树莓派实现目标检测识别(树莓派4+opencv4.1.1+tensorflow1.14.0+ssd_mobilenet_v1_coco)

前面笔者爬了许多坑终于给树莓派4b安装完了opencv4.1.1（链接https://blog.csdn.net/Hankerchen/article/details/103510024），
本次主要想实现目标检测，并将其识别出来，接下来笔者将讲述如何部署tensorflow1.14.0+ssd_mobilenet_v1_coco

1 准备

笔记本（笔者没买专用的显示屏）、网线（SSH连接）
树莓派4b（4G内存版本）、32G的tf卡（安装系统）、树莓派的电源适配器（5V、3A）、树莓派摄像头（笔者的为500万像素）

2 安装TensorFlow1.14.0

因为已经安装好了opencv4.1.1，因此直接安装TensorFlow。
首先，安装matplotlib库

sudo pip install matplotlib

接着，安装一下编译环境

sudo apt-get install python3-pip python3-dev
sudo apt install libatlas-base-dev

最后，直接安装TensorFlow

sudo pip3 install TensorFlow

这样安装的TensorFlow1.14.0就是当前树莓派能用的最新版本

晚上下载速度有点慢，感觉早上的下载速度能快一点，如果中途掉线就得重复一次命令。
在安装TensorFlow之后，还会自动安装几个相关的依赖包

3 API下载

这里我参考了一篇博客：https://blog.csdn.net/weixin_36259888/article/details/83786113
然后我直接进行git.

git clone https://github.com/tensorflow/models.git

当然，该博客也给了github的API链接https://github.com/tensorflow/models/tree/master/research/object_detection/models
但是我觉得还是还是直接git比较好，以免出现什么幺蛾子。

4 ssd_mobilenet_v1_coco下载

模型链接https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

首先进入目录

cd models/research/object_detection/models

然后将ssd_mobilenet_v1_coco模型下载下来

wget download.tensorflow.org/models/object_detection/ssd_mobilenet_v1_coco_2018_01_28.tar.gz

接着进行解压

tar -xzvf ssd_mobilenet_v1_coco_2018_01_28.tar.gz

5 Protobuf 安装与配置

这里参考另一篇文章：https://www.jianshu.com/p/ea5abe01aaf1
（1）下载
protobuf下载地址：https://github.com/google/protobuf/releases
我直接下载的最新版本：protobuf-all-3.11.2.tar.gz

cd
wget https://github.com/protocolbuffers/protobuf/releases/download/v3.11.2/protobuf-all-3.11.2.tar.gz

（2）安装

tar -xf  protobuf-all-3.11.2.tar.gz          ->解压      
cd protobuf-3.11.2                           ->进入该文件夹
./configure                                  ->执行   
make                                         ->时间有点长
make check                                   ->这一步是检查编译是否正确，耗时非常长

如果出现如下结果，可以看到所有的测试用例都PASS了，说明编译正确：

sudo make install  
sudo ldconfig                                       ->更新库搜索路径，否则可能找不到库文件

（3）配置
配置的目的是将proto格式的数据转换为python格式，从而可以在python脚本中调用，进入目录models-master/research，运行：

cd
cd models/research
protoc object_detection/protos/*.proto --python_out=.

6 测试

测试代码文件链接：https://pan.baidu.com/s/1jGnOF1s1UAvMTV4w6JW_YQ
提取码：9p2m

将测试代码放入models/research/object_detection/models目录中

打开VNC Viewer，进入终端，输入下列命令

cd models/research/object_detection/models
sudo chmod 666 /dev/video0                         ->要保证摄像头插紧了，不然会报错
python3 test.py

等一会，接着会出现检测对话框，效果如图

总结：继安装opencv4.1.1之后，本文接着讲述了怎么安装了基于python3.7的TensorFlow1.14.0，同时将API和ssd_mobilenet_v1_coco模型下载下来，然后讲述了怎么配置protobuf，最后成功实现目标检测识别。当然，还得感谢大佬们的帮助，遇到问题多思考，多查阅资料，最后肯定能成功的。