【精选】在树莓派4B上使用YOLO v3 Tiny进行实时目标检测 | 您所在的位置:网站首页 › yolov3口罩识别的运行结果 › 【精选】在树莓派4B上使用YOLO v3 Tiny进行实时目标检测 |
首先尝试使用yolo官网yolo给的教程,在树莓派上测试,但是在运行时出现段错误,尝试很多方法无法解决。在国外的网站找到darknet-nnpack这个东西,可以完美的在树莓派上运行。 链接:https://pan.baidu.com/s/1-7DFRawhDDZXfrKH9aht6g 提取码:k3yp,评论说编译不通过,这里给出我用的ninja和NNPACK 参考的文章 darknet-nnpack https://github.com/zxzhaixiang/darknet-nnpackFun of DIY http://funofdiy.blogspot.com/2018/08/deep-learning-with-raspberry-pi-real.html 第二个链接是树莓派3B+上使用yolo,不过国内正常是打不开,根据这篇文章在Raspberry Pi 4上使用yolov3 tiny版本,测试结果可以达到2帧,这个结果是做了很多加速之后的。安装NNPACK,这是神经网络的加速库,可以在多核CPU上运行在Makefile中添加一些特殊配置,以在Cortex CPU和NNPACK优化上编译Darknet Yolo源代码。安装opencv C ++(在raspberry pi上非常麻烦),不过我没安装也可以使用(编译总是报错,没有成功)使用Yolo小版本(不是完整版本)运行Darknet!下载Yolov3-tiny.cfg和Yolov3-tiny.weights。 步骤0:准备工作 在树莓派4上安装系统等参考我的这篇博客准备Python和Pi相机,我用的是树莓派的相机,使用usb摄像头会慢很多。 安装OpenCV。使用最简单的方法(不要从源代码构建!): sudo apt-get install python-opencv如果没有pip: sudo apt-get install python-pip启用pi相机: sudo raspi-config转到 Interfacing Options,然后启用 Pi/Camera,重启生效。 步骤1 安装 Ninja Building tool安装 PeachPy 和 confu sudo pip install --upgrade git+https://github.com/Maratyszcza/PeachPy sudo pip install --upgrade git+https://github.com/Maratyszcza/confu在 /home/pi目录下,安装ninja git clone https://github.com/ninja-build/ninja.git cd ninja git checkout release ./configure.py --bootstrap export NINJA_PATH=$PWD cd 步骤2 安装修改后的 NNPACK git clone https://github.com/shizukachan/NNPACK cd NNPACK confu setup python ./configure.py --backend auto用ninja构建NNPACK(需要一段时间,耐心等待,并且第一次可能崩溃。只需重新启动并再次运行): $NINJA_PATH/ninja可以用 ls ,有文件夹 lib , include 就成功了。 测试NNPACK是否正常工作: bin/convolution-inference-smoketest我第一次失败了,不过再次运行了测试,所有项目都通过了。因此,如果测试失败,请不要慌张,再尝试一次。 将库和头文件复制到系统环境: sudo cp -a lib/* /usr/lib/ sudo cp include/nnpack.h /usr/include/ sudo cp deps/pthreadpool/include/pthreadpool.h /usr/include/ 步骤3 安装darknet-nnpack上面这些步骤其实都是安装darknet-nnpack的准备工作,现在正式开始 cd git clone -b yolov3 https://github.com/zxzhaixiang/darknet-nnpack cd darknet-nnpack git checkout yolov3 make这就完成了,开始测试。 步骤4 用YoloV3-tiny测试运行: sudo python rpi_video.py或者: sudo python rpi_record.py也可以调一下参数: yolo_proc = Popen(["./darknet", "detect", "./cfg/yolov3-tiny.cfg", "./yolov3-tiny.weights", "-thresh", "0.1"], stdin = PIPE, stdout = PIPE)这两个python文件,只是提供了一个进出的功能。 rpi_video.py 以动画形式在屏幕上显示实时目标检测结果; rpi_record.py 会将每一帧结果保存(如之后制作git动画)。 另外YoloV3-tiny不在乎输入图像的大小。因此,只要高度和宽度均为32的整数倍,就可以随意调整相机分辨率。 #camera.resolution = (224, 224) #camera.resolution = (608, 608) camera.resolution = (544, 416)看下结果,还需要优化 |
CopyRight 2018-2019 实验室设备网 版权所有 |