OpenCV ve Tensorflow Kullanarak Dragonboard 410c veya 820c ile Nesne Algılama: 4 Adım

2024 Yazar: John Day | [email protected]. Son düzenleme: 2024-01-30 13:19

Bu talimat, Nesne Algılama uygulamasını çalıştırmak için Python 3.5 için OpenCV, Tensorflow ve makine öğrenimi çerçevelerinin nasıl kurulacağını açıklar.

Adım 1: Gereksinimler

Aşağıdaki öğelere ihtiyacınız olacak:

• DragonBoard™ 410c veya 820c;

• Linaro-alip'in temiz kurulumu:

  • DB410c: v431 sürümünde test edilmiştir. Link:
  • DB820c: v228 sürümünde test edilmiştir. Link:
• En az 16 GB kapasiteli MicroSD Kart (410c kullanılıyorsa);

Dosyayı indirin (Bu adımın sonunda), sıkıştırmayı açın ve MicroSD karta kopyalayın; Obs: Bir DB820c kullanıyorsanız, dosyayı indirin, sıkıştırmayı açın ve komutların kullanımını kolaylaştırmak için /home/*USER*/ dizinine gidin.

• Bir USB Hub'ı;
• Bir USB kamera (Linux uyumlu);
• Bir USB fare ve klavye;
• İnternet bağlantısı.

Gözlemler: Mümkünse DragonBoard tarayıcısında bu talimatları izleyerek komutların kopyalanmasını kolaylaştırın

Adım 2: MicroSD Kartın Takılması (yalnızca W/DB410c)

• Dragonboard'daki terminali açın;
• Terminal çalıştırmasında fdisk:

$ sudo fdisk -l

• MicroSD kartı DragonBoard MicroSD kart yuvasına takın;
• Listedeki yeni aygıtın adını (ve bölümünü) arayarak fdisk'i yeniden çalıştırın (örn. mmcblk1p1)

$ sudo fdisk -l

Kök dizine gidin:

$ cd ~

Bir klasör oluşturun:

$ mkdir sdklasörü

MicroSD kartı takın:

$ mount /dev/ sdklasörü

3. Adım: Gerekli Çerçeveleri Yükleme

• Dragonboard'daki terminali açın;
• Terminalde, seçilen bir dizine gidin (820c için "~" ve 410c için takılı SDCard kullanarak):

(820c) $ cd ~

(410c) $ cd ~/sdklasör

Object Detector komut dosyaları klasörüne gidin:

$ cd object_detector_tensorflow_opencv/scripts/

Ortam kurulum komut dosyasını çalıştırın:

$ sudo bash set_Env.sh

Sistemi güncelleyin:

$ sudo uygun güncelleme

Bu paketleri kurun:

$ sudo apt install -y protobuf-derleyici gcc-aarch64-linux-gnu

g++-aarch64-linux-gnu debootstrap schroot git curl pkg-config zip unzip python python-pip g++ zlib1g-dev varsayılan-jre libhdf5-dev libatlas-base-dev gfortran v4l-utils hdf5* libhdf5de* builde-lipsng libreadline-gplv2-dev libncursesw5-dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev libbz2-dev libjpeg-dev libtiff5-dev libavcodec-dev libvlv-dev libgtk2.0-dev libgtk-3-dev ffmpeg python-opengl

Bu dizine gidin:

$ cd /usr/src

Python 3.5'i indirin:

$ sudo wget

Paketi çıkarın:

$ sudo tar xzf Python-3.5.6.tgz

Sıkıştırılmış paketi silin:

$ sudo rm Python-3.5.6.tgz

Python 3.5 dizinine gidin:

$ cd Python-3.5.6

Python 3.5 derlemesi için optimizasyonları etkinleştirin:

$ sudo./configure --enable-optimizations

Python 3.5'i derleyin:

$ sudo altinstall yap

Pip ve kurulum araçlarını yükseltin:

$ sudo python3.5 -m pip kurulumu --upgrade pip && python3.5 -m pip kurulumu --upgrade kurulum araçları

numpy'yi yükleyin:

$ python3.5 -m pip kurulumu numpy

Seçilen dizine gidin:

(820c) $ cd ~

(410c) $ cd ~/sdklasör

Tensorflow 1.11 whl'yi indirin:

$ wget

Tensorflow'u yükleyin:

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

OpenCV ve OpenCV Contrib depolarını klonlayın:

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

Dizine git:

$ cd opencv

Derleme dizini oluşturun ve ona gidin:

$ sudo mkdir derlemesi && cd derlemesi

CMake'i çalıştırın:

$ sudo cmake -D CMAKE_BUILD_TYPE=SERBEST -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_opencv_java=KAPALI -D BUILD_opencv_python=KAPALI -D BUILD_opencv_python3=AÇIK -D PYTHPAS_3_ONCUT_ON-D PYTH_3_DEĞİŞTİRİLE AÇIĞI -D PYTHPA$3_ONCUT_DEĞIYI: hangi python3.5) -D PYTHON_INCLUDE_DIR=/usr/local/include/python3.5m/ -D INSTALL_C_EXAMPLES=KAPALI -D INSTALL_PYTHON3_EXAMPLES=KAPALI -D BUILD_EXAMPLES=KAPALI -D WITH_CUDA=KAPALI -D BUILD_TB_TESTS=KAPALI -DBUILD_TBB=AÇIK -D OPENCV_ENABLE_NONFREE=AÇIK -DBUILD_opencv_xfeatures2d=KAPALI -D OPENGL=AÇIK -D OPENMP=AÇIK -D ETKİNLEŞTİR_NEON=AÇIK -D BUILD_PERF_TESTS= KAPALI -D BUILD_DUOPENCV_DNNNV_AÇIK. modüller..

OpenCV'yi 4 çekirdekle derleyin:

$ sudo yapmak -j 4

OpenCV'yi yükleyin:

$ sudo kurulum yap

Seçilen dizine gidin:

(820c) $ cd ~

(410c) $ cd ~/sdklasörü

Komut dosyaları dizinine gidin:

$ cd object_detector_tensorflow_opencv/scripts/

Python3.5 gereksinimlerini yükleyin:

$ sudo python3.5 -m pip kurulumu -r gereksinimleri.txt --no-cache-dir

Test ithalatları:

$ piton3.5

> cv2'yi içe aktar >> tensorflow'u içe aktar

Gözlem: cv2 içe aktarma hatası verirse, OpenCV derleme klasöründe make install komutunu çalıştırın ve tekrar deneyin

Seçilen dizine gidin:

(820c) $ cd ~

(410c) $ cd ~/sdklasörü

Cocoopi deposunu indirin:

$ git klonu

Tensorflow modelleri deposunu indirin:

$ git klonu

Bu dizine gidin:

$ cd kakaopi/PythonAPI

Makefile dosyasını düzenleyin, 3. ve 8. satırda python'u python3.5 olarak değiştirin ve ardından dosyayı kaydedin (örnek olarak nano kullanarak):

$ nano Makefile

Cocoopi'yi derleyin:

$ sudo yapmak

Gözlem: 'make' komutu derlenmezse, cython'u aşağıdakilerle yeniden yüklemeyi deneyin:

$ sudo python3.5 -m pip kurulum cython

pycocotools'u tensorflow /models/research dizinine kopyalayın:

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

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

Seçilen dizine gidin:

(820c) $ cd ~

(410c) $ cd ~/sdklasör

Modeller/araştırma dizinine gidin:

$ cd modelleri/araştırma

Protokol ile derleyin:

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

Ortam değişkenini dışa aktar:

$ dışa aktar PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

Çevreyi test edin:

$ python3.5 object_detection/builders/model_builder_test.py

Obs: Tamam döndürmelidir, aksi takdirde uygulama çalışmaz. Değilse, gerekli çerçeveleri yükleme sürecinde herhangi bir hata olup olmadığını dikkatlice araştırın

4. Adım: Nesne Algılama API'sini Çalıştırma

Tüm çerçeveler yapılandırıldığında, Tensorflow ile birlikte OpenCV kullanan nesne algılama API'sini çalıştırmak artık mümkün.

Seçilen dizine gidin:

(820c) $ cd ~

(410c) $ cd ~/sdklasörü

Nesne algılama dizinine gidin:

$ cd object_detector_tensorflow_opencv/

Şimdi uygulamayı çalıştırın:

$ python3.5 app.py

Şimdi Dragonboard, videoyu ağ üzerinden aktaracak. Çıktı videosunu görmek için DB'deki tarayıcıyı açın ve "0.0.0.0:5000" seçeneğine gidin.