树莓派+OpneVino环境搭建以及快速实现人脸识别

树莓派Opnevino环境搭建以及快速实现人脸识别

本文主要介绍了在树莓派(Raspbian 4)上搭建openvino相关环境以及实现一个简单人脸识别功能的详细步骤

相关软硬件准备

1.硬件准备:

  • 树莓派4(Raspberry Pi 4 Model B Rev 1.4)一枚

  • SD卡一张、读卡器一枚

  • 神经计算棒一枚(Intel Neural Compute Stick2, NCS2)

2.软件准备:

  • Raspberry Pi OS (32bit) :32位的树莓派操作系统

  • Rasberry Pi Imager:树莓派官方提供的将树莓派操作系统写入sd卡的软件工具

  • 树莓派版本的Openvino工具

  • VNC Viewer/Xshell:远程查看操作树莓派工具

2.树莓派配置

2.1 安装树莓派操作系统

  • 打开 软件Raspberry Pi Imager

Raspberry Imager 界面
​ 选择第一个的操作系统Raspberry PI OS(32-bit)

选择SD卡
在这里插入图片描述

​ 然后开始写入
在这里插入图片描述

  • 安装好后,将SD卡插入树莓派,启动树莓派,开启ssh/VNC权限
    依次打开 菜单(Menu) > 首选项(Preferences) > Raspberry Pi Configuration:
    点击 Interfaces 栏,选择“enable” SSH/VNC服务

在这里插入图片描述

  • 在Terminal中使用ifconfig命令,查询树莓派ip地址:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3ku07Xpe-1618553331493)(https://i.loli.net/2021/04/15/5T8Dy7pqvws6Ira.png)]

注意,需要重启树莓派,相关权限才能生效

  • 输入树莓派ip地址,使用Xshell工具链接到树莓派:
    在这里插入图片描述

2.2 Openvino下载以及安装

  • 进入Downloads文件夹,下载openvino Raspberry工具
wget https://storage.openvinotoolkit.org/repositories/openvino/packages/2021.3/l_openvino_toolkit_runtime_raspbian_p_2021.3.394.tgz

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gfnG3AF5-1618553331494)(https://i.loli.net/2021/04/12/NO4q5Ghfrx6tp2b.png)]

  • 创建一个用来保存软件主体的文件夹,并解压到该文件夹
sudo mkdir -p /opt/intel/openvino
sudo tar -xf l_openvino_toolkit_runtime_raspbian_p_2021.3.394.tgz  --strip 1 -C /opt/intel/openvino
  • 设置环境变量
echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc

新开一个Terminal有如下初始化提示时便说明配置成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LUKF3niM-1618553331495)(https://i.loli.net/2021/04/12/NO4q5Ghfrx6tp2b.png)]

  • 配置USB规则

    sudo usermod -a -G users "$(whoami)"
    
  • 运行如下命令以能够使用神经计算棒

sh  /opt/intel/openvino/install_dependencies/install_NCS_udev_rules.sh

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z7zAoM5u-1618553331495)(https://i.loli.net/2021/04/12/gMFarsfReTQxzGY.png)]

3.Cmake环境搭建

  • 前往Cmake官网查找满足要求的Cmake版本
    本文使用的为’cmake-3.20.1`版本
  • 使用如下命令下载Cmake
wget http://www.cmake.org/files/v3.20/cmake-3.20.1.tar.gz
  • 解压源码
    tar zxvf cmake-3.20.1.tar.gz
  • 进入解压的文件夹开始安装(时间可能较长)
cmake-3.20.1
./configure
make
sudo make install
  • 在configure期间可能会因为缺失OpenSSL报错,需要先安装OpenSSL

    OpenSSL最新下载版本参见http://www.openssl.org/source/

    通过以下命令下载解压安装:

wget https://www.openssl.org/source/openssl-3.0.0-alpha14.tar.gz
tar xzvf openssl-3.0.0-alpha14.tar.gz
./Configure
make
make install
  • 验证是否安装成功
cmake --version

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4qgQekSk-1618553331496)(https://i.loli.net/2021/04/13/lXBkj4aeJOhnUyL.png)]

4.运行实例模型

  • 创建build文件夹
mkdir ~/build && cd ~/build
  • 编译样例
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a" /opt/intel/openvino/deployment_tools/inference_engine/samples/cpp

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sFjs3qz2-1618553331497)(https://i.loli.net/2021/04/13/AMdLZnVwtBFCY6U.png)]

  • 编译object detecion_sample_ssd样例
make -j2 object_detection_sample_ssd

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M2O4IV0I-1618553331497)(https://i.loli.net/2021/04/13/nMyovCfdiPNkcbA.png)]

编译成功后,还需要下载添加模型文件才能完成完成检测

  • 下载权重文件和模型文件
    下载Inter仓库中预训练好模型的权重文件和模型文件:
wget --no-check-certificate https://storage.openvinotoolkit.org/repositories/open_model_zoo/2021.3/models_bin/2/face-detection-adas-0001/FP16/face-detection-adas-0001.bin
wget --no-check-certificate https://storage.openvinotoolkit.org/repositories/open_model_zoo/2021.3/models_bin/2/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3ms95cOM-1618553331498)(https://i.loli.net/2021/04/13/6ijUxfz2OnurTWd.png)]

  • 测试结果
    在网上下载一张带有人脸的图片,然后使用如下指令进行推理测试:
./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i face.png

原图如下所示:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KmsX3yoI-1618553331498)(https://i.loli.net/2021/04/13/WHTixOFPpm1Nc83.png)]
控制台输出如下所示:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mBBdDZUJ-1618553331498)(https://i.loli.net/2021/04/13/1tZUITO8bmf24uE.png)]
检测结果如下所示:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dl5v4Tsn-1618553331499)(https://i.loli.net/2021/04/13/xcAdSCom1Oqlz7f.png)]
至此,基于树莓派的openvino人脸检测部署就全部完成了。

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
手把手讲授如何搭建成功OpenVINO框架,并且使用预训练模型快速开发超分辨率、道路分割、汽车识别人脸识别、人体姿态和行人车辆分析。得益于OpenVINO框架的强大能力,这些例子都能够基于CPU达到实时帧率。课程的亮点在于在调通Demo的基础上更进一步:一是在讲Demo的时候,对相关领域问题进行分析(比如介绍什么是超分辨率,有什么作用)、预训练模型的来龙去脉(来自那篇论文,用什么训练的)、如何去查看不同模型的输入输出参数、如何编写对应的接口参数进行详细讲解;二是基本上对所有的代码进行重构,也就是能够让例子独立出来,并且给出了带有较详细注释的代码;三是注重实际运用,将Demo进一步和实时视频处理框架融合,形成能够独立运行的程序,方便模型落地部署;四是重难点突出、注重总结归纳,对OpenVINO基本框架,特别是能够提高视频处理速度的异步机制和能够直接部署解决实际问题的骨骼模型着重讲解,帮助学习理解;五是整个课程准备精细,每一课都避免千篇一律,前一课有对后一课的预告,后一课有对前一课的难点回顾,避免学习过程中出现突兀;六是在适当的时候拓展衍生,不仅讲OpenVINO解决图像处理问题,而且还补充图像处理的软硬选择、如何在手机上开发图像处理程序等内容,帮助拓展视野,增强对行业现状的了解。基本提纲:1、课程综述、环境配置2、OpenVINO范例-超分辨率(super_resolution_demo)3、OpenVINO范例-道路分割(segmentation_demo)4、OpenVINO范例-汽车识别(security_barrier_camera_demo)5、OpenVINO范例-人脸识别(interactive_face_detection_demo)6、OpenVINO范例-人体姿态分析(human_pose_estimation_demo)7、OpenVINO范例-行人车辆分析(pedestrian_tracker_demo)8、NCS和GOMFCTEMPLATE9、课程小结,资源分享

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值