄像头设备添加：
2).点击『添加设备』后弹出对话框如下，带星号的为必填项，可选择USB 或RTSP摄像头：
c.HTTP接口配置
1).进入EdgeBoard管理系统『模型管理』，点击『编辑模型』
2).点击『编辑模型』后弹出对话框如下，填写『结果回调』：可以将推理的图⽚及结果数据通过HTTP回调接口回传指定地址
d.摄像头配置模型
1).进入EdgeBoard管理系统『摄像头管理』，点击摄像头列表右侧的『选择模型』
2).点击『选择模型』后弹出对话框如下，在弹出的模型中，勾选需要的模型，并选择识别频率，如3 秒1张。点击『提交』
3).进入EdgeBoard管理系统『系统设置』，点击『重启Edgeboard 』，待Edgeboard 完成设置及重启后才能⽣效。
e.查看模型运行结果
进入EdgeBoard管理系统『摄像头管理』，点击摄像头列表右侧的『查看监控』，可刷新查看到当前摄像头运⾏模型的结果
3，模型实际运行效果：https://mp.weixin.qq.com/s/5CrhPGMrZj6CIcVTII2Tzg
