Pengesanan Objek W / Dragonboard 410c atau 820c Menggunakan OpenCV dan Tensorflow .: 4 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:09

Instruksional ini menerangkan cara memasang OpenCV, Tensorflow, dan kerangka pembelajaran mesin untuk Python 3.5 untuk menjalankan aplikasi Objek Detection.

Langkah 1: Keperluan

Anda memerlukan itens berikut:

• DragonBoard ™ 410c atau 820c;

• Pemasangan Linaro-alip yang bersih:

  • DB410c: diuji dalam versi v431. Link:
  • DB820c: diuji dalam versi v228. Link:
• Sekurang-kurangnya Kad MicroSD berkapasiti 16GB (Jika menggunakan 410c);

Muat turun fail (Pada akhir langkah ini), buka zip dan salin ke kad MicroSD; Obs: Jika menggunakan DB820c, muat turun fail, unzip dan pindah ke / home / * USER * / untuk memudahkan penggunaan perintah.

• Hab USB;
• Kamera USB (serasi Linux);
• Tetikus dan papan kekunci USB;
• Sambungan internet.

Pemerhatian: Ikuti arahan ini dalam penyemak imbas DragonBoard jika boleh, memudahkan penyalinan perintah

Langkah 2: Memasang Kad MicroSD (hanya W / DB410c)

• Buka terminal di Dragonboard;
• Di terminal jalankan fdisk:

$ sudo fdisk -l

• Masukkan kad MicroSD ke dalam slot kad MicroSD DragonBoard;
• Jalankan fdisk sekali lagi, cari nama (dan partition) peranti baru dalam senarai (mis. Mmcblk1p1)

$ sudo fdisk -l

Pergi ke direktori root:

$ cd ~

Buat folder:

$ mkdir sdfolder

Pasang kad MicroSD:

$ mount / dev / sdfolder

Langkah 3: Memasang Kerangka yang Diperlukan

• Buka terminal di Dragonboard;
• Di terminal, pergi ke direktori yang dipilih (menggunakan "~" untuk 820c dan SDCard yang terpasang untuk 410c):

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pergi ke folder skrip Pengesan Objek:

$ cd object_detector_tensorflow_opencv / skrip /

Jalankan skrip persediaan persekitaran:

$ sudo bash set_Env.sh

Kemas kini sistem:

$ sudo apt kemas kini

Pasang pakej ini:

$ 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 cm 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

Pergi ke direktori ini:

$ cd / usr / src

Muat turun Python 3.5:

$ sudo wget

Ekstrak pakej:

$ sudo tar xzf Python-3.5.6.tgz

Padamkan pakej yang dimampatkan:

$ sudo rm Python-3.5.6.tgz

Pergi ke direktori Python 3.5:

$ cd Python-3.5.6

Dayakan pengoptimuman untuk kompilasi Python 3.5:

$ sudo./configure --dapatkan pengoptimuman

Menyusun Python 3.5:

$ sudo buat altinstall

Naik taraf alat dan alat persediaan:

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

Pasang numpy:

$ python3.5 -m pip memasang numpy

Pergi ke direktori yang dipilih:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Muat turun Tensorflow 1.11 sementara:

$ wget

Pasang tensorflow:

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

Repositori Clone OpenCV dan OpenCV Contrib:

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

Pergi ke direktori:

$ cd opencv

Buat direktori binaan dan pergi ke sana:

$ sudo mkdir build && cd build

Jalankan CMake:

$ sudo cmake -D CMAKE_BUILD_TYPE = SIARKAN -D CMAKE_INSTALL_PREFIX = / usr / local -D BUILD_opencv_java = OFF -D BUILD_opencv_python = OFF -D BUILD_opencv_python3 = ON -D PYTHON3 = PAKAIAN = PULUHAN 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 BUBD = OFF -D BUBD -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 = / OPEN_VEN = OPEN-OPN modul..

Susun OpenCV dengan 4 teras:

$ sudo membuat -j 4

Pasang OpenCV:

$ sudo buat pemasangan

Pergi ke direktori yang dipilih:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pergi ke direktori skrip:

$ cd object_detector_tensorflow_opencv / skrip /

Pasang keperluan Python3.5:

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

Uji import:

$ ular sawa3.5

> import cv2 >> import tensorflow

Obs: Sekiranya cv2 mengembalikan ralat import, jalankan install di folder build OpenCV dan cuba lagi

Pergi ke direktori yang dipilih:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Muat turun repositori cocoapi:

$ git klon

Muat turun repositori model Tensorflow:

$ git klon

Pergi ke direktori ini:

$ cd cocoapi / PythonAPI

Edit fail Makefile, ubah python menjadi python3.5 pada baris 3 dan 8 kemudian simpan fail (menggunakan nano sebagai contoh):

$ nano Makefile

Kumpulkan cocoapi:

$ sudo buat

Pemerhatian: Sekiranya arahan ‘make’ tidak disusun, cuba pasang semula cython dengan:

$ sudo python3.5 -m pip memasang cython

Salin pycocotools ke direktori tensorflow / models / research:

(820c) $ cp -r pycocotools ~ / model / penyelidikan /

(410c) $ cp -r pycocotools ~ / sdfolder / model / penyelidikan /

Pergi ke direktori yang dipilih:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pergi ke direktori model / penyelidikan:

$ cd model / penyelidikan

Susun dengan protokol:

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

Pemboleh ubah persekitaran eksport:

$ eksport PYTHONPATH = $ PYTHONPATH: `pwd`:` pwd` / langsing

Uji persekitaran:

$ python3.5 object_detection / builders / model_builder_test.py

Pemerhatian: Ia mesti kembali OK, jika tidak, aplikasi tidak akan berfungsi. Sekiranya tidak, teliti mencari kesalahan dalam proses memasang kerangka kerja yang diperlukan

Langkah 4: Menjalankan API Pengesanan Objek

Dengan semua kerangka yang dikonfigurasi, kini mungkin untuk menjalankan API pengesanan objek yang menggunakan OpenCV bersama dengan Tensorflow.

Pergi ke direktori yang dipilih:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pergi ke direktori pengesanan objek:

$ cd objek_detector_tensorflow_opencv /

Sekarang jalankan aplikasi:

$ python3.5 app.py

Sekarang Dragonboard akan mengalirkan video melalui rangkaian. Untuk melihat video output buka penyemak imbas di DB dan pergi ke "0.0.0.0: 5000".