树莓派4B安装openvino环境指南（参考官网撰写）

KevinFan 收录于 openvino

2020-10-29 约 987 字预计阅读 2 分钟次阅读

openvino环境安装步骤

下载发行工具包

openvino官方下载发行版工具包，一般建议下载最新版本。

解压工具包，配置依赖等

下载好后，放到树莓派的home/pi/Downloads目录下准备安装。（不建议修改位置）

创建安装目录
1
sudo mkdir -p /opt/intel/openvino

解压安装

1
sudo tar -xf  l_openvino_toolkit_runtime_raspbian_p_<version>.tgz --strip 1 -C /opt/intel/openvino

安装外部依赖CMake
1
sudo apt install cmake
设置环境变量
临时设置环境变量
1
source /opt/intel/openvino/bin/setupvars.sh
永久设置环境变量
1
echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc
永久环境变量成功的测试，新开一个终端（terminal），在第一行会看到如下字样：
1
[setupvars.sh] OpenVINO environment initialized
添加USB规则
1、将当前的Linux用户添加到该users组：
1
sudo usermod -a -G users "$(whoami)"
若没有永久设置环境变量，请保证在setupvars.sh运行后执行。
2、安装运行install_NCS_udev_rules.sh脚本的USB规则：
1
sh /opt/intel/openvino/install_dependencies/install_NCS_udev_rules.sh
3、插入神经计算棒2。

测试用例（人脸检测）

框选输入图像中的人脸

创建build目录
1
mkdir build && cd build

构建对象检测样本

1
2
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a" /opt/intel/openvino/deployment_tools/inference_engine/samples/cpp
make -j2 object_detection_sample_ssd

下载预训练的人脸检测模型

.bin文件

1
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.bin

.xml文件

1
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

运行用例
1
./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i <path_to_image>
该应用程序输入图像的路径，输出一个图像（out_0.bmp），其中检测到的面孔用矩形括起来。

通过树莓派摄像头实时检测人脸（参考b站同济子豪兄）

配置摄像头
1 2 3
sudo nano /etc/modules 在该文件末尾添加一行 bcm2835-v412
输入命令
1
vcgencmd get_camera
得到supported = 1 detected = 1，证明摄像头连接成功。
1
ls /dev
看到video0即为摄像头。
配置展示窗口
1
export DISPLAY=:0.0

例程

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
import cv2 as cv
import numpy as np
  
print("------------------start detection!------------------")
# 载入bin文件和xml文件
net = cv.dnn.readNet("face-detection-adas-0001.xml",
                     "face-detection-adas-0001.bin")
net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)
  
cap = cv.VideoCapture(0)
while(1):
    ret, frame = cap.read()
    frame = cv.resize(frame, (480, 320), interpolation=cv.INTER_CUBIC)
    blob = cv.dnn.blobFromImage(frame, size=(672, 384), ddepth=cv.CV_8U)
    net.setInput(blob)
    out = net.forward()
  
    # 画人脸框
    for detection in out.reshape(-1, 7):
        confidence = float(detection[2])
        # 获取左上角坐标
        xmin = int(detection[3] * frame.shape[1])
        ymin = int(detection[4] * frame.shape[0])
        # 获取右下角坐标
        xmax = int(detection[5] * frame.shape[1])
        ymax = int(detection[6] * frame.shape[0])
        if confidence > 0.5:
            cv.rectangle(frame, (xmin, ymin), (xmax, ymax), color=(0, 255, 0))
    # 展示图像
    cv.imshow("capture", frame)
    if cv.waitKey(1) & 0XFF == ord("q"):
        cv.imwrite("out.png", frame)
        print("------------------save image!------------------")
        break
# 关闭摄像头和窗口
cap.release()
cv.destoryAllWindows()
print("------------------end detection!------------------")

树莓派运行推理模型的开发流程

选择预训练模型；
使用模型优化器，来转换模型；
最后在树莓派上推理模型。
open model zoo预训练模型：
https://download.01.org/opencv/2020/openvinotoolkit/2020.4/open_model_zoo/models_bin/

常规的开发方式，需要在 open model zoo 中寻找适合的模型，对于大多数业务来说，都能满足基本需要。若需要跑一些比较前沿的模型或者是自己设计的神经网络时，那各类模型转换的方法则是必备技能，难度相应也会大一些。

附上pytorch转ONNX格式后应用在openvino的方法：

https://zhuanlan.zhihu.com/p/116065374

参考链接

openvino官方