如何对RK3399+RK1808人工智能计算棒的被动模式进行Rock-X测试呢

04
被动模式Rock-X测试
1、使用原厂链接下载Rock-XSDK并解压，链接如下：
或者使用用户资料中提供的源码，目录为：用户资料linux源码被动模式Rock-X
2、安装编译器
sudo apt-get install cmake gcc g++
3、插入计算棒，等待上位机识别到计算棒
4
、
上位机运行rock-x依赖rknn_api, npu_transfer_proxy
用户可以先按照本文档第三章“被动模式Mobilenet-ssd测试”安装rknn_api；用户也可以通过原厂提供的链接地址直接下载rknn_api, npu_transfer_proxy，如下：
5、运行npu_transfer_proxy和计算棒进行通信
npu_transfer_proxy &
6、编译测试用demo
cd demo/command_line_demo
./build-linux-rk3399pro-on-device.sh
此时会编译得到rock-x中demo目录下的各用例并存放在install目录下

7、测试生成的用例中的rockx_face_landmark_demo
cd install/rockx_linux_rk3399pro/rockx_face_landmark_demo/
export LD_LIBRARY_PATH=../lib
./rockx_face_landmark face4.jpg 68//人脸特征点定位(68点)
8、测试效果如下：

9、Rock-X command_line_demo提供的例程
rockx_carplate_demo    车牌识别
rockx_face_attribute_demo
人脸属性识别(性别、年龄)
rockx_face_detection_demo
人脸检测
rockx_face_landmark_demo
人脸特征点定位
rockx_head_detection_demo
人头检测
rockx_object_detection_demo
物体检测
rockx_object_track_demo
物体运动检测
rockx_pose_body_demo
人体姿态检测
rockx_pose_finger_demo
手掌节点姿态检测
rockx_face_liveness_demo
活体检测
rockx_face_recognition_demo
人脸识别对比
05
被动模式yolov3测试
注意该测试中安装的部分包因为资源问题下载可能会因超时而无法下载，遇到这种情况，可以使用我司提供的现成的安装包，目录为：用户资料 linux源码被动模式yolov3 demo安装包
1、安装python3.5，ubuntu18.04默认python3.6，该版本部分库没有资源无法安装，所以更换为python3.5
sudo  apt-get update
sudo  apt-get install software-properties-common
sudo  add-apt-repository ppa:deadsnakes/ppa
sudo  apt-get update
sudo  apt-get install python3.5-dev
sudo  apt-get --reinstall install python3.5-minimal
sudo  mv /usr/bin/python3 /usr/bin/python3-old
sudo  ln -s /usr/bin/python3.5 /usr/bin/python3
sudo  update-alternatives --install /usr/bin/python python/usr/bin/python3.5 300
验证python3.5是否安装成功并且python3已经修改为默认使用3.5：

安装新版pip：
sudo python3 get-pip.py
sudo pip3 install setuptools --upgrade
sudo ln -s /usr/local/bin/pip3 /usr/bin/pip3
验证pip安装成功且默认使用python3.5的pip工具：

2、安装依赖库
sudo  apt-get install cmake gcc g++ libprotobuf-dev protobuf-compiler
sudo  apt-get install liblapack-dev libjpeg-dev zlib1g-dev
sudo  apt-get install python3-dev python3-pip python3-scipy
sudo  apt-get install python3-opencv python3-numpy python3-lmd bpython3-h5py
pip3
install wheel setuptools
sudo
apt-get build-dep python3-h5py && pip3 install h5py
pip3  install --user scipy
pip3  install --user grpcio==1.26.0
pip3  install --user onnx
pip3  uninstall pillow
pip3  install --user pillow==4.2.1
pip3  uninstall h5py
pip3  install --user h5py==2.8.0rc1
注意部分安装包因为资源问题下载可能会因超时而无法下载，可以使用我司提供的现成的安装包。
查看上述指令安装的包是否安装到python3.5目录下：

3、安装TensorFlow
wget

pip3
install --user tensorflow-1.11.0-cp35-none-linux
_aarch64.whl
TensorFlow也可以到/home/forlinx/.local/lib/python3.5/site-packages/目录下查看安装情况
4、Python3.5安装OpenCV3
1)下载opencv和opencv_contrib，这两部分代码下载也比较困难，建议使用我司用户资料中提供的源码包，目录为：用户资料linux源码被动模式yolov3demo安装包：
cd~
git
clone
git
clone
2)编译opencv源码
cd~/opencv
mkdir build
cd
build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -DWITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -DINSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -DBUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_GTK=ON -D WITH_OPENGL=ON ..
make
编译结果如下：

3)安装OpenCV
sudo make install
部分安装信息：

OpenCV的安装文件也可以在系统中找到，例如：
/usr/local/lib/libopencv_core.so.4.3.0
/usr/local/include/opencv4/opencv2/cvconfig.h
编译时会有报错解决方法可以参考如下链接：
或者可以使用我司提供的现成的OpenCV的源码。
5、安装rknn-toolkit

pip3 --default-timeout=100000 install --user rknn_toolkit-1.1.0-cp35-cp35m-linux_aarch64.whl
rknn_toolkit也可以到/home/forlinx/.local/lib/python3.5/site-packages/目录下查看安装情况，可以看到对应安装目录：

6、下载yolov3demo程序测试运行
cd rk1808/yolov3/
修改rknn_camera_tiny_multiProcess.py中打开的摄像头节点：
video= cv2.VideoCapture(0)
改为：
video= cv2.VideoCapture("/dev/video10")
注意：摄像头节点需要依据自己开发板的实际情况来修改
命令行执行：
python3.5 rknn_camera_tiny_multiProcess.py
运行结果如下：

至此，OK3399-C开发板+RK1808人工智能计算棒被动模式下的测评告一段落。