diff --git a/.vscode/settings.json b/.vscode/settings.json
new file mode 100644
index 00000000..94941ce1
--- /dev/null
+++ b/.vscode/settings.json
@@ -0,0 +1,3 @@
+{
+ "C_Cpp.default.configurationProvider": "go2sh.cmake-integration"
+}
\ No newline at end of file
diff --git a/board/NUCLEO_STM32L496ZG/BSP/Src/main.c b/board/NUCLEO_STM32L496ZG/BSP/Src/main.c
index 292176af..6eb346ed 100644
--- a/board/NUCLEO_STM32L496ZG/BSP/Src/main.c
+++ b/board/NUCLEO_STM32L496ZG/BSP/Src/main.c
@@ -18,7 +18,7 @@ int main(void)
{
board_init();
printf("Welcome to TencentOS tiny\r\n");
- person_detect_init();
+ person_detect_init();
osKernelInitialize(); // TOS Tiny kernel initialize
osThreadCreate(osThread(application_entry), NULL); // Create TOS Tiny task
osKernelStart(); // Start TOS Tiny
diff --git a/board/NUCLEO_STM32L496ZG/BSP/Src/mcu_init.c b/board/NUCLEO_STM32L496ZG/BSP/Src/mcu_init.c
index 89f6c472..00338285 100644
--- a/board/NUCLEO_STM32L496ZG/BSP/Src/mcu_init.c
+++ b/board/NUCLEO_STM32L496ZG/BSP/Src/mcu_init.c
@@ -1,6 +1,6 @@
#include "mcu_init.h"
-uint16_t camBuffer[OV2640_PIXEL_WIDTH*OV2640_PIXEL_HEIGHT];
+uint16_t camera_buffer[OV2640_PIXEL_WIDTH*OV2640_PIXEL_HEIGHT];
uint8_t frame_flag = 0;
uint8_t tensor_flag = 0;
@@ -49,7 +49,7 @@ void board_init(void)
OV2640_OutSize_Set(OV2640_PIXEL_WIDTH,OV2640_PIXEL_HEIGHT);
__HAL_DCMI_DISABLE_IT(&hdcmi, DCMI_IT_LINE | DCMI_IT_VSYNC);
- if (HAL_DCMI_Start_DMA(&hdcmi, DCMI_MODE_CONTINUOUS, (uint32_t)camBuffer , (OV2640_PIXEL_WIDTH*OV2640_PIXEL_HEIGHT)/2))
+ if (HAL_DCMI_Start_DMA(&hdcmi, DCMI_MODE_CONTINUOUS, (uint32_t)camera_buffer , (OV2640_PIXEL_WIDTH*OV2640_PIXEL_HEIGHT)/2))
{
Error_Handler();
}
diff --git a/board/NUCLEO_STM32L496ZG/KEIL/tflitemicro_person_detection/TFlite_Micro_Demo移植参考指南（Keil版）.md b/board/NUCLEO_STM32L496ZG/KEIL/tflitemicro_person_detection/TFlite_Micro_Demo移植参考指南（Keil版）.md
new file mode 100644
index 00000000..e9c80d68
--- /dev/null
+++ b/board/NUCLEO_STM32L496ZG/KEIL/tflitemicro_person_detection/TFlite_Micro_Demo移植参考指南（Keil版）.md
@@ -0,0 +1,217 @@
+# TensorFlow Lite Micro移植参考指南（Keil版）
+
+作者：
+
+日期：
+
+联系方式：
+
+## 概述
+
+本教程是基于STM32 NUCLEO-L496ZG（Cortex-M4, 80Mhz）开发板，在运行TencentOS tiny的基础上，使用Tensorflow Lite Micro框架和CMSIS-NN库（算子加速），在STM32L496ZG上实现了**行人检测模型**的推理。
+
+关于Tensorflow Lite Micro组件的详细介绍可以参考`TencentOS-tiny\components\tflite_micro`目录下的TFlite_Micro_Component_User_Guide.md文档。
+
+本例程中，传入神经网络的RGB图像大小为 18kb（96*96 * 2byte），在STM32L496平台消耗的内存资源（经过优化后）如下：
+
+- SRAM：168 Kbyte
+- Flash：314 Kbyte
+
+理论上满足以b上内存要求的STM32 Cortex-M系列MCU可以参考本指南进行移植。
+
+## 一、移植前的准备
+
+### 1. 准备目标硬件（开发板/传感器/模组）
+
+需要准备如下硬件：
+
+- 开发板：NUCLEO-L496ZG，MCU为STM32L496ZG；
+- Camera：获取RGB图像，本例程使用OV2640摄像头；
+- LCD：显示RGB图像，本例程使用2.4寸LCD（SPI通信）；
+
+硬件实物图如下：
+
+
+
+
+
+
+
+