Objekti tuvastamine W/ Dragonboard 410c või 820c OpenCV ja Tensorflow abil: 4 sammu

2024 Autor: John Day | [email protected]. Viimati modifitseeritud: 2024-01-30 08:48

Selles juhendis kirjeldatakse, kuidas installida OpenCV, Tensorflow ja masinõppe raamistikud Python 3.5 jaoks, et käivitada objektide tuvastamise rakendus.

Samm: nõuded

Te vajate järgmisi üksusi:

• DragonBoard ™ 410c või 820c;

• Linaro-alipi puhas paigaldus:

  • DB410c: testitud versioonis v431. Link:
  • DB820c: testitud versioonis v228. Link:
• Vähemalt 16 GB mahuga MicroSD -kaart (kui kasutate 410c);

Laadige fail alla (selle sammu lõpus), pakkige see lahti ja kopeerige MicroSD -kaardile; Märkus. Kui kasutate DB820c -d, laadige fail alla, pakkige lahti ja teisaldage käskude kasutamise hõlbustamiseks kausta/home/*USER*/.

• USB -jaotur;
• USB -kaamera (Linuxiga ühilduv);
• USB -hiir ja klaviatuur;
• Interneti -ühendus.

Tähelepanu: kui võimalik, järgige neid juhiseid DragonBoardi brauseris, hõlbustades käskude kopeerimist

2. toiming: MicroSD -kaardi paigaldamine (ainult W/ DB410c)

• Avage terminal Dragonboardis;
• Käivitage terminalis fdisk:

$ sudo fdisk -l

• Sisestage MicroSD -kaart DragonBoard MicroSD -kaardi pesasse;
• Käivitage uuesti fdisk, otsides loendist uue seadme nime (ja sektsiooni) (nt mmcblk1p1)

$ sudo fdisk -l

Minge juurkataloogi:

$ cd ~

Looge kaust:

$ mkdir sdfolder

MicroSD -kaardi paigaldamine:

$ mount / dev / sdfolder

Samm: vajalike raamistike installimine

• Avage terminal Dragonboardis;
• Minge terminalis valitud kataloogi (820c jaoks kasutage "~" ja 410c jaoks SDCard):

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Minge kausta Objektidetektori skriptid:

$ cd object_detector_tensorflow_opencv/scripts/

Käivitage keskkonna seadistamise skript:

$ sudo bash set_Env.sh

Värskendage süsteemi:

$ sudo apt värskendus

Installige need paketid:

$ sudo apt install -y protobuf-kompilaator 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 libxvid64-dev libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Minge sellesse kataloogi:

$ cd /usr /src

Laadige alla Python 3.5:

$ sudo wget

Paki väljavõtmine:

$ sudo tar xzf Python-3.5.6.tgz

Kustutage tihendatud pakett:

$ sudo rm Python-3.5.6.tgz

Minge kataloogi Python 3.5:

$ cd Python-3.5.6

Optimeerimiste lubamine Python 3.5 kompileerimiseks:

$ sudo./configure --enable-optimization

Kompileerige Python 3.5:

$ sudo tee altinstall

Pip- ja seadistustööriistade täiendamine:

$ sudo python3.5 -m pip install -uuenda pip && python3.5 -m pip install -uuenda seadistustööriistu

Installige numpy:

$ python3.5 -m pip install numpy

Minge valitud kataloogi:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Laadige alla Tensorflow 1.11:

$ wget

Paigaldage tensorflow:

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

OpenCV ja OpenCV Contrib hoidlate kloonimine:

$ sudo git kloon -b 3.4 https://github.com/opencv/opencv.git && sudo git kloon -b 3.4

Mine kataloogi:

$ cd opencv

Looge ehituskataloog ja minge sellele:

$ sudo mkdir build && cd build

Käivitage CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = RELEASE -D CMAKE_INSTALL_PREFIX =/usr/local -D BUILD_opencv_java = VÄLJA -D BUILD_opencv_python = VÄLJAS milline python3.5) -D PYTHON_INCLUDE_DIR =/usr/local/include/python3.5m/-D INSTALL_C_EXAMPLES = VÄLJAS -D INSTALL_PYTHON3_EXAMPLES = VÄLJAS -D EHITUSENÄITLUSED = VÄLJAS -D WITH_CUDA = VÄLJA LÜLITATUD = BUIL -DBUILD_TBB = ON -D OPENCV_ENABLE_NONFREE = SEES -DBUILD_opencv_xfeatures2d = OFF -D OPENGL = ON -D OPENMP = ON -D ENABLE_NEON = ON -D BUILD_PERF_TESTS = OFF -D BUILD_N_PEN moodulid..

Koostage OpenCV 4 tuumaga:

$ sudo make -j 4

Installige OpenCV:

$ sudo make install

Minge valitud kataloogi:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Minge skriptide kataloogi:

$ cd object_detector_tensorflow_opencv/scripts/

Installige Python3.5 nõuded:

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

Testimport:

$ python3.5

> import cv2 >> import tensorflow

Märkus. Kui cv2 tagastab impordiviga, käivitage OpenCV ehitamiskaustas make install ja proovige uuesti

Minge valitud kataloogi:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Laadige alla kakaohoidla:

$ git kloon

Laadige alla Tensorflow mudelite hoidla:

$ git kloon

Minge sellesse kataloogi:

$ cd cocoapi/PythonAPI

Muutke faili Makefile, muutes python reale 3 ja 8 python3.5, seejärel salvestage fail (kasutades näitena nano):

$ nano Makefile

Koostage kakao:

$ sudo make

Märkus: kui käsk „make” ei kompileeri, proovige cython uuesti installida järgmiselt:

$ sudo python3.5 -m pip install cython

Kopeerige pükootoolid tensorflow /models /research kataloogi:

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

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

Minge valitud kataloogi:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Minge mudelite/uuringute kataloogi:

$ cd mudelid/uuringud

Koostage protokolliga:

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

Keskkonnamuutuja eksportimine:

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

Testige keskkonda:

$ python3.5 object_detection/builders/model_builder_test.py

Märkus: see peab tagastama OK, vastasel juhul ei tööta rakendus. Kui ei, otsige vajalike raamistike installimisel hoolikalt vigu

4. samm: objektide tuvastamise API käitamine

Kui kõik raamistikud on konfigureeritud, on nüüd võimalik käivitada objektide tuvastamise API, mis kasutab OpenCV -d koos Tensorflow'ga.

Minge valitud kataloogi:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Minge objektide tuvastamise kataloogi:

$ cd object_detector_tensorflow_opencv/

Nüüd käivitage rakendus:

$ python3.5 app.py

Nüüd edastab Dragonboard videot võrgu kaudu. Väljundvideo nägemiseks avage andmebaasis brauser ja minge jaotisse "0.0.0.0: 5000".