使用AidLite推理Yolov5人体检测完整项目代码包，点此下载
1. 人体检测算法模型简介
Yolov5人体检测模型，即Yolov5/models文件夹中的Yolov5n_person.pt。
人体检测模型，主要采用人体检测数据集训练的Yolov5检测模型，数据集中类别数为1。
使用Labelimg打开的标注信息
2. pt模型转换成tflite模型
TensorFlow Lite 支持多种硬件加速器，AidLux系统中模型推理支持tflite_gpu加速的方式，因此需要在PC端，将Yolov5人体检测的pt模型转换成tflite的格式。
因为export.py模型转换需要tensorflow，所以在终端输入：
pip3 install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple，下载tensorflow库。
模型转换的代码，位于Yolov5/export.py，而模型转换的过程可以在PC端本地进行。
主要修改export.py中的三个地方：
data：即Yolov5中人体的yaml配置文件。
weights：即训练好的人体检测pt模型，代码中已提供，也可根据情况替换。
include：因为转换成tflite格式，所以这一步修改成tflite。
运行export.py文件，在Yolov5/models文件夹下面，可以看到生成的Yolov5n_person-fp16.tflite文件。
通过网站页面的方式，将转换好的Yolov5n_person-fp16.tflite文件上传到AidLux系统的/Yolov5/models文件夹中（代码中已上传，如有新的模型，请自行更新）。
3. 查看tflite模型相关信息
在AidLux对Yolov5模型推理时，因为需要使用模型输入输出的参数，所以可以通过Netron查看相关的模型参数。
Netron的网站：https://netron.app/
点击“Open Model”，打开前面转换好的Yolov5n_person-fp16.tflite文件。
点击最下方的输出单元，可以看到输出的信息。
输入的参数：1，640，640，3
输出的参数：1，25200，6
4. Yolov5人体检测代码理解
Yolov5人体检测的代码，即Yolov5/aidlux文件夹的yolov5_person.py。
其中包含了很多AidLux专属的函数接口，开发者可以在AidLite编程接口(AI)，查看相关的函数说明。
整体的代码主要分为三个部分：
（ 1 ）加载相关的函数库
（ 2 ）模型初始化及加载
其中主要用到两个函数接口，一个是aidlite_gpu.aidlite()和aidlite.ANNMode()。
其中的in_shape，out_shape，即前面通过netron查看的模型参数。
需要注意的是，两行代码的最后都有一个4，因为模型参数格式为float格式，所占的字节数为4。
（ 3 ）模型输入输出和推理
使用setInput_Float32()函数输入数据，然后通过invoke()函数开启推理，最后使用getOutput_Float()获取推理结果。
5. Yolov5视频推理测试
运行yolov5_person.py进行视频推理测试，在手机版本的Aidlux和PC端网页的Aidlux中，都可以看到推理的显示结果。
