ობიექტის გამოვლენა W/ Dragonboard 410c ან 820c OpenCV და Tensorflow– ის გამოყენებით .: 4 ნაბიჯი

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:18

ეს ინსტრუქციები აღწერს, თუ როგორ უნდა დააინსტალიროთ OpenCV, Tensorflow და მანქანათმცოდნეობის ჩარჩოები Python 3.5– ისთვის, რათა გაუშვათ ობიექტის გამოვლენის პროგრამა.

ნაბიჯი 1: მოთხოვნები

თქვენ დაგჭირდებათ შემდეგი საგნები:

• DragonBoard ™ 410c ან 820c;

• ლინარო-ალიპის სუფთა ინსტალაცია:

  • DB410c: შემოწმებულია ვერსიაში v431. ლინკი:
  • DB820c: შემოწმებულია ვერსიაში v228. ლინკი:
• მინიმუმ 16 GB მოცულობის MicroSD ბარათი (თუ იყენებთ 410c);

ჩამოტვირთეთ ფაილი (ამ ნაბიჯის დასასრულს), გახსენით და დააკოპირეთ MicroSD ბარათზე; დაკვირვება: თუ DB820c იყენებთ, გადმოწერეთ ფაილი, გაააქტიურეთ და გადადით/home/*USER*/ბრძანებების გამოყენების გასაადვილებლად.

• USB კერა;
• USB კამერა (Linux- თან თავსებადი);
• USB მაუსი და კლავიატურა;
• ინტერნეტ კავშირი.

შენიშვნა: დაიცავით ეს ინსტრუქციები DragonBoard ბრაუზერში, თუ ეს შესაძლებელია, რაც ხელს შეუწყობს ბრძანებების კოპირებას

ნაბიჯი 2: MicroSD ბარათის დაყენება (მხოლოდ W/ DB410c)

• გახსენით ტერმინალი Dragonboard– ში;
• ტერმინალის გაშვების fdisk:

$ sudo fdisk -l

• ჩადეთ MicroSD ბარათი DragonBoard MicroSD ბარათის სლოტში;
• კვლავ გაუშვით fdisk, მოძებნეთ სიაში ახალი მოწყობილობის სახელი (და დანაყოფი) (მაგ. Mmcblk1p1)

$ sudo fdisk -l

გადადით ძირეულ დირექტორიაში:

$ cd

შექმენით საქაღალდე:

$ mkdir sdfolder

დააინსტალირეთ MicroSD ბარათი:

$ mount / dev / sdfolder

ნაბიჯი 3: საჭირო ჩარჩოების დაყენება

• გახსენით ტერმინალი Dragonboard– ში;
• ტერმინალში გადადით არჩეულ დირექტორიაში (გამოიყენეთ "~" 820c- ისთვის და დამონტაჟებული SDCard ბარათისთვის 410c):

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

გადადით Object Detector სკრიპტების საქაღალდეში:

$ cd object_detector_tensorflow_opencv/სკრიპტები/

გაუშვით გარემოს დაყენების სკრიპტი:

$ sudo bash set_Env.sh

განაახლეთ სისტემა:

$ sudo apt განახლება

დააინსტალირეთ ეს პაკეტები:

$ 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-build 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

გადადით ამ დირექტორიაში:

$ cd /usr /src

ჩამოტვირთეთ Python 3.5:

$ sudo wget

ამოიღეთ პაკეტი:

$ sudo tar xzf Python-3.5.6.tgz

წაშალეთ შეკუმშული პაკეტი:

$ sudo rm Python-3.5.6.tgz

გადადით Python 3.5 დირექტორიაში:

$ cd პითონი -3.5.6

ჩართეთ ოპტიმიზაცია Python 3.5 შედგენისთვის:

$ sudo./configure-ჩართვა-ოპტიმიზაციები

შეადგინეთ პითონი 3.5:

$ sudo make altinstall

პიპისა და დაყენების ინსტრუმენტების განახლება:

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

დააინსტალირეთ numpy:

$ python3.5 -m pip დააინსტალირეთ numpy

გადადით არჩეულ დირექტორიაში:

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

ჩამოტვირთეთ Tensorflow 1.11 whl:

$ wget

დააინსტალირეთ tensorflow:

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

კლონირება OpenCV და OpenCV წვლილი საცავებში:

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

გადადით დირექტორიაში:

$ cd ღია

შექმენით build დირექტორია და გადადით მასზე:

$ sudo mkdir build && cd build

გაუშვით CMake:

$ Sudo cmake -D CMAKE_BUILD_TYPE = გავრცელებისთვის -D CMAKE_INSTALL_PREFIX = / usr / local -D BUILD_opencv_java = OFF -D BUILD_opencv_python = OFF -D BUILD_opencv_python3 = ON -D PYTHON3_DEFAULT_EXECUTABLE = $ (რომელიც python3.5) -D PYTHON3_EXECUTABLE: FilePath = $ (რომელი პითონი 3.5) -D PYTHON_INCLUDE_DIR =/usr/local/include/python3.5m/-D INSTALL_C_EXAMPLES = OFF -D INSTALL_PYTHON3_EXAMPLES = OFF -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 = BVILD მოდულები..

შეადგინეთ OpenCV 4 ბირთვით:

$ sudo make -j 4

დააინსტალირეთ OpenCV:

$ sudo make install

გადადით არჩეულ დირექტორიაში:

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

გადადით სკრიპტების დირექტორიაში:

$ cd object_detector_tensorflow_opencv/სკრიპტები/

დააინსტალირეთ Python3.5 მოთხოვნები:

$ sudo python3.5 -m პიპ ინსტალაცია -r მოთხოვნები. txt -არა -ქეში -რეჟ

საცდელი იმპორტი:

$ პითონი 3.5

> იმპორტი cv2 >> იმპორტი tensorflow

დაკვირვება: თუ cv2 დააბრუნებს იმპორტის შეცდომას, გაუშვით install install OpenCV build საქაღალდეში და სცადეთ ხელახლა

გადადით არჩეულ დირექტორიაში:

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

ჩამოტვირთეთ cocoapi საცავი:

$ git კლონი

ჩამოტვირთეთ Tensorflow მოდელების საცავი:

$ git კლონი

გადადით ამ დირექტორიაში:

$ cd cocoapi/PythonAPI

შეცვალეთ ფაილი Makefile, შეცვალეთ პითონი python3.5 სტრიქონში 3 და 8 შემდეგ შეინახეთ ფაილი (ნანოს მაგალითის გამოყენებით):

$ nano მაკიაჟი

შეადგინეთ კაკაპი:

$ sudo მარკა

დაკვირვება: თუ ‘make’ ბრძანება არ არის შედგენილი, სცადეთ ხელახლა დააინსტალიროთ cython:

$ sudo python3.5 -m პიპ ინსტალაცია cython

დააკოპირეთ პიკოკოტოლები tensorflow /models /research directory:

(820c) $ cp -r pycocotools ~/მოდელები/კვლევა/

(410c) $ cp -r pycocotools/sdfolder/მოდელები/კვლევა/

გადადით არჩეულ დირექტორიაში:

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

გადადით მოდელების/კვლევის დირექტორიაში:

$ cd მოდელები/კვლევა

შეადგინეთ პროტოკი:

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

გარემოს ცვლადი ექსპორტი:

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

გარემოს გამოცდა:

$ python3.5 object_detection/builders/model_builder_test.py

დაკვირვება: ის უნდა დაბრუნდეს OK, წინააღმდეგ შემთხვევაში აპლიკაცია არ იმუშავებს. თუ არა, ყურადღებით მოძებნეთ რაიმე შეცდომა საჭირო ჩარჩოების დაყენების პროცესში

ნაბიჯი 4: გაუშვით ობიექტის გამოვლენის API

ყველა ჩარჩოს კონფიგურაციით, ახლა უკვე შესაძლებელია ობიექტების გამოვლენის API გაშვება, რომელიც იყენებს OpenCV– ს Tensorflow– თან ერთად.

გადადით არჩეულ დირექტორიაში:

(820c) $ cd

(410c) $ cd ~/sd საქაღალდე

გადადით ობიექტების გამოვლენის დირექტორიაში:

$ cd object_detector_tensorflow_opencv/

ახლა გაუშვით პროგრამა:

$ python3.5 app.py

ახლა Dragonboard გაუშვებს ვიდეოს ქსელის საშუალებით. გამომავალი ვიდეოს სანახავად გახსენით ბრაუზერი DB- ში და გადადით "0.0.0.0: 5000" -ზე.