【超详细】树莓派4B 英特尔神经棒2代 Openvino安装记录

主要参考了英特尔官方文档https://docs.openvinotoolkit.org/2019_R3.1/_docs_install_guides_installing_openvino_raspbian.html
还有同济子豪兄在达尔文的b站视频https://www.bilibili.com/video/BV17J41127L4?p=8
子豪兄视频中参考了这篇大佬的博文因此我也参考了下https://blog.csdn.net/qqqzmy/article/details/85213414

/*
吐槽，整这个花了大半个星期，到处都是坑，太难受了。跟着官方文档走cmake总是出错，然后跟着子豪兄的视频，4B和3B+还是有点小区别，按照视频来到build那一步会不一样，有点小问题。我稍微改了一下，现在应该没有问题了。另外过程中没有依赖问题这还是让人舒服的。下面将我的过程分享出来。
温馨提示：一定要注意是在哪个路径下操作的
*/

摘要

本文详细描述了树莓派4B配合英特尔神经棒2代的配置过程。

〇、用到的材料

硬件

• 树莓派4B
• 树莓派显示屏（非必要）
• tf卡和读卡器
• 英特尔神经棒2代
• Windows电脑
• 路由器

软件

• SDFormatter（格式化tf卡）
• Win32DiskImager（烧入镜像）
• putty（远程ssh连接工具）（可选）
• VNC Viewer（远程连接树莓派桌面）
• FileZilla（远程传输文件到树莓派）

一、树莓派配置

1、官网下载镜像文件

我下载了树莓派官网上2020-02-13-raspbian-buster-full.img的镜像文件

2、格式化tf卡

将tf卡插入读卡器插上电脑
打开SDFormatter
格式化之后电脑显示tf卡大小变成真实大小了
拔出
再插入

3、烧入镜像文件

打开Win32DiskImager，选择镜像，单击“write”

静待几分钟完成

4、将卡插入树莓派，开机

我有显示屏，如果没有也没关系，网上很多办法我就不加赘述了

Next
选中国

设置你的密码

我直接插网线了就没连wifi
不更新

进入首选项

VNC和SSH一定要打开，其他你看着需要打开

5、连接VNC

鼠标放到网络标志上可以看到ip
打开VNC Viewer输入ip

继续
用户名是pi
密码填你刚刚设置的，如果刚刚没设置的话默认raspberry

6、换源

打开命令行输入

sudo nano /etc/apt/sources.list

替换为清华的

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

如图修改

保存退出（Ctrl O， 回车， Ctrl X）
然后修改下一个

sudo nano /etc/apt/sources.list.d/raspi.list

替换

deb http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui
deb-src http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui

如图

保存退出
下一个

sudo mkdir ~/.pip

cd .pip

sudo nano pip.conf

写入

[global]
timeout = 10
index-url =  http://mirrors.aliyun.com/pypi/simple/
extra-index-url= http://pypi.douban.com/simple/
[install]
trusted-host=
    mirrors.aliyun.com
    pypi.douban.com

保存退出

sudo apt-get update

7、将根目录扩展

sudo raspi-config

进入第七个

选第一个

好了然后左右方向键选finish回车，提示重启

另外树莓派4B和3不一样，如果没有连接显示屏，亲测这里选5修改分辨率是没用的，用远程屏幕大小不会变，如果连了显示屏，那么会跟着显示屏大小来，修改分辨率反而会使屏幕变小，很无语

二、Openvino 安装

1、先装外部软件依赖项cmake

sudo apt install cmake

回车确认

2、下载和处理Openvino包

直接下有点慢可以用FileZilla传过去
打开FileZilla输入信息连接到树莓派

把下载好的包传到Downloads下面

树莓派上进入Downloads

cd Downloads

解压

tar -xf l_openvino_toolkit_runtime_raspbian_p_2019.3.334.tgz

进入图形化文件管理器找到解压后的文件重命名为

inference_engine_vpu_arm

3、设置环境

先修改setupvars.sh文件

sed -i "s||$(pwd)/inference_engine_vpu_arm|" inference_engine_vpu_arm/bin/setupvars.sh

然后设置环境，下面选一个
这种是临时的

source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh

这种是永久的

echo "source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh" >> ~/.bashrc

永久的设置了打开新终端就会看到如下图顶部这一串

4、添加USB规则

将当前的Linux用户添加到该users组

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

安装运行install_NCS_udev_rules.sh脚本的USB规则

sh inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh

5、将英特尔神经棒插到蓝色usb口（蓝色是3.0）

6、生成并运行物体检测示例

进入此目录

cd inference_engine_vpu_arm/deployment_tools/inference_engine/samples

并创建样本构建目录build并进入

mkdir build && cd build

构建对象检测样本

cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a"

编译对象检测示例

make -j2 object_detection_sample_ssd

耐心等待几分钟

下载预训练的人脸检测模型（因特尔良心啊）

wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R1/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/R1/models_bin/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

好了自己准备一张人脸图片，用这段代码看看样本能否成功运行

./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i <path_to_image>

替换为图片的绝对路径



输出了一些信息，置信度、位置等等
然后你进入build文件夹会发现输出了一张out_0.bmp

给你画好了框框，不靠谱这下特靠谱啊233
到此恭喜你成功了

7、应用于python中

建一个文件夹，把之前下载的xml和bin文件、准备的图片、py文件都放进去
下面是官方示例代码，注意这个cv2，Openvino自带Opencv，不需要再自己去下

import cv2 as cv

# Load the model.可以在这里修改要使用的模型文件
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.替换成你的图片相对路径
frame = cv.imread('/path/to/image')
if frame is None:    
    raise Exception('Image not found!')
    
# 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)

然后运行，一定要用python3，2没有OpenCV
还有一个细节要注意
如果你这样运行就会报错，说找不到xml文件（我被这个坑了好久emm）

要先进到文件夹里面再运行

Nice！

8、使用其他模型

你可以去因特尔官网下载

点击“资源“就可以找到很多预训练模型，每个模型官方也都做了介绍
只需要把xml和bin文件下下来和前面示例一样的方式使用即可
如果不想只做物体检测可以编译其他文件（前面只编译了object_detection_sample_ssd）

//希望这能帮到你