02-Media-2-ai_rtsp.py 人脸识别加网络画面RTSP推流演示

ai_rtsp.py  演示了如何通过调用 AI模型 实现人脸检测功能后，将包含检测结果的图像以 RTSP 网络流的形式输出，便于远程网络查看。

Tips：RTSP全称实时流协议（Real Time Streaming Protocol），是一个基于文本的多媒体播放控制协议，属于应用层。RTSP以客户端方式工作，对流媒体提供播放、暂停、后退、前进等操作。该标准由IETF指定，对应的协议是RFC2326。

RTSP作为一个应用层协议，提供了一个可供扩展的框架，使得流媒体的受控和点播变得可能，它主要用来控制具有实时特性的数据的发送。

ai_rtsp程序结构：

1. 导入必要的库，包括自定义的PipeLine、AIBase、Ai2d、Utils、WBCRtsp等。

- libs.PipeLine: 图像处理流程管理，包括图像获取、显示等。

- libs.AIBase: AI基类，封装了模型加载、推理等基本操作。

- libs.AI2D: 用于图像预处理，如缩放、填充等。

- libs.Utils: 工具函数，例如计时器、对齐函数等。

- libs.WBCRtsp: 用于RTSP推流。

- os, sys, ujson, gc, math: 系统库和工具库。

- media.media: 媒体相关操作。

- nncase_runtime: nncase运行时，用于模型推理。

- ulab.numpy: 类似于numpy的库，用于数组操作。

- image: 图像处理相关。

- aidemo: 提供后处理函数，如face_det_post_process。

2. 定义FaceDetectionApp类，继承自AIBase，实现了人脸检测的初始化、预处理配置、后处理和结果绘制。

- __init__: 初始化函数，设置模型路径、输入尺寸、锚点、置信度阈值、NMS阈值等，并初始化AI2D。

- config_preprocess: 配置预处理操作，包括填充（letterbox）和缩放，使用Ai2d构建预处理流程。

- postprocess: 后处理函数，调用aidemo.face_det_post_process对模型输出进行解析，得到人脸检测框。

- draw_result: 绘制检测结果，将检测框转换到显示分辨率并绘制矩形。

3. 在主程序中，设置显示模式、图像尺寸、模型路径、参数等，初始化PipeLine和WBCRtsp（用于推流），然后创建FaceDetectionApp实例。

- 设置显示模式（hdmi或lcd等）和输入图像尺寸（rgb888p_size）。

- 设置模型路径、置信度阈值、NMS阈值、锚点数据（从文件读取）。

- 初始化PipeLine，并配置WBCRtsp推流。

- 创建FaceDetectionApp实例，并配置预处理。

- 进入主循环，获取图像帧，运行人脸检测，绘制结果并显示。

- 捕获键盘中断和其他异常，确保程序退出时释放资源。

4. 进入主循环，不断获取图像帧，进行人脸检测，绘制结果并显示。

- 设置显示模式（hdmi或lcd等）