解决方案说明
众所周知，空间是一种重要的资源，尤其在商业和工业领域，空间更是十分稀缺。人数统计技术是调整布局、通道、生产线等具体部署的核心，也是优化空间和设施的关键所在。
目前人们对智能楼宇和智能工厂解决方案的需求日益增长；这些解决方案不仅有助于降低运营成本、还能够为其提高安全性并帮助其挖掘提升服务质量的机遇。在如今的后疫情时代，人员流量检测器和计数器应用对于监测排队情况和保持社交距离尤其有用。
挑战在于简化软件开发和硬件设计，尤其是对于处理能力、内存和功率受到限制的电池供电设备。通过在高性价比、超低功耗STM32微控制器上利用人工智能，我们的解决方案解决了成本与设计问题。
工作原理
该系统可通过低分辨率图像传感器捕捉数字视频，并确保由高性能双核STM32H7微控制器对其进行高效处理；该微控制器将根据针对STM32优化过的深度神经网络 (DNN) 所生成的输出来运行基于边缘的人数统计应用 (FP-AI-VISION1)。
然后，MCU会通过所连接的LCD屏幕或网络在本地显示所统计的人数、所拍摄的视频内容以及与图像中人的位置相对应的边界框。
这样，我们就可以基于某种采用了针对STM32优化过的卷积神经网络 (CNN) 模型拓扑的目标检测算法，开发出一款经济高效的低功耗人数统计应用解决方案。
-
主要产品优势
STM32H747XIH6 - 支持DSP和DP-FPU指令的高性能双核微控制器
这款采用Arm® Cortex®-M7和Cortex®-M4内核的微控制器具有用于管理传入的数字视频信号的必要外设，以及用于确保以最低功耗快速、精确地进行人数统计的处理能力和内存。
FP-AI-VISION1 - 用于计算机视觉人工智能 (AI) 应用的STM32Cube功能包
该软件基于使用STM32CubeMX AI扩展包 (X-CUBE-AI) 生成的预训练模型，实现了使用STM32神经网络库的高级计算机视觉应用。
-
All Features_zh
- 该即用型固件基于使用卷积神经网络 (CNN) 模型的目标检测算法，适用于实时人数统计应用
- 边缘处理方法可确保比集中式云解决方案更低的功耗和延迟，且更加注重精度和个人隐私
- 利用嵌入微控制器内部存储器的经优化AI模型，实现高效低功耗运行
- 得益于STM32Cube生态系统，可在不同STM32 MCU系列之间轻松移植
