Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow .: 4 na Hakbang
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow .: 4 na Hakbang

Talaan ng mga Nilalaman:

Anonim
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow
Pagtuklas ng Bagay W / Dragonboard 410c o 820c Gamit ang OpenCV at Tensorflow

Inilalarawan ng mga itinuturo na ito kung paano mai-install ang mga framework ng OpenCV, Tensorflow, at pag-aaral ng machine para sa Python 3.5 upang patakbuhin ang application ng Pagtuklas ng Bagay.

Hakbang 1: Mga Kinakailangan

Kakailanganin mo ang mga sumusunod na iten:

  • Isang DragonBoard ™ 410c o 820c;

  • Isang malinis na pag-install ng Linaro-alip:

    • DB410c: nasubukan sa bersyon v431. Link:
    • DB820c: nasubukan sa bersyon v228. Link:
  • Hindi bababa sa isang 16GB na kapasidad MicroSD Card (Kung gumagamit ng 410c);

I-download ang file (Sa pagtatapos ng hakbang na ito), i-unzip at kopyahin ang MicroSD card; Obs: Kung gumagamit ng isang DB820c, i-download ang file, i-unzip at lumipat sa / home / * USER * / upang madali ang paggamit ng mga utos.

  • Isang USB Hub;
  • Isang USB camera (katugma sa Linux);
  • Isang USB mouse at keyboard;
  • Isang koneksyon sa internet.

Obs: Sundin ang mga itinuturo na ito sa browser ng DragonBoard kung posible, pinapabilis ang pagkopya ng mga utos

Hakbang 2: Pag-mount sa MicroSD Card (W / DB410c lamang)

  • Buksan ang terminal sa Dragonboard;
  • Sa terminal magpatakbo ng fdisk:

$ sudo fdisk -l

  • Ipasok ang MicroSD card sa slot ng DragonBoard MicroSD card;
  • Patakbuhin muli ang fdisk, na hinahanap ang pangalan (at pagkahati) ng bagong aparato sa listahan (hal. Mmcblk1p1)

$ sudo fdisk -l

Pumunta sa direktoryo ng ugat:

$ cd ~

Lumikha ng isang folder:

$ mkdir sdfolder

I-mount ang MicroSD card:

$ mount / dev / sdfolder

Hakbang 3: Pag-install ng Mga Kinakailangan na Mga Framework

  • Buksan ang terminal sa Dragonboard;
  • Sa terminal, pumunta sa isang napiling direktoryo (gamit ang "~" para sa 820c at ang naka-mount SDCard para sa 410c):

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pumunta sa folder ng Mga Script ng Detector ng Bagay:

$ cd object_detector_tensorflow_opencv / script /

Patakbuhin ang script ng pag-setup ng kapaligiran:

$ sudo bash set_Env.sh

I-update ang system:

$ sudo apt update

I-install ang mga package na ito:

$ 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 libx26 libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Pumunta sa direktoryo na ito:

$ cd / usr / src

I-download ang Python 3.5:

$ sudo wget

I-extract ang package:

$ sudo tar xzf Python-3.5.6.tgz

Tanggalin ang naka-compress na package:

$ sudo rm Python-3.5.6.tgz

Pumunta sa direktoryo ng Python 3.5:

$ cd Python-3.5.6

Paganahin ang mga pag-optimize para sa compilation ng Python 3.5:

$ sudo./configure --enable-optimization

Compile Python 3.5:

$ sudo gumawa ng altinstall

I-upgrade ang mga tool sa pip at pag-setup:

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

I-install ang numpy:

$ python3.5 -m pip install numpy

Pumunta sa napiling direktoryo:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

I-download ang Tensorflow 1.11 whl:

$ wget

I-install ang tensorflow:

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

I-clone ang OpenCV at OpenCV Contrib repositories:

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

Pumunta sa direktoryo:

$ cd opencv

Lumikha ng direktoryo ng build at pumunta dito:

$ sudo mkdir build && cd build

Patakbuhin ang 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_DEFAULT_EXON = FECATT = PABUNGKUT = aling python3.5) -D PYTHON_INCLUDE_DIR = / usr / local / isama / python3.5m / -D INSTALL_C_EXAMPLES = OFF -D INSTALL_PYTHON3_EXAMPLES = OFF -D BUILD_EXAMPLES = OFF -D WITH_CUDA = OFF -D BUILD_TESB = -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 = ON -D OPENCV modules..

Compile OpenCV na may 4 na core:

$ sudo make -j 4

I-install ang OpenCV:

$ sudo gumawa ng pag-install

Pumunta sa napiling direktoryo:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pumunta sa direktoryo ng mga script:

$ cd object_detector_tensorflow_opencv / script /

I-install ang mga kinakailangan sa Python3.5:

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

Mga pag-import ng pagsubok:

$ python3.5

> i-import ang cv2 >> i-import ang tensorflow

Obs: Kung ibabalik ng cv2 ang error sa pag-import, patakbuhin ang pag-install sa OpenCV build folder at subukang muli

Pumunta sa napiling direktoryo:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Mag-download ng cocoapi repository:

$ git clone

Mag-download ng lalagyan ng mga modelo ng Tensorflow:

$ git clone

Pumunta sa direktoryo na ito:

$ cd cocoapi / PythonAPI

I-edit ang file na Makefile, binabago ang python sa python3.5 sa linya 3 at 8 pagkatapos ay i-save ang file (gamit ang nano bilang isang halimbawa):

$ nano Makefile

Compile ang cocoapi:

$ sudo gumawa

Obs: Kung hindi nag-iipon ang utos na 'make', subukang muling i-install ang cython sa:

$ sudo python3.5 -m pip install cython

Kopyahin ang mga pycocotools sa tensorflow / models / research Directory:

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

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

Pumunta sa napiling direktoryo:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pumunta sa mga direktoryo / direktoryo ng pagsasaliksik:

Mga modelo ng $ cd / pagsasaliksik

Mag-compile gamit ang mga protocol:

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

Pag-export ng variable ng kapaligiran:

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

Subukan ang kapaligiran:

$ python3.5 object_detection / builders / model_builder_test.py

Obs: Dapat itong bumalik OK, kung hindi man hindi gagana ang aplication. Kung hindi, maingat na maghanap ng anumang pagkakamali sa proseso ng pag-install ng kinakailangang mga balangkas

Hakbang 4: Pagpapatakbo ng Object Detection API

Pagpapatakbo ng Object Detection API
Pagpapatakbo ng Object Detection API

Sa lahat ng naka-configure na mga balangkas, posible na ngayong patakbuhin ang object ng pagtuklas ng API na gumagamit ng OpenCV kasama ang Tensorflow.

Pumunta sa napiling direktoryo:

(820c) $ cd ~

(410c) $ cd ~ / sdfolder

Pumunta sa direktoryo ng pagtuklas ng bagay:

$ cd object_detector_tensorflow_opencv /

Patakbuhin ngayon ang application:

$ python3.5 app.py

Ngayon ay i-stream ng Dragonboard ang video sa pamamagitan ng network. Upang makita ang output video buksan ang browser sa DB at pumunta sa "0.0.0.0: 5000".