# 概述
OpenNCC View是一款用于快速体验OpenNCC开发套件的软件，运行OpenNCC View下默认模型不依赖OpenVINO，OpenNCC View集成了OpenNCC SDK全部API,可以完成OpenNCC在独立模式下实现对相机的连接,固件和AI模型的下载，及完成视频流显示与算法结果的后处理。用户可以通过友好的界面，来操作和控制相机.
# 模型解析
模型在OpenNCC完成推演后，通过OpenNCC SDK API获取实时的推演结果，OpenView针对物体检测这类模型Object Detection Models (opens new window)实现了推演结果的通用解析器。
OpenView的推演后处理支持如下格式输出：
输出的数据形态：[1, 1, N, 7]
N是当前帧下检测到的物体框数量
对于每个检测框，包含以下信息格式：[image_id, label, conf, x_min, y_min, x_max, y_max], 其中:
image_id - ID of the image in the batch
label - predicted class ID
conf - confidence for the predicted class
(x_min, y_min) - coordinates of the top left bounding box corner
(x_max, y_max) - coordinates of the bottom right bounding box corner.
用户可以训练自己的模型，并将输出层按照以上格式定义，可以免编程使用OpenView的模型导入功能添加并测试物体检测模型。如果用户需要添加其他输出格式的模型，需要自己参考ncc_SDK/Samples/How_to/load a model并结合自己应用场景来编写解析代码。
# 功能点详细介绍
1）Get Device Info：获取设备与电脑usb连接信息及NCC设备模块信息，若连接的设备支持，能够解锁更多功能选项。（例如NCC与电脑通过usb 3.0连接，可解锁yuv出流显示视频；NCC装配了4K模组，可解锁4K分辨率显示）
2）Stream Format：选择NCC相机USB视频输出格式，目前支持YUV420P，H.264，MJPEG格式。（选择YUV420P前需先点击Get Device Info，仅在usb 3.0连接时可选）
3）Stream Resolution：更换NCC相机的视频分辨率，可选1080P或4K. 4K分辨率支持需要选装相应4K摄像模块。 （选择4K前需先Get Device Info，仅在模组支持4K时可选）
4）1st network model：选择算法模型，选择None即不加载模型，仅出流显示视频，而选择加载算法模型后，可以通过框选ROI区域，仅对区域内的场景进行识别。
5）Model Score：加载算法后，对物品的识别计算结果是有分数的，当超过了某一分数阈值，才会在视频中框选，而Model Score即为控制阈值的选项，根据用户需求，实时调整识别的最低分数（默认值为0.5）
6）ROI：配合算法模型使用，加载模型后，如果需要仅对某一区域进行算法识别，可以手动点击鼠标左键拖动，框选出自己感兴趣的区域，仅对区域内的场景进行识别
7）Display Scaler：视频显示时，由于不同电脑的分辨率不同，按原本尺寸显示1080P或4K的视频，可能会出现视频大小超出桌面大小的情况，用户可通过Display Scaler实时控制视频显示窗体大小（默认值为0.5）
8）Add model：点击"add model" ，导入生成好的.blob模型文件，此处注意，需要把.blob文件和对应的IR文件(.xml&&.bin)放在同一位置，且文件名相同。.blob文件的生成过程参考开发手册。添加后即可在1st network model中选择对应模型。
9）Del model：删除用户导入的模型文件，删除后即会在1st network model中移除用户自己的模型。
10）Start running model：点击即开始加载固件，并根据用户的选项，显示视频窗口
11）Log：显示NCC工作时的log，用户可在此处查看设备的运行状况，以及关于设备异常状态的提示信息
12）Algo Results：显示算法结果，当用户选择加载算法模型，且在实际场景中有被识别到的算法模型，即会有算法结果在此处打印（如被识别模型相对当前窗口的坐标信息，及算法计算出的识别分数等）
13）inference accelerate： 选择是否启用算法加速功能。
# 算法加速功能介绍
OpenNcc搭载了Movidius Myriad X VPU，该处理器是一个拥有16块shave片的视频处理平台核心引擎，承担了包括视频流处理、AI推理等任务。
Shave片的数量决定了引擎的计算能力。基于Myriad框架的模型会有不同的分配方案，为了满足不同平台的算力差异，大多数模型并不会把推理所需的shave片数设定为较高的初始值（通常是4个）。所以在OpenNCC中，处理器在算法推理阶段依旧存在较多算力盈余。如果能够有效利用这些盈余算力，就可以显著提升处理器的AI推理效率。
当推理加速开关打开，设备检测到足够的shave片处于空闲状态，就会按照原推理引擎中的shave配置模式创建一个新的引擎，也即双引擎模式。双引擎采用并行计算的方式提高计算速率，从而对AI的整体推理产生加速效果。
# 算法加速测试结果
| AR0234 60Hz 1080P USB_3.0 | YUV | YUV | H.264 | H.264 | MJPEG | MJPEG |
|---|---|---|---|---|---|---|
| Number of Acceleration Engines | 2 | 1 | 2 | 1 | 2 | 1 |
| Model | AI FPS | AI FPS | AI FPS | AI FPS | AI FPS | AI FPS |
| classification-fp16 | 25 | 14 | 25 | 14 | 25 | 14 |
| face-detection-retail-0004-fp16 | 80 | 43 | 80 | 55 | 80 | 52 |
| face-detection-adas-0001-fp16 | 15 | 7 | 15 | 8 | 15 | 8 |
| person-detection-retail-0013-fp16 | 12 | 5 | 12 | 6 | 12 | 6 |
| person-vehicle-bike-detection-crossroad-0078-fp16 | 6 | 2 | 6 | 3 | 6 | 3 |
| face-person-detection-retail-0002-fp16 | 10 | 4.5 | 10 | 5 | 10 | 5 |
| pedestrian-detection-adas-0002-fp16 | 15 | 7 | 15 | 9 | 15 | 9 |
| vehicle-detection-adas-0002-fp16 | 15 | 8 | 15 | 9 | 15 | 9 |
| vehicle-license-plate-detection-barrier-0106-fp16 | 45 | 24 | 45 | 28 | 45 | 29 |
| license-plate-recognition-barrier-0001 | 40 | 24 | 40 | 23 | 40 | 23 |
| pedestrian-and-vehicle-detector-adas-0001-fp16 | 12 | 7 | 12 | 7 | 12 | 7 |
← OpenNCC 快速开始 软件开发包手册 →