Detecció d'objectes W / Dragonboard 410c o 820c mitjançant OpenCV i Tensorflow .: 4 passos

2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:13

Aquest document instructiu descriu com instal·lar OpenCV, Tensorflow i marcs d'aprenentatge automàtic per a Python 3.5 per executar l'aplicació de detecció d'objectes.

Pas 1: requisits

Necessitareu els següents elements:

• Un DragonBoard ™ 410c o 820c;

• Una instal·lació neta de Linaro-alip:

  • DB410c: provat a la versió v431. Enllaç:
  • DB820c: provat a la versió v228. Enllaç:
• Com a mínim una targeta MicroSD de 16 GB de capacitat (si s’utilitza el 410c);

Descarregueu el fitxer (al final d’aquest pas), descomprimiu-lo i copieu-lo a la targeta MicroSD; Obs: si utilitzeu un DB820c, descarregueu-lo, descomprimiu-lo i moveu-lo a / home / * USER * / per facilitar l’ús de les ordres.

• Un concentrador USB;
• Una càmera USB (compatible amb Linux);
• Un ratolí i un teclat USB;
• Una connexió a Internet.

Obs: seguiu aquests instruccions al navegador DragonBoard si és possible, facilitant la còpia de les ordres

Pas 2: muntatge de la targeta MicroSD (només W / DB410c)

• Obriu el terminal al Dragonboard;
• Al terminal executeu fdisk:

$ sudo fdisk -l

• Introduïu la targeta MicroSD a la ranura de la targeta MicroSD de DragonBoard;
• Torneu a executar fdisk, buscant el nom (i la partició) del dispositiu nou a la llista (per exemple, mmcblk1p1)

$ sudo fdisk -l

Aneu al directori arrel:

$ cd ~

Creeu una carpeta:

$ mkdir sdfolder

Muntar la targeta MicroSD:

$ mount / dev / sdfolder

Pas 3: Instal·lació dels marcs necessaris

• Obriu el terminal al Dragonboard;
• Al terminal, aneu al directori escollit (amb "~" per al 820c i la targeta SDC muntada per al 410c):

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Aneu a la carpeta de scripts del Detector d'objectes:

$ cd object_detector_tensorflow_opencv / scripts /

Executeu l'script de configuració de l'entorn:

$ sudo bash set_Env.sh

Actualitzeu el sistema:

$ sudo apt actualització

Instal·leu aquests paquets:

$ 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-dev libxvidcore-dev libxvidcore-dev libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Aneu a aquest directori:

$ cd / usr / src

Descarregueu Python 3.5:

$ sudo wget

Extraieu el paquet:

$ sudo tar xzf Python-3.5.6.tgz

Suprimiu el paquet comprimit:

$ sudo rm Python-3.5.6.tgz

Aneu al directori Python 3.5:

$ cd Python-3.5.6

Activeu les optimitzacions per a la compilació de Python 3.5:

$ sudo./configure --enable-optimizations

Compileu Python 3.5:

$ sudo make altinstall

Actualitzeu les eines de configuració i pip:

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

Instal·la numpy:

$ python3,5 -m pip instal·lació numpy

Aneu al directori escollit:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Descarregueu Tensorflow 1.11 whl:

$ wget

Instal·leu tensorflow:

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

Cloneu els dipòsits OpenCV i OpenCV Contrib:

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

Ves al directori:

$ cd opencv

Creeu un directori de compilació i aneu-hi:

$ sudo mkdir build && cd build

Executa 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 = ON -D PYTHON3 which 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 BUILD_T -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_OPENCV_DNN = ON -D OPENCV_EXTRA_MODULES_PATH =.. /.. / opencv_contrib / mòduls..

Compileu OpenCV amb 4 nuclis:

$ sudo make -j 4

Instal·leu OpenCV:

$ sudo make install

Aneu al directori escollit:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Aneu al directori de scripts:

$ cd object_detector_tensorflow_opencv / scripts /

Instal·leu els requisits de Python3.5:

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

Prova les importacions:

$ python3.5

> importar cv2 >> importar tensorflow

Obs: Si cv2 retorna un error d'importació, executeu make install a la carpeta de compilació d'OpenCV i torneu-ho a provar

Aneu al directori escollit:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Descarregueu el dipòsit de cocoapi:

$ git clone

Descarregueu el dipòsit de models Tensorflow:

$ git clone

Aneu a aquest directori:

$ cd cocoapi / PythonAPI

Editeu el fitxer Makefile, canviant python a python3.5 a les línies 3 i 8 i deseu el fitxer (utilitzant nano com a exemple):

$ nano Makefile

Compileu els cocoapi:

$ sudo make

Obs: si l'ordre "make" no es compila, proveu de reinstal·lar Cython amb:

$ sudo python3,5 -m pip instal·la cython

Copieu pycocotools al directori tensorflow / models / research:

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

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

Aneu al directori escollit:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Aneu al directori de models / investigacions:

$ cd models / investigació

Compileu amb protocols:

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

Variable d'entorn d'exportació:

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

Proveu l'entorn:

$ python3.5 object_detection / builders / model_builder_test.py

Obs: Ha de tornar correcte, en cas contrari l'aplicació no funcionarà. Si no és així, cerqueu acuradament qualsevol error en el procés d’instal·lació dels marcs necessaris

Pas 4: Execució de l'API de detecció d'objectes

Amb tots els marcs configurats, ara és possible executar l’API de detecció d’objectes que utilitza OpenCV juntament amb Tensorflow.

Aneu al directori escollit:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Aneu al directori de detecció d'objectes:

$ cd object_detector_tensorflow_opencv /

Ara executeu l'aplicació:

$ python3.5 app.py

Ara, Dragonboard transmetrà el vídeo a través de la xarxa. Per veure el vídeo de sortida, obriu el navegador a la base de dades i aneu a "0.0.0.0: 5000".