raspberrypi连接神经计算棒人脸识别

Raspberrypi连接神经计算棒人脸识别

树莓派3B上部署英特尔神经网络计算棒Intel NCS2进行最普通的人脸识别。

参考

1. 英特尔官方文档

2. 博文树莓派上部署英特尔神经网络计算棒Intel NCS2

• 硬件： 树莓派3B
• 树莓派3B安装系统 ：2020-02-13-raspbian-buster.zip
• 神经计算棒： IntelNCS2

1. 安装 openvino 工具包

到网站下载工具： openvino 工具包，也可以找其它的版本下载到 cd ~/Downloads/ ，这时使用以下版本：

l_openvino_toolkit_runtime_raspbian_p_2020.3.341.tgz

打开终端

cd ~/Downloads/ 

sudo tar -xf  l_openvino_toolkit_runtime_raspbian_p_2020.3.341.tgz//解压文件

mv l_openvino_toolkit_runtime_raspbian_p_2020.3.341.tgz inference_engine_vpu_arm//修改文件夹名称

2. 安装外部软件支持

sudo apt install cmake

3. 设置环境变量

执行以下命令，会自动对setupvars.sh文件做修改

sed -i "s|<INSTALLDIR>|$(pwd)/inference_engine_vpu_arm|" inference_engine_vpu_arm/bin/setupvars.sh

source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh

永久设置环境变量

echo "source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh" >> ~/.bashrc

显示 以下，就正常了

[setupvars.sh] OpenVINO environment initialized

4. 添加USB规则

sudo usermod -a -G users "$(whoami)"  //添加规则
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh //加载修改后的设置,使之生效
sh inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh //退出 重新登录 

显示以下正常：

Updating udev rules...
Udev rules have been successfully installed.

插上神经计算棒

5. 运行对象检测示例验证安装的推理机

进入此目录

cd inference_engine_vpu_arm/deployment_tools/inference_engine/samples/cpp  

sudo mkdir build && cd build

构建对象检测样本：

cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a"

编译

make -j2 object_detection_sample_ssd

下载预培训的人脸检测模型

下载带有权重的.bin文件

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R1/models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.bin

下载带有网络拓扑结构的.xml文件:

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R1/models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

运行示例时指定模型和输入图像的路径：

./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i yangmi.jpg

应用程序输出一个图像（out_0.bmp），检测到的面用矩形括起来。

6. 验证OpenCV的安装

6.1 下载带有权重的.bin文件:

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R1/models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.bin

6.2 下载带有网络拓扑结构的.xml文件:

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R1/models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

7. 了解树莓派的工作流

创建 Python 文件 openvino_fd_myriad.py 复制下面的脚本

import cv2 as cv
# Load the model.
net = cv.dnn.readNet('face-detection-adas-0001.xml',
                     'face-detection-adas-0001.bin')
# Specify target device.
net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)
# Read an image.
frame = cv.imread('/path/to/image')
if frame is None:
    raise Exception('Image not found!')
# Prepare input blob and perform an inference.
blob = cv.dnn.blobFromImage(frame, size=(672, 384), ddepth=cv.CV_8U)
net.setInput(blob)
out = net.forward()
# Draw detected faces on the frame.
for detection in out.reshape(-1, 7):
    confidence = float(detection[2])
    xmin = int(detection[3] * frame.shape[1])
    ymin = int(detection[4] * frame.shape[0])
    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))
# Save the frame to an image file.
cv.imwrite('out.png', frame)

将以下文件放到一个文件夹中：

运行脚本

python3 openvino_fd_myriad.py