Hi3559 + opencv4.3.0交叉编译 + tengine 优化+ face_detector sample运行测试
opencv4.3.0的版本更新中将Tengine作为Arm平台的Backend加入OpenCV DNN Module,添加其为第三方库中的一个,提升了OpenCV DNN在Arm平台的运行效率,本文对opencv4.3.0进行交叉编译,开启其对Tengine的支持,在Hi3559板子上运行DNN sample中的face_detector例程,对其加速效果进行测试。
由于编译的服务器无法连接外网,因此本次交叉编译是离线进行的,需要手动下载一些依赖库。
1、交叉编译opencv4.3.0到Hi3559
1.1、编译Tengine
Tengine的github开源仓库:https://github.com/OAID/Tengine
其下有两个分支,其中master分支是源代码本体,进行编译后是能在arm等平台上进行运行,通过将其他框架下的模型转换成其专用的tmfile格式的模型,加快神经网络的运行速度。
另一个分支就是Tengine-opencv,是作为opencv第三方库的编译源代码,我们要用的就是这个。
下载zip文件https://github.com/OAID/Tengine/tree/tengine-opencv
解压后操作
cd example_config
cp himix200_linux_cross.config himix100_linux_cross.config
#修改配置为Hi3559交叉编译工具链
#The following option is used for setting cross compiler path
EMBEDDED_CROSS_PATH=/opt/hisi-linux/x86-arm/aarch64-himix100-linux/bin/
#The following option is used for setting cross compiler prefix
CROSS_COMPILE=aarch64-himix100-linux-
#The following option is used for system architecture type.
#option value [x86/Arm32/Arm64]
ARCH_TYPE=Arm64
默认情况下会编译生成动态库,需要更改linux_build.sh中的内容,在cmake配置参数中添加一条
-DBUILT_IN_OPENCV=ON \
执行以下命令进行编译
./linux_build.sh example_config/himix100_linux_cross.config
编译完成后在install/lib目录看到libtengine.a文件则说明编译成功
1.2编译opencv4.3.0
opencv4.3.0的交叉编译方法与之前版本没有大的区别,以下只介绍正常流程,若出现其他错误可以参考之前的一篇文章opencv3.2.0移植Hi3559完整总结版
下载opencv-4.3.0源码https://github.com/opencv/opencv/tree/4.3.0
解压后
mkdir output build
cd build
# 注意替换自己的路径
cmake -DCMAKE_BUILD_TYPE=RELEASE \
-DCMAKE_INSTALL_PREFIX=../output \
-DCMAKE_C_COMPILER=aarch64-himix100-linux-gcc \
-DCMAKE_CXX_COMPILER=aarch64-himix100-linux-g++ \
-DCMAKE_EXE_LINKER_FLAGS