车辆检测是一种基于深度学习的对人进行检测定位的目标检测，能广泛的用于园区管理、交通分析等多种场景，是违停识别、堵车识别、车流统计等多种算法的基石算法。

安全帽佩戴检测是工地、生产安全、安防的重中之重，但人为主观检测的方式时效性差且不能全程监控。AI技术的日渐成熟催生了安全帽佩戴检测方案，成为了监督佩戴安全帽的利器。本安全帽检测算法是一种基于深度学习的对人进行检测定位的目标检测，能有效用于产品落地。本安全帽检测算法在数据集表现如下所示。

火焰检测是一种基于深度学习的对火焰进行检测定位的目标检测。基于大规模火焰数据识别训练，配合摄像头，实时识别监控区内明火情况立刻发出警报，提醒监控室查看，及时止损。

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。所以一般包含两个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少。文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。我们的OCR算法是基于CTPN+CRNN设计的。CTPN是一种文字检测算法，能有效的检测出复杂场景的横向分布的

人员检测是一种基于深度学习的对人进行检测定位的目标检测，能广泛的用于安防、生产安全等多种场景，是周界入侵检测、越界识别、聚众识别、徘徊识别、摔倒识别等多种算法的基石算法。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别，本实例也包括这几个流程。

DeepSeek-R1，是幻方量化旗下AI公司深度求索（DeepSeek）研发的推理模型。DeepSeek-R1采用强化学习进行后训练，旨在提升推理能力，尤其擅长数学、代码和自然语言推理等复杂任务。作为国产AI大数据模型的代表，凭借其卓越的推理能力和高效的文本生成技术，在全球人工智能领域引发广泛关注。本文主要说明DeepSeek-R1如何离线运行在EASY-EAI-Orin-Nano(RK3576

本文介绍了基于深度学习的人体关键点识别技术及其应用实现。该技术可实时检测并定位17个关键点（如鼻、眼、肩、肘等），在体育分析、行为监测等领域有广泛应用。文档详细说明了算法性能（mAP达89.3）、硬件运行效率（最快53ms）及开发流程，包括环境搭建、模型部署和API调用方法。核心API包含初始化、运行和释放三个函数，支持OpenCV图像处理。示例代码展示了如何加载模型、执行检测并可视化结果，检测单

本文为基于RK3576平台的Whisper语音识别模型训练与部署教程，涵盖以下核心流程：1）Whisper模型训练准备，包括数据集处理（如AiShell数据转SRT格式）及PyTorch模型转ONNX；2）rknn-toolkit工具链部署，详细说明Ubuntu 20.04环境搭建、工具安装及Docker环境配置；3）ONNX模型向RKNN格式的转换操作与目录结构解析；4）部署示例演示，包含源码编

gpiod库：需要使用上表的【Chip对象名】和【Line偏移量】。sysfs访问方式：需要使用上表的【GPIO系统节点路径】。在Linux 4.8开始，加入了libgpiod的支持，而原有基于sysfs的访问方式，将被逐步放弃。因此本文对应的demo主要采用了gpiod方式控制GPIO。gpiod库通过操作chip对象以及line对象，来达到控制GPIO引脚输出电平，或者读取GPIO引脚电平的目