Otkrivanje objekata W/ Dragonboard 410c ili 820c koristeći OpenCV i Tensorflow .: 4 koraka

2024 Autor: John Day | [email protected]. Zadnja izmjena: 2024-01-30 08:06

Ove upute opisuju kako instalirati OpenCV, Tensorflow i okvire strojnog učenja za Python 3.5 za pokretanje aplikacije Object Detection.

Korak 1: Zahtjevi

Trebat će vam sljedeće stavke:

• DragonBoard ™ 410c ili 820c;

• Čista instalacija Linaro-alipa:

  • DB410c: testirano u verziji v431. Link:
  • DB820c: testirano u verziji v228. Link:
• MicroSD kartica kapaciteta najmanje 16 GB (ako koristite 410c);

Preuzmite datoteku (na kraju ovog koraka), raspakirajte i kopirajte na MicroSD karticu; Obs: Ako koristite DB820c, preuzmite datoteku, raspakirajte je i premjestite na/home/*USER*/da biste olakšali korištenje naredbi.

• USB čvorište;
• USB kamera (kompatibilna sa Linuxom);
• USB miš i tastatura;
• Internet veza.

Obs: Slijedite ove upute u DragonBoard pregledniku ako je moguće, olakšavajući kopiranje naredbi

Korak 2: Postavljanje MicroSD kartice (samo W/ DB410c)

• Otvorite terminal u Dragonboard -u;
• U terminalu pokrenite fdisk:

$ sudo fdisk -l

• Umetnite MicroSD karticu u utor za microSD karticu DragonBoard;
• Ponovo pokrenite fdisk, tražeći ime (i particiju) novog uređaja na listi (npr. Mmcblk1p1)

$ sudo fdisk -l

Idite u osnovni direktorij:

$ cd ~

Kreirajte fasciklu:

$ mkdir sdfolder

Montirajte MicroSD karticu:

$ mount / dev / sdfolder

Korak 3: Instaliranje potrebnih okvira

• Otvorite terminal u Dragonboard -u;
• Na terminalu idite u odabrani direktorij (koristeći "~" za 820c i montiranu SDCard za 410c):

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Idite u fasciklu Skripte za otkrivanje objekata:

$ cd object_detector_tensorflow_opencv/scripts/

Pokrenite skriptu za postavljanje okruženja:

$ sudo bash set_Env.sh

Ažurirajte sistem:

$ sudo apt update

Instalirajte ove pakete:

$ sudo apt install -y protobuf-kompajler 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* libhdf5ke build-lib bit cb-build cb 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 deb libformat-dev26 libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Idite u ovaj direktorij:

$ cd /usr /src

Preuzmite Python 3.5:

$ sudo wget

Izdvojite paket:

$ sudo tar xzf Python-3.5.6.tgz

Izbrišite komprimirani paket:

$ sudo rm Python-3.5.6.tgz

Idite u direktorij Python 3.5:

$ cd Python-3.5.6

Omogućite optimizacije za Python 3.5 kompilaciju:

$ sudo./configure --enable-optimizations

Prevedite Python 3.5:

$ sudo napravi altinstall

Nadogradite pip i alate za postavljanje:

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

Instaliraj numpy:

$ python3.5 -m pip install numpy

Idite u odabrani direktorij:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Preuzmite Tensorflow 1.11 whl:

$ wget

Instalirajte tenzorski tok:

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

Klonirajte skladišta OpenCV i OpenCV Contrib:

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

Idite u direktorij:

$ cd opencv

Napravite direktorij za izgradnju i idite na njega:

$ sudo mkdir build && cd build

Pokrenite 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 = PON3 koji 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 -OFF BD -OFF -DBUILD_TBB = UKLJUČENO -D OPENCV_ENABLE_NONFREE = ON -DBUILD_opencv_xfeatures2d = OFF -D OPENGL = ON -D OPENMP = ON -DBOJ_PB moduli..

Kompilirajte OpenCV sa 4 jezgre:

$ sudo make -j 4

Instalirajte OpenCV:

$ sudo make install

Idite u odabrani direktorij:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Idite u direktorij skripti:

$ cd object_detector_tensorflow_opencv/scripts/

Instalirajte Python3.5 zahtjeve:

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

Probni uvoz:

$ python3.5

> import cv2 >> import tensorflow

Obs: Ako cv2 vrati grešku uvoza, pokrenite make install u mapi za izgradnju OpenCV -a i pokušajte ponovo

Idite u odabrani direktorij:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Preuzmite spremište cocoapi:

$ git klon

Preuzmite spremište modela Tensorflow:

$ git klon

Idite u ovaj direktorij:

$ cd cocoapi/PythonAPI

Uredite datoteku Makefile, promijenivši python u python3.5 u redovima 3 i 8, a zatim spremite datoteku (koristeći nano kao primjer):

$ nano Makefile

Sastavite kakao:

$ sudo make

Obs: Ako se naredba 'make' ne kompajlira, pokušajte ponovo instalirati cython sa:

$ sudo python3.5 -m pip install cython

Kopirajte pycocotools u direktorij tensorflow /models /research:

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

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

Idite u odabrani direktorij:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Idite u direktorij modela/istraživanja:

$ cd modeli/istraživanje

Kompilacija s protoc -om:

$ protoc otkrivanje objekta/protos/*. proto --python_out =.

Izvoz varijable okruženja:

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

Testirajte okruženje:

$ python3.5 object_detection/builders/model_builder_test.py

Obs: Mora se vratiti OK, inače aplikacija neće raditi. Ako ne, pažljivo tražite bilo kakvu grešku u procesu instaliranja potrebnih okvira

Korak 4: Pokretanje API -ja za otkrivanje objekata

Sa svim konfiguriranim okvirima, sada je moguće pokrenuti API za otkrivanje objekata koji koristi OpenCV zajedno s Tensorflowom.

Idite u odabrani direktorij:

(820c) $ cd ~

(410c) $ cd ~/sdfolder

Idite u direktorij za otkrivanje objekata:

$ cd object_detector_tensorflow_opencv/

Sada pokrenite aplikaciju:

$ python3.5 app.py

Sada će Dragonboard strujati video putem mreže. Da biste vidjeli izlazni video, otvorite pretraživač u bazi podataka i idite na "0.0.0.0: 5000".