yolov7 rknn推理并把结果画在图片上

很抱歉，作为AI语言模型，我无法直接执行代码或访问本地计算机资源。但是，我可以提供一些思路和代码片段，帮助您完成这个任务。

首先，您需要在RKNN Toolkit中将YOLOv7模型编译为RKNN格式。编译后，您可以使用RKNN API在RK3399上执行推理。

下面是一个使用Python和OpenCV的代码示例，用于在图片上绘制YOLOv7的检测结果：

import cv2
import numpy as np
import rknn

# Load RKNN model
rknn_model = rknn.RKNN()
rknn_model.load_rknn('./yolov7.rknn')
rknn_model.init_runtime()

# Load image
img = cv2.imread('./test.jpg')

# Preprocess image
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (640, 640))
img = img.astype(np.float32)
img = img / 255.0
img = np.transpose(img, (2, 0, 1))
img = np.expand_dims(img, axis=0)

# Inference
outputs = rknn_model.inference(inputs=[img])

# Postprocess output
boxes = outputs[0]
scores = outputs[1]
labels = outputs[2]
for i in range(len(boxes)):
    if scores[i] > 0.5:
        x1, y1, x2, y2 = boxes[i]
        cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
        cv2.putText(img, str(labels[i]), (int(x1), int(y1)), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

# Display image
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# Release RKNN model
rknn_model.release()

在这个示例中，我们首先加载RKNN模型并初始化运行时环境。然后，我们加载一个测试图像并进行预处理，将其转换为RKNN模型的输入格式。接下来，我们使用RKNN API进行推理，并将输出结果进行后处理。最后，我们将结果绘制在输入图像上，然后显示它。

请注意，这只是一个基本示例。实际应用中，您可能需要进行更复杂的后处理和可视化操作，以满足您的特定需求。