让家居和建筑更智能的内涵是提供以人为本的生活和工作环境管理。 这种范式转变要求我们在周围的电子元件中增强传感智能。 在这样的背景下，人体存在检测提供了新的可能性，可以让照明、供暖和空调等应用更智能、更高效。
方法
– 我们使用了一个相机模块 (B-CAMS-OMV) 来捕捉场景，并缩小到96×96像素
– 我们选择了一个Google视觉唤醒词的预训练NN模型来管理人体存在检测
– 该模型已经集成在功能包FP-AI-VISION1中（为STM32H747探索套件制作）
– 该模型使用STM32Cube.AI进行优化
传感器
视觉：相机模块捆绑包（参考：B-CAMS-OMV）
数据
数据格式：
两个类别：有人/无人
针对MobileNet v1 0.25的96×96彩色图像
针对MobileNet v2 0.35的128×128彩色图像
结果
模型：针对MobileNet v2 0.35的128×128彩色图像
输入大小：96x96x3
存储器占用：
214 KB Flash存储器用于加权
40 KB RAM用于激活
准确率：对Coco数据集子集的准确率为85%
400 MHz时STM32H747*的性能
推理时间：36 ms
帧率：28 fps
模型：量化MobileNet v2 0.35模型
输入大小：128x128x3
存储器占用：
402 KB Flash存储器用于加权
224 KB RAM用于激活
准确率：对Coco数据集子集的准确率为91%
400 MHz时STM32H747*的性能
推理时间：110 ms
帧率：9 fps
* 使用STM32CubeAI 7.1.0中的FP-AI-VISION1 3.1.0测量
