Paddle Lite——树莓派端部署实现实时视频流目标检测demo

参考：Paddle Lite官方文档

Paddle Lite环境准备

硬件准备

• 树莓派4B
• usb摄像头
• 装好Buster的镜像源的SD卡

基本软件环境准备

摄像头准备

参考文章：树莓派摄像头的安装、配置与验证

编译库准备

完成gcc、g++、opencv、cmake的安装：

sudo apt-get update

sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config

#下载cmake
wget https://www.cmake.org/files/v3.10/cmake-3.10.3.tar.gz

在这一步如果下载很慢，这里我也提供了cmake-3.10.3.tar.gz的包，需要的可以自行下载。

#解压
tar -zxvf cmake-3.10.3.tar.gz

#进入文件夹
cd cmake-3.10.3

#环境配置
sudo ./configure

#make
sudo make

sudo make install

到这里就完成了所有的环境准备。

Paddle Lite（demo）的安装

Paddle Lite安装和demo相同

#下载Paddle Lite
git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo
#博主已经将Paddle-Lite-Demo上传到码云上，读者可以选择用博主的码云地址下载，下载速度飞快
#git clone https://gitee.com/irving_gao/Paddle-Lite-Demo.git

模型和预测库下载

cd Paddle-Lite-Demo/PaddleLite-armlinux-demo

./download_models_and_libs.sh # 下载模型和预测库

模型的编译（根据你需要实现的功能进行选择）

（1）图像分类模型的编译（单图片预测分类）

进入image_classification_demo文件夹
cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/image_classification_demo

Paddle Lite的配置和预测的输入和输出的图片路径的设置（可选操作）

• 注释掉第四行的TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf
  的注释。
• 需要对run.sh文件进行修改:

sudo nano run.sh

在#run代码段找到参数../images/2001.jpg和./result.jpg，进行自定义设置即可，此处建议设置为:

#!/bin/bash

# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
    TARGET_ARCH_ABI=$1
fi

# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make

#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg

执行预测命令

sudo ./run.sh 

在终端即可看到打印出的预测结果和性能数据，在build目录中可以看到生成的result.jpg。

（2）目标检测模型的编译（单图片检测）

cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/object_detection_demo

Paddle Lite的配置和预测的输入和输出的图片路径的设置（与图片分类模型配置完全相同）

• 注释掉第四行的TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf
  的注释。
• 需要对run.sh文件进行修改:

sudo nano run.sh

在#run代码段找到参数../images/2001.jpg和./result.jpg，进行自定义设置即可，此处建议设置为:

#!/bin/bash

# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
    TARGET_ARCH_ABI=$1
fi

# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make

#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/ssd_mobilenet_v1_pascalvoc_for_cpu/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg

（3）目标检测模型的编译（视频流检测）

cd Paddle-Lite-Demo/PaddleLite-armlinux-demo/object_detection_demo

Paddle Lite的配置和视频流监测的设置

• 注释掉第四行的TARGET_ARCH_ABI=armv8，打开第五行的，取消第5行TARGET_ARCH_ABI=armv7hf
  的注释。
• 需要对run.sh文件进行修改，设置为视频流检测：

sudo nano run.sh

将run.sh中的#run修改参数，即该文件的最后一行参数，去掉../images/2001.jpg和./result.jpg后缀，取消图片预测模式，即可完成对run.sh的视频流配置。

#!/bin/bash

# configure
#TARGET_ARCH_ABI=armv8 # for RK3399, set to default arch abi
TARGET_ARCH_ABI=armv7hf # for Raspberry Pi 3B
PADDLE_LITE_DIR=../Paddle-Lite
if [ "x$1" != "x" ]; then
    TARGET_ARCH_ABI=$1
fi

# build
rm -rf build
mkdir build
cd build
cmake -DPADDLE_LITE_DIR=${PADDLE_LITE_DIR} -DTARGET_ARCH_ABI=${TARGET_ARCH_ABI} ..
make

#注意，这里为run代码段！！！！！！
#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/ssd_mobilenet_v1_pascalvoc_for_cpu/model.nb ../labels/pascalvoc_label_list ../images/2001.jpg ./result.jpg

修改后的#run代码段：

#run
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${PADDLE_LITE_DIR}/libs/${TARGET_ARCH_ABI} ./object_detection_demo ../models/model.nb ../labels/pascalvoc_label_list 

执行预测命令

./run.sh armv7hf 

在终端即可看到打印出来的预测结果和性能数据，并且执行后会自动弹出实时视频预测画面。

效果展示

为了避免尴尬，博主机智的戴上了（帅气的）口罩（：
好啦，到这里就结束了，如果你也跟着博主做出了项目，记得点个小赞赞哦~ ^ _ ^