Objektu noteikšana W/ Dragonboard 410c vai 820c, izmantojot OpenCV un Tensorflow .: 4 soļi

2024 Autors: John Day | [email protected]. Pēdējoreiz modificēts: 2024-01-30 10:55

Šajā instrukcijā ir aprakstīts, kā instalēt OpenCV, Tensorflow un mašīnmācīšanās ietvarus Python 3.5, lai palaistu objektu noteikšanas lietojumprogrammu.

1. darbība. Prasības

Jums būs nepieciešami šādi elementi:

• DragonBoard ™ 410c vai 820c;

• Tīra Linaro-alip instalācija:

  • DB410c: pārbaudīts versijā v431. Saite:
  • DB820c: pārbaudīts versijā 2222. Saite:
• Vismaz 16 GB ietilpīga MicroSD karte (ja izmantojat 410c);

Lejupielādējiet failu (šī soļa beigās), izpakojiet un kopējiet to uz MicroSD karti; ievērojiet: Ja izmantojat DB820c, lejupielādējiet failu, izpakojiet un pārvietojiet uz/home/*USER*/, lai atvieglotu komandu izmantošanu.

• USB centrmezgls;
• USB kamera (saderīga ar Linux);
• USB pele un tastatūra;
• Interneta pieslēgums.

Piezīme: Ja iespējams, izpildiet šīs instrukcijas pārlūkprogrammā DragonBoard, atvieglojot komandu kopēšanu

2. darbība: MicroSD kartes uzstādīšana (tikai W/ DB410c)

• Atveriet termināli Dragonboard;
• Terminālī palaidiet fdisk:

$ sudo fdisk -l

• Ievietojiet MicroSD karti DragonBoard MicroSD kartes slotā;
• Vēlreiz palaidiet fdisk, sarakstā meklējot jaunās ierīces nosaukumu (un nodalījumu) (piemēram, mmcblk1p1)

$ sudo fdisk -l

Dodieties uz saknes direktoriju:

$ cd ~

Izveidojiet mapi:

$ mkdir sdfolder

MicroSD kartes ievietošana:

$ mount / dev / sdfolder

3. darbība. Nepieciešamo ietvaru instalēšana

• Atveriet termināli Dragonboard;
• Terminālī dodieties uz izvēlēto direktoriju (izmantojot "~" 820c un pievienoto SDCard 410c):

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Dodieties uz mapi Objektu detektora skripti:

$ cd object_detector_tensorflow_opencv/scripts/

Palaidiet vides iestatīšanas skriptu:

$ sudo bash set_Env.sh

Atjauniniet sistēmu:

$ sudo apt atjauninājums

Instalējiet šīs paketes:

$ sudo apt install -y protobuf-kompilators 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

Dodieties uz šo direktoriju:

$ cd /usr /src

Lejupielādēt Python 3.5:

$ sudo wget

Izvelciet iepakojumu:

$ sudo tar xzf Python-3.5.6.tgz

Izdzēsiet saspiesto paketi:

$ sudo rm Python-3.5.6.tgz

Dodieties uz Python 3.5 direktoriju:

$ cd Python-3.5.6

Iespējot optimizāciju Python 3.5 kompilācijai:

$ sudo./configure --enable-optimization

Kompilējiet Python 3.5:

$ sudo veikt altinstall

Pip un jaunināšanas rīku jaunināšana:

$ sudo python3.5 -m pip instalēt -jaunināt pip && python3.5 -m pip instalēt -jaunināt iestatīšanas rīkus

Instalējiet numpy:

$ python3.5 -m pip instalēt numpy

Dodieties uz izvēlēto direktoriju:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Lejupielādēt Tensorflow 1.11:

$ wget

Instalējiet tensorflow:

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

Klonējiet OpenCV un OpenCV Contrib repozitorijus:

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

Dodieties uz direktoriju:

$ cd opencv

Izveidojiet būvēšanas direktoriju un dodieties uz to:

$ sudo mkdir build && cd build

Palaidiet CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = ATLAIST kurš 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 -ON = BUIL -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 = IZSLĒGTS moduļi..

Apkopojiet OpenCV ar 4 kodoliem:

$ sudo make -j 4

Instalējiet OpenCV:

$ sudo veikt instalēšanu

Dodieties uz izvēlēto direktoriju:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Dodieties uz skriptu direktoriju:

$ cd object_detector_tensorflow_opencv/scripts/

Instalējiet Python3.5 prasības:

$ sudo python3.5 -m pip instalēt -r prasības.txt --no -cache -dir

Pārbaudes imports:

$ python3.5

> importēt cv2 >> importēt tensorflow

Piezīme. Ja cv2 atgriež importēšanas kļūdu, palaidiet make install OpenCV būvēšanas mapē un mēģiniet vēlreiz

Dodieties uz izvēlēto direktoriju:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Lejupielādēt kakao krātuvi:

$ git klons

Lejupielādēt Tensorflow modeļu krātuvi:

$ git klons

Dodieties uz šo direktoriju:

$ cd cocoapi/PythonAPI

Rediģējiet failu Makefile, mainot python uz python3.5 3. un 8. rindā, pēc tam saglabājiet failu (kā piemēru izmantojot nano):

$ nano Makefile

Apkopojiet kakao:

$ sudo make

Piezīme: Ja komanda “make” netiek apkopota, mēģiniet pārinstalēt cython, izmantojot:

$ sudo python3.5 -m pip instalēt cython

Kopējiet pycocotools tensorflow /models /research direktorijā:

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

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

Dodieties uz izvēlēto direktoriju:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Dodieties uz modeļu/pētījumu direktoriju:

$ cd modeļi/pētījumi

Sastādīt ar protokolu:

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

Eksportēt vides mainīgo:

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

Pārbaudiet vidi:

$ python3.5 object_detection/builders/model_builder_test.py

Piezīme: tai ir jāatgriežas labi, pretējā gadījumā lietojumprogramma nedarbosies. Ja nē, uzmanīgi meklējiet kļūdas nepieciešamo ietvaru instalēšanas procesā

4. darbība. Objektu noteikšanas API palaišana

Kad visi ietvari ir konfigurēti, tagad ir iespējams palaist objektu noteikšanas API, kas kopā ar Tensorflow izmanto OpenCV.

Dodieties uz izvēlēto direktoriju:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Dodieties uz objektu noteikšanas direktoriju:

$ cd object_detector_tensorflow_opencv/

Tagad palaidiet lietojumprogrammu:

$ python3.5 app.py

Tagad Dragonboard straumēs video caur tīklu. Lai redzētu izvades video, atveriet DB pārlūkprogrammu un dodieties uz "0.0.0.0: 5000".