树莓派4B与Intel Movidius计算棒2代实现人脸识别加速实例

树莓派
- 树莓派介绍
- 教程
- 操作
- - 换源部分：
  - 安装cmake
Intel 神经计算棒环境配置
- Intel 神经计算棒简介
- OpenVINO™ 工具套件
- - 下载安装OpenVINO™ 工具套件
  - - demo测试验证安装是否成功
    - - Opencv + python api调用方法：
  - OpenVINO推理简介
  - openvinotoolkit/open_model_zoo

本文参考了从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境
以及树莓派+英特尔神经棒2代部署人工智能应用

树莓派

树莓派介绍

Raspberry Pi(中文名为“树莓派”,简写为RPi，(或者RasPi / RPI) 是为学习计算机编程教育而设计)，只有信用卡大小的微型电脑，其系统基于Linux。别看其外表“娇小”，内“心”却很强大，视频、音频等功能通通皆有，可谓是“麻雀虽小，五脏俱全”。

树莓派由注册于英国的慈善组织“Raspberry Pi 基金会”开发，Eben·Upton/埃·厄普顿为项目带头人。
它是一款基于ARM的微型电脑主板，以SD/MicroSD卡为内存硬盘，卡片主板周围有1/2/4个USB接口和一个10/100 以太网接口（A型没有网口），可连接键盘、鼠标和网线，同时拥有视频模拟信号的电视输出接口和HDMI高清视频输出接口，以上部件全部整合在一张仅比信用卡稍大的主板上，具备所有PC的基本功能只需接通电视机和键盘，就能执行如电子表格、文字处理、玩游戏、播放高清视频等诸多功能。 Raspberry Pi B款只提供电脑板，无内存、电源、键盘、机箱或连线。

教程

链接: 树莓派新手无痛开机指南
链接: 树莓派使用视频教程

操作

内存卡操作
- 软件
  - WIN32Disk
  - rpi-imager
- 操作
  - 向空白内存卡写入新的系统
  - 系统备份
文件传输
- Filezilla 参见Windows10和树莓派互传文件（filezilla）
远程查看
- VNC viewer 参见使用teamviewer树莓派远程控制树莓派
- Teamviewer 参见使用teamviewer树莓派远程控制树莓派
  以上为了Filezilla及VNCviewer使用方便，最好将树莓派的IP设置为固定IP。具体方法参见树莓派4B设置静态IP
  下载树莓派镜像、烧写镜像、启动配置树莓派参见从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境

换源部分：

修改sources.list
使用Linux自带的nano编辑器：

sudo nano /etc/apt/sources.list

在打开的文件中，用#注释掉原文件内容，用以下内容取代：

deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main contrib non-free rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main contrib non-free rpi

ctrl + O 保存， ctrl + X 退出

修改raspi.list
```
sudo nano /etc/apt/sources.list.d/raspi.list
```
用#注释掉原文件内容，用以下内容取代：
```
deb http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
deb-src http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
```
ctrl + O 保存， ctrl + X 退出.
使用sudo apt-get update命令，更新软件源列表，若没有错误，表示换源成功。

安装cmake

编译c/c++程序时需要使用cmake
使用以下命令安装cmake
sudo apt-get install cmake

Intel 神经计算棒环境配置

Intel 神经计算棒简介

见Intel的Movidius神经计算棒基本概念梳理

OpenVINO™ 工具套件

见英特尔® 发行版 OpenVINO™ 工具套件概述及OpenVINO™ 工具套件概述

下载安装OpenVINO™ 工具套件

下载OpenVINO toolkit for Raspbian安装包：
使用以下地址从download.01.org/网站下载树莓派版的openvino工具套件。

https://download.01.org/opencv/2019/openvinotoolkit/R3/l_openvino_toolkit_runtime_raspbian_p_2019.3.334.tgz

经测试，2021版本的openvino与2019版本相比有一定改变，以下的配置和编译方式不适用于2021版。

下载完后包位于Downloads/目录下，打开命令行

cd ~/Downloads/

解压包：

tar -xf l_openvino_toolkit_runtime_raspbian_p_2019.3.334.tgz

在home/pi目录下新建一个名为intel文件夹：

mkdir ~/intel

将上述解压好的l_openvino_toolkit_runtime_raspbian_p_2019.3.334文件夹修改名称为openvino_2019，移动至intel文件夹下。

配置路径与环境
执行以下命令，会自动对setupvars.sh文件做修改

sed -i "s|<INSTALLDIR>|$(pwd)/openvino_2019|" openvino_2019/bin/setupvars.sh

配置环境，添加环境变量

sudo nano /home/pi/.bashrc

打开.bashrc文件，再最后一行添加一句：

source /home/pi/intel/openvino_2019/bin/setupvars.sh

保存，再打开一个新的终端，如果出现：

[setupvars.sh] OpenVINO environment initialized

就表示成功了

将当前Linux用户添加到users组：

sudo usermod -a -G users "$(whoami)"

接下来配置USB规则，执行：

sh ~intel/openvino_2019/install_dependencies/install_NCS_udev_rules.sh

到这里就成功安装好计算棒所需的所有东西了

demo测试验证安装是否成功

构建和运行对象检测示例，这个例子是执行人脸检测的。
下面第一步代表转到包含示例源代码的文件夹~/openvino_2019/deployment_tools/inference_engine/samples，后面三步表示建立新的文件夹build，并执行编译操作。

cd ~/openvino_2019/deployment_tools/inference_engine/samples
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a"
make -j2 object_detection_sample_ssd

编译完成后下载网络和权重文件：

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.bin
wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

然后自己在网上找一张人脸的图片，在build文件夹下执行

./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i <path_to_image>
#<path_to_image>是人脸图片的绝对路径

如果运行成功，会在build文件夹下输出一副out_0.bmp图片，到这里表示计算棒运行成功！

Opencv + python api调用方法：

有时候我们是在python下做开发，这里也有提供了Opencv + python的运行例子
新建一个文件夹，先建立一个face_detection.py文件，写入：

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')
# 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)

在文件夹中放入刚刚我们下载的那两个文件：face-detection-adas-0001.bin和face-detection-adas-0001.xml
还有用于检测用的脸的图片face.jpeg

然后在终端执行：

python3 face_detection.py
程序成功运行没报错，则表示运行成功，然后我们会在文件夹下看见输出结果，检测成功

OpenVINO推理简介

见OpenVINO推理简介

openvinotoolkit/open_model_zoo

见openvinotoolkit/open_model_zoo
如果遇到下载问题，使用下面百度网盘链接：

链接：https://pan.baidu.com/s/1iVX4hfss8n3l0B6JwbnwLw
提取码：s30k

在下面的open_model_zoo仓库里有很多其他应用的权重文件

https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/

比如司机动作识别、面部表情识别、人体姿势识别、行人识别等等。

树莓派4B与Intel Movidius计算棒2代实现深度学习应用加速相关推荐

树莓派3b+和 intel movidius 神经元计算棒2代跑yolo v3 tiny
本帖子主要是参考了以下两篇: 第一篇: 从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境这篇文章主要目录如下: 摘要材料硬件: 步骤: 1. 下载树莓派镜像 ...
从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境
从零开始搭建树莓派+intel movidius 神经元计算棒2代深度学习环境摘要材料硬件: 步骤: 1. 下载树莓派镜像并解压 2. 烧写镜像 3. 启动树莓派 4. 配置树莓派 5. 安装cm ...
实录分享 | 计算未来轻沙龙：深度学习工具专场（PPT下载）
12 月 2 日(周日)下午,PaperWeekly 携手清华大学计算机系推出了计算未来轻沙龙第六期线下活动--深度学习工具专场.来自亚马逊 AWS.谷歌.英伟达.百度 PaddlePaddle 以及 ...
搭建树莓派 4B + intel movidius 神经元计算棒2代深度学习环境
换源这样下载速度会快一点稳定一点: 使用管理员权限,执行 sudo leafpad /etc/apt/sources.list 在打开的文件中,用#注释掉原文件内容,用以下内容取代: deb htt ...
树莓派4B+配件+Intel神经棒2代购机指南
下一篇:树莓派4B开机配置指南_利用官方模型实现人脸识别目录一.摘要 1.1.树莓派简介 1.2.英伟达JETSON NANO简介 1.3.其他派 1.4.Intel神经棒简介二.采购清 ...
卷积神经网络之卷积计算、作用与思想深度学习
博客:blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算在计算机视觉领域,卷积核.滤波器通常为较小尺寸的矩阵,比如3×33×3.从这个角度看,多层卷积是在进行逐层映射,整 ...
计算未来轻沙龙 | 当深度学习遇上归纳推理，图神经网络有多强大？
作为一名新世纪的深度学习炼丹师是否整天面对各种结构的原(shu)料(ju)? 对于无规则的空间数据传统炼丹大法好像并不能发挥奇效图作为一种非常神奇的表示方式可以表示生活中绝大多数现象或情境那 ...
Intel Movidius Neural Computer Stick 2使用(PC-Based Ubuntu）
接着博主前面的系列博客继续讲,这篇来介绍上Intel的第二代加速神经棒的使用,主要还是参考官网来配置.前面很多博客也都访问过多家公司的官网,比较下来,Intel的真的很强大,满满的技术感. Intel ...
1.搭建深度学习项目树莓派的硬件设备选择
搭建深度学习项目树莓派的硬件设备选择文章目录搭建深度学习项目树莓派的硬件设备选择 1.型号选择 1.1 官网产品 1.2 型号介绍 1.2.1 树莓派 400 1.2.2 树莓派数字系列 1.2 ...

树莓派4B与Intel Movidius计算棒2代实现深度学习应用加速