从0开始在树莓派中部署openvino+yolov3----2

上一篇以及配置好了树莓派的基本功能，现在来搭建openvino。

文章目录

从0开始在树莓派中部署openvino+yolov3----2
一、在树莓派上下载openvino
二、安装openvino
三、demo
利用opencv识别（openvino自带opencv无需自己去下载）

一、在树莓派上下载openvino

在树莓派里面的浏览器上搜索

https://docs.openvinotoolkit.org/cn/latest/_docs_install_guides_installing_openvino_raspbian.html

在这里插入图片描述
点击安装openvino

最后一个选择版本
文件压缩包下载到了Downloads目录下面

二、安装openvino

打开总端输入下面指令，转到Downloads目录下

cd /home/pi/Downloads

创建安装文件夹

sudo mkdir -p /opt/intel/openvino

解压缩文件（对于的版本号需要跟换成自己下载的）

sudo tar -xf l_openvino_toolkit_runtime_raspbian_p_2020.4.287.tgz --strip 1 -C /opt/intel/openvino

安装编译工具

sudo apt install cmake

设置环境变量（永久）


echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc

添加usb规则

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

给树莓派插上ncs2(神经棒)
分别输入下面的指令

mkdir openvino && cd openvino
mkdir build && cd build
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

三、demo

下载两个文件（类似权重文件，RI模型）
分别为bin文件和xml文件，下面两个为识别人脸的文件

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


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

找一张人脸照片下载，创建一个目录image,把图片放进去，或者找到它的绝对路径替换下面指令中的路径。

./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i ~/Downloads/image

利用opencv识别（openvino自带opencv无需自己去下载）

创建一个python文件（先创建一个文本，然后改成.py格式）

import cv2 as cv
# bin文件和xml文件如果不在python程序同一目录下，需为绝对路径
net = cv.dnn.readNet('face-detection-adas-0001.xml', 'face-detection-adas-0001.bin') 
# Specify target device 
net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)
# 这里为我的图片绝对路径 
frame = cv.imread('/home/pi/Downloads/image/1.jpeg')
# 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