זיהוי אובייקטים W/ Dragonboard 410c או 820c באמצעות OpenCV ו- Tensorflow .: 4 שלבים

2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:15

מדריכים אלה מתארים כיצד להתקין מסגרות OpenCV, Tensorflow ולמידת מכונה עבור Python 3.5 להפעלת היישום זיהוי אובייקטים.

שלב 1: דרישות

תזדקק לאיטנים הבאים:

• DragonBoard ™ 410c או 820c;

• התקנה נקייה של Linaro-alip:

  • DB410c: נבדק בגרסה v431. קישור:
  • DB820c: נבדק בגרסה v228. קישור:
• כרטיס MicroSD בנפח 16GB לפחות (אם משתמשים ב- 410c);

הורד את הקובץ (בסוף שלב זה), פרק והעתק לכרטיס ה- MicroSD; שימו לב: אם אתה משתמש ב- DB820c, הורד את הקובץ, פרק ועבור אל/הבית/*USER*/כדי להקל על השימוש בפקודות.

• רכזת USB;
• מצלמת USB (תואמת לינוקס);
• עכבר ומקלדת USB;
• חיבור לאינטרנט.

הערה: עקוב אחר הוראות אלה בדפדפן DragonBoard במידת האפשר, והקל על העתקת הפקודות

שלב 2: הרכבת כרטיס ה- MicroSD (רק ב- W/ DB410c)

• פתח את הטרמינל ב- Dragonboard;
• במסוף הפעל fdisk:

$ sudo fdisk -l

• הכנס את כרטיס ה- MicroSD לחריץ כרטיס ה- MicroSD של DragonBoard;
• הפעל שוב את fdisk, מחפש את השם (והמחיצה) של המכשיר החדש ברשימה (למשל mmcblk1p1)

$ sudo fdisk -l

עבור לספריית השורש:

$ cd ~

צור תיקיה:

$ mkdir sdfolder

הרכיבו את כרטיס ה- MicroSD:

$ mount / dev / sdfolder

שלב 3: התקנת מסגרות חובה

• פתח את הטרמינל ב- Dragonboard;
• במסוף, עבור לספרייה שנבחרה (באמצעות "~" עבור 820c ו- SDCard המותקן עבור 410c):

(820c) $ cd ~

(410c) $ cd ~/sdfolder

עבור לתיקיה סקריפטים של גלאי אובייקטים:

$ cd object_detector_tensorflow_opencv/scripts/

הפעל את סקריפט הגדרת הסביבה:

$ sudo bash set_Env.sh

עדכן את המערכת:

עדכון $ sudo apt

התקן את החבילות הבאות:

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

עבור לספרייה זו:

$ cd /usr /src

הורד את פייתון 3.5:

$ sudo wget

חלץ את החבילה:

$ sudo tar xzf Python-3.5.6.tgz

מחק את החבילה הדחוסה:

$ sudo rm Python-3.5.6.tgz

עבור לספריית Python 3.5:

$ cd Python-3.5.6

אפשר אופטימיזציות עבור אוסף Python 3.5:

$ sudo./configure-אפשר-אופטימיזציות

הידור Python 3.5:

$ sudo לעשות altinstall

שדרג כלי פיפ והתקנה:

$ sudo python3.5 -m pip להתקין -שדרוג pip && python3.5 -m pip התקנת -שדרוג setuptools

התקן numpy:

$ python3.5 -m pip להתקין numpy

עבור לספרייה שנבחרה:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

הורד את Tensorflow 1.11 whl:

$ wget

התקן tensorflow:

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

שיבוט מאגרי OpenCV ו- OpenCV Contrib:

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

עבור לספרייה:

$ cd opencv

צור ספרית build ועבור אליה:

$ sudo mkdir build && build build

הפעל CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = RELEASE -D CMAKE_INSTALL_PREFIX =/usr/local -D BUILD_opencv_java = OFF -D BUILD_opencv_python = OFF -D BUILD_opencv_python3 = PYTHON3D_PETH_3 איזה 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 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 = OFF -D BUILD_OPENCVD_OPNC_DOWN_ENU מודולים..

הידור OpenCV עם 4 ליבות:

$ sudo make -j 4

התקן את OpenCV:

$ sudo עשה התקנה

עבור לספרייה שנבחרה:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

עבור לספריית הסקריפטים:

$ cd object_detector_tensorflow_opencv/scripts/

התקן דרישות Python3.5:

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

בדיקת יבוא:

$ python3.5

> יבוא cv2 >> יבוא tensorflow

הערה: אם cv2 מחזיר שגיאת ייבוא, הפעל את ההתקנה בתיקיית Build של OpenCV ונסה שוב

עבור לספרייה שנבחרה:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

הורד את מאגר cocoapi:

שיבוט $ git

הורד מאגר מודלים של Tensorflow:

שיבוט $ git

עבור לספרייה זו:

$ cd cocoapi/PythonAPI

ערוך את הקובץ Makefile, שנה את פייתון ל- python3.5 בשורה 3 ו -8 ולאחר מכן שמור את הקובץ (באמצעות ננו כדוגמה):

$ nano Makefile

ערכו את הקוקופי:

$ sudo לעשות

שימו לב: אם הפקודה 'make' אינה מהדרת, נסה להתקין מחדש את הציתון באמצעות:

$ sudo python3.5 -m pip להתקין ציטון

העתק pycocotools לספריית tensorflow /models /research:

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

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

עבור לספרייה שנבחרה:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

עבור לספריית מודלים/מחקר:

מודלים/מחקר של $ cd

הידור עם פרוטוקול:

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

משתנה סביבת ייצוא:

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

בדוק את הסביבה:

$ python3.5 object_detection/builders/model_builder_test.py

שימו לב: הוא חייב לחזור בסדר, אחרת היישום לא יפעל. אם לא, חפש בזהירות כל טעות בתהליך התקנת המסגרות הנדרשות

שלב 4: הפעלת ה- API לזיהוי אובייקטים

כאשר כל המסגרות מוגדרות, כעת ניתן להריץ את ממשק ה- API לזיהוי אובייקטים המשתמש ב- OpenCV יחד עם Tensorflow.

עבור לספרייה שנבחרה:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

עבור לספריית זיהוי האובייקטים:

$ cd object_detector_tensorflow_opencv/

כעת הפעל את היישום:

$ python3.5 app.py

כעת Dragonboard יזרם את הסרטון דרך הרשת. כדי לראות את סרטון הפלט פתח את הדפדפן ב- DB ועבור אל "0.0.0.0: 5000".