Objectdetectie met Dragonboard 410c of 820c met OpenCV en Tensorflow: 4 stappen

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:16

Deze instructables beschrijft hoe u OpenCV-, Tensorflow- en machine learning-frameworks voor Python 3.5 installeert om de Object Detection-toepassing uit te voeren.

Stap 1: Vereisten

Je hebt de volgende onderdelen nodig:

• Een DragonBoard™ 410c of 820c;

• Een schone installatie van Linaro-alip:

  • DB410c: getest in versie v431. Link:
  • DB820c: getest in versie v228. Link:
• Minimaal een MicroSD-kaart met een capaciteit van 16 GB (bij gebruik van de 410c);

Download het bestand (aan het einde van deze stap), pak het uit en kopieer het naar de MicroSD-kaart;Obs: Als u een DB820c gebruikt, download het bestand, pak het uit en verplaats het naar /home/*USER*/ om het gebruik van de opdrachten te vergemakkelijken.

• Een USB-hub;
• Een USB-camera (compatibel met Linux);
• Een USB-muis en -toetsenbord;
• Een internetverbinding.

Obs: volg deze instructies indien mogelijk in de DragonBoard-browser, waardoor het kopiëren van de opdrachten wordt vergemakkelijkt

Stap 2: De MicroSD-kaart monteren (alleen met DB410c)

• Open de terminal in het Dragonboard;
• Voer in de terminal fdisk uit:

$ sudo fdisk -l

• Plaats de MicroSD-kaart in de DragonBoard MicroSD-kaartsleuf;
• Voer fdisk opnieuw uit en zoek naar de naam (en partitie) van het nieuwe apparaat in de lijst (bijv. mmcblk1p1)

$ sudo fdisk -l

Ga naar de hoofdmap:

$ cd ~

Maak een map aan:

$ mkdir sdfolder

Monteer de MicroSD-kaart:

$ mount /dev/ sdfolder

Stap 3: Vereiste frameworks installeren

• Open de terminal in het Dragonboard;
• Ga in de terminal naar een gekozen map (gebruik "~" voor de 820c en de gekoppelde SD-kaart voor de 410c):

(820c) $ cd ~

(410c) $ cd ~/sdmap

Ga naar de map Object Detector scripts:

$ cd object_detector_tensorflow_opencv/scripts/

Voer het installatiescript voor de omgeving uit:

$ sudo bash set_Env.sh

Het systeem bijwerken:

$ sudo apt-update

Installeer deze pakketten:

$ 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 build-libess-devential 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-devde libavformat-devde libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Ga naar deze map:

$ cd /usr/src

Python 3.5 downloaden:

$ sudo wget

Pak het pakket uit:

$ sudo tar xzf Python-3.5.6.tgz

Verwijder het gecomprimeerde pakket:

$ sudo rm Python-3.5.6.tgz

Ga naar de Python 3.5-directory:

$ cd Python-3.5.6

Optimalisaties inschakelen voor de Python 3.5-compilatie:

$ sudo./configure --enable-optimizations

Compileer Python 3.5:

$ sudo make altinstall

Upgrade pip en setup-tools:

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

Numpy installeren:

$ python3.5 -m pip installatie numpy

Ga naar de gekozen map:

(820c) $ cd ~

(410c) $ cd ~/sdmap

Download Tensorflow 1.11 whl:

$ wget

Installeer tensorflow:

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

Kloon OpenCV- en OpenCV Contrib-opslagplaatsen:

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

Ga naar map:

$ cd opencv

Maak een build-map en ga ernaartoe:

$ sudo mkdir build && cd build

Voer CMake uit:

$ 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_DEFAULT welke python3.5) -D PYTHON_INCLUDE_DIR=/usr/local/include/python3.5m/ -D INSTALL_C_EXAMPLES=UIT -D INSTALL_PYTHON3_EXAMPLES=UIT -D BUILD_EXAMPLES=UIT -D WITH_CUDA=UIT -D BUILD_TESTS=UIT= -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_DNNV_ON_D OPENC modulen..

Compileer OpenCV met 4 cores:

$ sudo make -j 4

OpenCV installeren:

$ sudo make install

Ga naar de gekozen map:

(820c) $ cd ~

(410c) $ cd ~/sdmap

Ga naar de scriptmap:

$ cd object_detector_tensorflow_opencv/scripts/

Installeer Python3.5-vereisten:

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

Testimport:

$ python3.5

> import cv2 >> import tensorflow

Obs: Als cv2 een importfout retourneert, voer dan make install uit in de OpenCV build-map en probeer het opnieuw

Ga naar de gekozen map:

(820c) $ cd ~

(410c) $ cd ~/sdmap

Cocopi-repository downloaden:

$ git-kloon

Download de opslagplaats voor Tensorflow-modellen:

$ git-kloon

Ga naar deze map:

$ cd cacaopi/PythonAPI

Bewerk het bestand Makefile, verander python in python3.5 in regel 3 en 8 en sla het bestand op (met nano als voorbeeld):

$ nano Makefile

Stel de cacaopi samen:

$ sudo make

Obs: Als het 'make'-commando niet compileert, probeer dan cython opnieuw te installeren met:

$ sudo python3.5 -m pip installeer cython

Kopieer pycocotools naar tensorflow /models/research directory:

(820c) $ cp -r pycocotools ~/modellen/onderzoek/

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

Ga naar de gekozen map:

(820c) $ cd ~

(410c) $ cd ~/sdmap

Ga naar modellen/onderzoeksdirectory:

$ cd-modellen/onderzoek

Compileren met protocol:

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

Omgevingsvariabele exporteren:

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

Test de omgeving:

$ python3.5 object_detection/builders/model_builder_test.py

Obs: Het moet OK retourneren, anders werkt de applicatie niet. Zo niet, zoek dan zorgvuldig naar fouten tijdens het installeren van de vereiste frameworks

Stap 4: De objectdetectie-API uitvoeren

Als alle frameworks zijn geconfigureerd, is het nu mogelijk om de objectdetectie-API uit te voeren die OpenCV samen met Tensorflow gebruikt.

Ga naar de gekozen map:

(820c) $ cd ~

(410c) $ cd ~/sdmap

Ga naar objectdetectiedirectory:

$ cd object_detector_tensorflow_opencv/

Voer nu de applicatie uit:

$ python3.5 app.py

Nu zal het Dragonboard de video via het netwerk streamen. Om de uitvoervideo te zien, opent u de browser in de DB en gaat u naar "0.0.0.0:5000".