从Docker映像为Raspbian OpenVINO工具套件的安装过程

ti

该英特尔® Distribution工具OpenVINO™可快速部署模拟人类视觉的应用和解决方案。该工具包在基于卷积神经网络（CNN）的英特尔®硬件上扩展了计算机视觉（CV）工作负载，从而最大限度地提高了性能。英特尔英特尔® Distribution工具OpenVINO™工具套件还包括英特尔®深度学习部署工具套件。
本指南为用户提供了创建 Docker* 映像的步骤，以安装适用于 Raspbian* 操作系统OpenVINO™工具套件。
系统要求

目标操作系统

Raspbian* Stretch，32 位
Raspbian* Buster，32 位

主机操作系统

Raspbian* Stretch，32 位
Raspbian* Buster，32 位

硬件

带 ARM* ARMv7-A CPU 架构的 Raspberry Pi* 主板。检查 uname -m 返回 armv7l.
- Raspberry Pi* 3 型号 B+
- Raspberry Pi* 4 型号 B
视觉处理单元（VPU英特尔® Movidius™之一：
- 英特尔® Movidius™神经电脑棒
- 英特尔® Neural Compute Stick 2

软件

适用于 Raspbian* 的 Docker

注意	使用自动化的便利脚本来安装 Docker，因为目前这是为 Raspbian 安装此工具包的唯一方法。查找更多信息。

为神经电脑棒或英特尔® Movidius™构建 Docker* 英特尔® Neural Compute Stick 2

构建映像
要构建 Docker* 映像，您需要创建一个 Dockerfile，其中包含创建一个工具套件安装映像OpenVINO™变量和命令。
使用下面的示例作为模板创建 Dockerfile。

创建或转到要在那里创建 Docker* 映像的目录。本文档创建一个 ~/docker 目录。mkdir ~/docker && cd ~/docker

下载 Dockerfile 模板（ZIP）从本指南中，或者使用下面的模板内容创建您自己的 Dockerfile。vi Dockerfile
FROM balenalib/rpi-raspbian:latest
ARG DOWNLOAD_LINK=https://download.01.org/opencv/2020/openvinotoolkit/2020.3/l_openvino_toolkit_runtime_raspbian_p_2020.3.220.tgz
      ARG INSTALL_DIR=/opt/intel/openvino
      ARG BIN_FILE=https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/person-vehicle-bike-detection-crossroad-0078/FP16/person-vehicle-bike-detection-crossroad-0078.bin
      ARG WEIGHTS_FILE=https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/person-vehicle-bike-detection-crossroad-0078/FP16/person-vehicle-bike-detection-crossroad-0078.xml
      ARG IMAGE_FILE=https://cdn.pixabay.com/photo/2018/07/06/00/33/person-3519503_960_720.jpg
RUN apt-get update && apt-get install -y --no-install-recommends \
         apt-utils \
         automake \
         cmake \
         cpio \
         gcc \
         g++ \
         libatlas-base-dev \
         libstdc++6 \
         libtool \
         libusb-1.0.0-dev \
         lsb-release \
         make \
         python3-pip \
         python3-numpy \
         python3-scipy \
         libgtk-3-0 \
         pkg-config \
         libavcodec-dev \
         libavformat-dev \
         libswscale-dev \
         sudo \
         udev \
         unzip \
         vim \
         wget && \
      rm -rf /var/lib/apt/lists/*
      RUN mkdir -p $INSTALL_DIR && cd $INSTALL_DIR && \
         wget -c $DOWNLOAD_LINK && \
         tar xf l_openvino_toolkit_runtime_raspbian_p*.tgz --strip 1 -C $INSTALL_DIR
      # add USB rules
      RUN sudo usermod -a -G users "$(whoami)" && \
         /bin/bash -c "source $INSTALL_DIR/bin/setupvars.sh && \
         sh $INSTALL_DIR/install_dependencies/install_NCS_udev_rules.sh"
      # build Object Detection sample
      RUN echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc && \
         mkdir /root/Downloads && \
         cd $INSTALL_DIR/deployment_tools/inference_engine/samples/c/ && \
         /bin/bash -c "source $INSTALL_DIR/bin/setupvars.sh && \
         ./build_samples.sh && \
         wget --no-check-certificate $BIN_FILE -O /root/Downloads/person-vehicle-bike-detection-crossroad-0078.bin && \
         wget --no-check-certificate $WEIGHTS_FILE -O /root/Downloads/person-vehicle-bike-detection-crossroad-0078.xml && \
         wget --no-check-certificate $IMAGE_FILE -O /root/Downloads/walk.jpg "
      RUN echo "import cv2 as cv\n\
      # Load the model.\n\
      net = cv.dnn.readNet('person-vehicle-bike-detection-crossroad-0078.xml',\
      'person-vehicle-bike-detection-crossroad-0078.bin')\n\
      # Specify target device.\n\
      net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)\n\
      # Read an image.\n\
      frame = cv.imread('walk.jpg')\n\
      if frame is None:\n\
         raise Exception('Image not found!')\n\
      # Prepare input blob and perform an inference.\n\
      blob = cv.dnn.blobFromImage(frame, size=(1024, 1024), ddepth=cv.CV_8U)\n\
      net.setInput(blob)\n\
      out = net.forward()\n\
      # Draw detected faces on the frame.\n\
      for detection in out.reshape(-1, 7):\n\
         confidence = float(detection[2])\n\
         xmin = int(detection[3] * frame.shape[1])\n\
         ymin = int(detection[4] * frame.shape[0])\n\
         xmax = int(detection[5] * frame.shape[1])\n\
         ymax = int(detection[6] * frame.shape[0])\n\
         if confidence > 0.5:\n\
            cv.rectangle(frame, (xmin, ymin), (xmax, ymax), color=(0, 255, 0))\n\
      # Save the frame to an image file.\n\
      cv.imwrite('out.png', frame)\n\
      print('Detection results in out.png')" >> /root/Downloads/openvino_fd_myriad.py

注意	您需要将上述模板OpenVINO™变量中的 OpenVINO™ DOWNLOAD_LINK 工具套件包的直接链接替换为最新版本。您可以从英特尔OpenVINO 开源技术中心复制用于 Raspbian* 操作系统包的®工具套件的链接。选择最新版本，右键单击 URL，然后按 Copy 链接地址。

要构建用于神经计算英特尔® Movidius™或英特尔® Neural Compute Stick 2的 Docker* 图像，运行以下命令：docker build . -t
(for example, docker build . -t openvino-rpi)

运行和测试 Docker* 映像

已知限制：

该英特尔® Movidius™神经计算棒设备在执行过程中更改其供应商 ID 和 DeviceID，每次查找主机系统作为一个全新的设备。这意味着无法按正常方式安装。

UDEV 事件在默认情况下不会转发到容器，因此它并不意识到设备重新连接。

每个主机仅支持一台设备。

运行对象检测示例
该应用程序输出一个图像（out_0.bmp），任何检测到的人被封装在矩形中。

使用以下选项在神经电脑棒或英特尔® Movidius™运行英特尔® Neural Compute Stick 2。要以交互和特权模式运行此容器，启用 Docker 网络配置作为主机，然后将所有设备挂载到该容器：docker run -it --privileged -v /dev:/dev --network=host
(for example, docker run -it --privileged -v /dev:/dev --network=host openvino-rpi)

使用以下命令运行对象检测示例。转到内部版本样本目录：cd /root/inference_engine_c_samples_build/armv7l/Release/

使用模型规格和输入图像路径运行示例：./object_detection_sample_ssd_c -m ~/Downloads/person-vehicle-bike-detection-crossroad-0078.xml -i ~/Downloads/walk.jpg -d MYRIAD

使用 OpenCV* API 运行面部检测模型的推理

导航至openvino_fd_myriad.py script位于：cd /root/Downloads

运行脚本：python3 openvino_fd_myriad.py

在此脚本中，OpenCV* 从中间表示（IR）格式加载人车-单车检测模型和图像。然后，它运行推理，将图像与检测结果保存为 out.png 。
这完成了从 Docker* 映像为 Raspbian* OpenVINO™工具套件的安装过程。

搜索历史

从Docker映像为Raspbian OpenVINO工具套件的安装过程

相关推荐

最新话题

热门话题

创建小组步骤

站长推荐 /6