Hi3559 + opencv4.3.0交叉编译 + tengine 优化+ face_detector sample运行测试

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