1、获取yolov3模型

本人此次使用的是用自己收集的数据训练的yolov3模型，用于实现识别图片中人物的跌倒和其他行为的作用，只用了少部分数据进行训练，是一个很糙的模型，主要为了熟悉整个流程，作为方法说明，具体方法的参考链接如下：
https://blog.csdn.net/LJ1120142576/article/details/127681902

**注意：**此处获得的模型是.pt格式的，记得转换为.weights格式的模型（这个在Yolov3的程序里面可以找到对应的功能）

2、模型转换（.weights→.rknn）

这一部分的转换，可以参考官方程序说明进行

注意
①一定要注意模型的格式是.weights，否则模型转不了，总会报错（血的教训啊）
②注意程序中的参数和训练过程的参数保持一致

3、C++编译

这一部分也可以参考官方文档进行（这个代码是我写的时候才发现的，没有自己运行过，有需要的小伙伴可以自己运行一下），我使用了另一份代码实现了整个过程，但是都大同小异，有需要的也可以尝试

4、在rv1109~rv1126上运行yolov3模型

将第三步获取的模型的相关文件，移动到rv1109~rv1126板子上（./userdata/路文件内容如下：

其中model文件下是.rknn模型和需要测试的图片
执行以下代码便可以实现模型的功能

./rknn_yolov3 ./model/XXX.rknn ./model/XXX.jpg

最后有一个out.jpg便是最终的结果

因为写的时候时间比较匆忙，做一下说明
1）内容不够详细，主要是为了提醒自己整个流程，因为一些事现在要耽搁一段时间，方便之后继续进行
2）我在部署模型之前，开发板的各项环境都已经配好了，所以关于这一部分，我也没有真正实战过，需要之后补充一下这部分的知识
3）虽然整体实现了部署的目标，但是还有很多的方面需要了解和实现，主要有以下几部分
①如何在实时的视频流中实现跌倒检测的功能
②时间和精度的评估和衡量
③最后结果的解释说明等要弄得100%清楚