对于AIoT行业来说，因为AI异构计算、所用芯片和使用场景碎片化等问题，“难”在落地已经成为行业亟需解决的共识。
上个月，我们发起了『In AidLux，To AIoT 』AI应用案例征集活动，想通过AidLux，帮助开发者“排忧解难”，让AI应用落地这件事简单点。
在活动中，我们共征集到11份有效投稿。
经过AidLux内容评委和AidLux官方讨论，决定追加一个获奖名额，恭喜上述11份投稿作品均获得1000元现金红包（税前）+7T算力的高通边缘计算终端一台！ （请各位获奖作者点击这里获取领奖方式）
11份获奖作品中，有口罩检测、车辆识别、火灾报警、反光衣穿戴检测等用于安防场景的AI落地应用；有课堂人员计数，区域跟踪计数、专注度检测等用于智慧课堂、辅助驾驶等场景的AI应用；还有运动康复远程治疗、跌倒检测等用于智慧家庭监控场景的AI应用。
不得不说，大家的动手能力和脑洞着实让人佩服，现在就一起来看看吧！
在智能视频监控技术领域中，对于老年人摔倒的检测是计算机视觉的难点问题。
该项目选用Yolov5系列中深度最小、特征图宽度最小的Yolov5s，实现对复杂场景中的行人跌倒视频进行采集。
使用labelImg对采集得到的照片进行摔倒姿态和非摔倒姿态的标注，后将标注完成的数据输入YOLOv5目标检测模型中，提取人体行为特征，训练得到跌倒检测模型。
将模型部署到AidLux中运行，调用手机摄像头开启监控，当检测到人体摔倒后，会推送一条告警信息，形成监控、识别、提示的闭环。
图像处理和通讯技术的飞速发展，使得远程医疗变为可能。
该项目使用AidLux集成好的骨骼检测算法，调用前置摄像头进行残障人士的人体的骨骼关键点检测，使用代码逻辑判断，监测复健者执行连续的多个动作，并对动作执行程度、数量以及执行时长进行统计，输出数据。
以远程运动、康复治疗为设计背景，期望以视觉反馈的方式监测复健者进行运动、康复训练。
年轻人独居是自由，但对老人来说，独居意味着抗风险能力差。
该项目以MediaPipe Pose人体关键点检测算法为基础，结合七牛云、喵提醒和AidLux平台，制作了一个跌倒检测小助手，并且部署到手机上。
当检测到老人跌倒时，指定用户的手机会收到一条提醒，以便于迅速作出反应。
统计人数这件费时费力的事，交给AI就好。
该项目使用YOLOv5的人头检测模型，仅需极其简单的操作就能将模型部署到AidLux，不需要再将python转java或者c++，极大的节省了算法部署时间，能够帮助开发者快速验证AI视觉技术方案的可行性。
操作流程十分的简单，不需要专门的技术人员进行部署，只需要准备一台安装了AidLux的安卓手机。
安全无小事，施工作业之前，必要的安全设备要穿戴整齐。
该项目基于AidLux平台的AI能力实现了人员反光衣穿戴检测报警系统，其中算法部分主要使用了YOLOv5进行人员反光衣的穿戴检测。该系统可以较容易地部署在手机等终端上，并通过七牛云、喵提醒工具实现监控中台的反光衣未穿戴报警功能。
使用AidLux，可以将PC端编写的Python代码，直接迁移到AidLux平台，测试发布。
自动过滤来往车辆，AidLux高效落地小区车辆来访提醒AI系统
没有移动端的部署经验，也能轻轻松松落地AI项目。
该项目使用yolov5算法来检测小区来访车辆，通过AidLux实现PC端到手机端的模型转换。为防止对过往车辆的误判，通过判断车辆在监控区内的停留时间和进入镜头的比例过滤掉来往车辆。
“总体来说，AidLux降低了Android部署深度学习模型的门槛，小白也能轻松落地移动端AI项目。”
火灾出现，若能第一时间发现，采取合理的行动，能大大降低各方面的损害。
该项目通过AidLux直接运行用于火焰识别的yolov5.py模型文件，能够识别火苗和大火，将安卓手机变成智能火灾报警器。
当图片检测到火焰时，自动保存检测到的火焰图片，并将图片发送到七牛云，通过喵提醒发送到手机上。
AidLux平台兼容性和扩展性非常，对于pytorch训练的模型，很容易就能迁移到运行。
该项目主要实用yolov5 和DeepSORT算法对区域人员进行越线检测和人员计数功能，应用DeepSORT多目标跟踪技术，基于Tracking-by-Detection(检测加跟踪，使效果更稳定)策略，即基于yolov5的结果来进行目标跟踪。可以用于限制进出场景或者客流量统计。
整套代码可以部署在手机上，通过七牛云、喵提醒工具可以实现远程查看告警功能。
不仅要识别是否佩戴口罩，还要及时推送和预警。
该项目使用opencv打开摄像头并读取视频，分析每一帧的人脸是否佩戴口罩，如果发现佩戴口罩，则不进行人脸标记。
通过AidLux提供的aidlite_gpu工具，快速完成模型加载和模型推理，输出未佩戴口罩的结果。
你的AI想法，让AidLux平台助你完成！
该项目采用人脸检测和人脸关键点定位的方案，通过AidLux对每一帧图像中是否有人脸，判断人脸关键点位置是否异常（低头、趴下、东张西望），判断异常状态持续若干帧，来判定孩子的学习状态是否异常。
在专注度差时自动发送提醒至家长手机，再也不需要在家里安装监控，还要费心费力地实时查看了。
结合Android与AidLux制作自己完全说了算的智能音箱
想拥有为自己定制的智能音箱？那就自己动手做一个吧！
该项目由语音识别系统、中控单元、后台服务、语音播报系统构成，通过在AidLux中的Python程序frontend.py的前端与backend.py的后端实现中控；通过调用安卓系统的TTS命令，或各大厂及开源的语音合成接口进行语音识别；通过flask响应前端post请求。
觉得要自己开发，没硬件，没算法，不好开发？有AidLux就变得很简单了。
开发者们用AidLux轻松实现的各种AI应用案例，意味着我们的努力没有白费。
在恭喜11位获奖者的同时，再次感谢合作伙伴和开发者的信任，选择使用AidLux在ARM架构的Android设备上实现各类AI应用项目落地。
我们会继续支持和欢迎广大开发者在“AidLux平台上尝试各种稀奇古怪的AI应用项目”，与各位开发者一起在此AidLux上进行各种AI项目的交流。
我们希望，通过AidLux，AI应用落地侧有更好的效果；
我们希望，通过AidLux，降低企业智慧化升级的成本；
我们希望，通过AidLux，解决AI异构计算、所用芯片和使用场景碎片化问题。
『In AidLux，To AIoT』，每个人都能轻松落地AI应用。
*这次没来得及参加活动的同学也没关系，后续我们也将开启AidLux内容创作者招募计划！
如果你对AidLux有一定了解并且感兴趣，对Linux、嵌入式、AI应用、机器人ros等领域有一定技术能力，想提升知识储备、增加项目落地经验、认识志同道合的伙伴......欢迎你点击这里获取加入方式！
我们将提供技术支持和边缘智能终端硬件支持，还会有一些意外惊喜~
