Detekcia objektov pomocou Dragonboard 410c alebo 820c pomocou OpenCV a Tensorflow .: 4 kroky

2024 Autor: John Day | [email protected]. Naposledy zmenené: 2024-01-30 11:58

Tento návod popisuje, ako nainštalovať rámce OpenCV, Tensorflow a strojového učenia pre Python 3.5 na spustenie aplikácie Object Detection.

Krok 1: Požiadavky

Budete potrebovať nasledujúce položky:

• DragonBoard ™ 410c alebo 820c;

• Čistá inštalácia Linaro-alip:

  • DB410c: testované vo verzii v431. Odkaz:
  • DB820c: testované vo verzii v228. Odkaz:
• Minimálne 16 GB karta MicroSD (ak používate 410c);

Stiahnite súbor (na konci tohto kroku), rozbaľte a skopírujte na kartu MicroSD; Poznámka: Ak používate DB820c, stiahnite si súbor, rozbaľte ho a presuňte sa na/home/*USER*/, aby ste uľahčili používanie príkazov.

• Rozbočovač USB;
• USB kamera (kompatibilná s Linuxom);
• Myš a klávesnica USB;
• Pripojenie na internet.

Poznámka: Ak je to možné, postupujte podľa týchto pokynov v prehliadači DragonBoard, ktoré uľahčujú kopírovanie príkazov

Krok 2: Inštalácia karty MicroSD (iba W/ DB410c)

• Otvorte terminál na Dragonboarde;
• V termináli spustite príkaz fdisk:

$ sudo fdisk -l

• Vložte kartu MicroSD do zásuvky na kartu MicroSD DragonBoard;
• Spustite znova fdisk a v zozname vyhľadajte názov (a oddiel) nového zariadenia (napr. Mmcblk1p1)

$ sudo fdisk -l

Prejdite do koreňového adresára:

$ cd ~

Vytvorte priečinok:

priečinok $ mkdir sd

Namontujte kartu MicroSD:

priečinok $ mount / dev / sd

Krok 3: Inštalácia požadovaných rámcov

• Otvorte terminál na Dragonboarde;
• V termináli prejdite na zvolený adresár (pomocou „~“pre 820c a pripojenej karty SDCard pre 410c):

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Prejdite do priečinka skriptov Object Detector:

$ cd object_detector_tensorflow_opencv/skripty/

Spustite skript na nastavenie prostredia:

$ sudo bash set_Env.sh

Aktualizujte systém:

$ sudo apt aktualizácia

Nainštalujte tieto balíky:

$ sudo apt install -y protobuf-kompilátor gcc-aarch64-linux-gnu

g ++-aarch64-linux-gnu debootstrap schroot git curl pkg-config zip unzip python python-pip g ++ zlib1g-dev default-jre libhdf5-dev libatlas-base-dev gfortran v4l-utils hdf5* libhdf5* libpng-dev build-essential cmake libreadline-gplv2-dev libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev libjpeg-dev libtiff5-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev lib2 libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Prejdite do tohto adresára:

$ cd /usr /src

Stiahnite si Python 3.5:

$ sudo wget

Extrahujte balík:

$ sudo tar xzf Python-3.5.6.tgz

Odstráňte komprimovaný balík:

$ sudo rm Python-3.5.6.tgz

Prejdite do adresára Python 3.5:

$ cd Python-3.5.6

Povoliť optimalizácie pre kompiláciu Python 3.5:

$ sudo./configure --enable-optimizations

Kompilácia Pythonu 3.5:

$ sudo make altinstall

Inovujte nástroje pip a nastavenia:

$ sudo python3.5 -m pip install --upgrade pip && python3.5 -m pip install --upgrade setuptools

Inštalovať numpy:

$ python3.5 -m pip install numpy

Prejdite do zvoleného adresára:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Stiahnite si Tensorflow 1.11 whl:

$ wget

Nainštalujte tensorflow:

$ sudo python3.5 -m pip install tensorflow-1.11.0-cp35-none-linux_aarch64.whl

Klonujte úložiská OpenCV a OpenCV Contrib:

$ sudo git clone -b 3,4 https://github.com/opencv/opencv.git && sudo git clone -b 3,4

Prejsť do adresára:

$ cd opencv

Vytvorte adresár zostavenia a prejdite naň:

$ sudo mkdir build && cd build

Spustiť CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = RELEASE -D CMAKE_INSTALL_PREFIX =/usr/local -D BUILD_opencv_java = OFF_D ktorý python3.5) -D PYTHON_INCLUDE_DIR =/usr/local/include/python3.5m/-D INSTALL_C_EXAMPLES = OFF -D INSTALL_PYTHON3_EXAMPLES = OFF -D BUILD_EXAMPLES = OFF -D WITH_CUDA = OFF -D BUILDES -DBUILD_TBB = ON -D OPENCV_ENABLE_NONFREE = ON -DBUILD_opencv_xfeatures2d = OFF -D OPENGL = ON -D OPENMP = ON -D ENABLE_NEON = ON -D BUILD_PERF_TESTS = OFF -D BUILD_OPE moduly..

Zostavte OpenCV so 4 jadrami:

$ sudo make -j 4

Nainštalujte OpenCV:

$ sudo make install

Prejdite do zvoleného adresára:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Prejdite do adresára skriptov:

$ cd object_detector_tensorflow_opencv/skripty/

Nainštalujte požiadavky Python3.5:

$ sudo python3.5 -m pip install -r requirements.txt --no -cache -dir

Skúšobné dovozy:

$ python3,5

> import cv2 >> import tensorflow

Poznámka: Ak cv2 vráti chybu importu, spustite príkaz make install v priečinku zostavenia OpenCV a skúste to znova

Prejdite do zvoleného adresára:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Stiahnite si úložisko cocoapi:

$ git klon

Stiahnite si úložisko modelov Tensorflow:

$ git klon

Prejdite do tohto adresára:

$ cd cocoapi/PythonAPI

Upravte súbor Makefile tak, že v riadkoch 3 a 8 zmeníte python na python3.5 a potom súbor uložíte (ako príklad použijete nano):

$ nano Makefile

Zostavte cocoapi:

$ sudo make

Poznámka: Ak sa príkaz „make“neskompiluje, skúste znova nainštalovať cython pomocou:

$ sudo python3.5 -m pip install cython

Skopírujte pycocotools do adresára tensorflow /models /research:

(820c) $ cp -r pycocotools ~/models/research/

(410c) $ cp -r pycocotools ~/sdfolder/models/research/

Prejdite do zvoleného adresára:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Prejdite do adresára modelov/výskumu:

$ cd modely/výskum

Kompilovať s protokolom:

$ protoc object_detection/protos/*. proto --python_out =.

Export premennej prostredia:

$ export PYTHONPATH = $ PYTHONPATH: `pwd`:` pwd`/slim

Otestujte prostredie:

$ python3.5 object_detection/builders/model_builder_test.py

Pozor: Musí sa vrátiť OK, inak aplikácia nebude fungovať. Ak nie, starostlivo vyhľadajte akúkoľvek chybu v procese inštalácie požadovaných rámcov

Krok 4: Spustenie rozhrania API na detekciu objektov

So všetkými nakonfigurovanými rámcami je teraz možné spustiť rozhranie API na detekciu objektov, ktoré používa OpenCV, spolu s Tensorflow.

Prejdite do zvoleného adresára:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Prejdite do adresára detekcie objektov:

$ cd object_detector_tensorflow_opencv/

Teraz spustite aplikáciu:

$ python3.5 app.py

Teraz Dragonboard bude streamovať video cez sieť. Ak chcete vidieť výstupné video, otvorte prehliadač v databáze DB a prejdite na „0,0.0.0: 5000“.