基于树莓派与YOLOv3模型的人体目标检测小车（三）_关于 物体检测,使用 tiny yolo 模型,使用 raspberry pi

模型效果：

在上文中，我们制作了数据集，并利用数据集进行了模型的训练，利用静态图片和视频对模型的检测效果进行了检验，发现效果还是不错的。

​ 前两张为静态图片检测，后一张为视频检测效果截图。

​ 但是模型要想部署在算力微弱的树莓派上，还需要进行两次模型转化才能运行在NCS上进行前向推理。

模型转化：

第一次转化：（.weight–>.pb）

这里的模型转化OpenVINO给出了官方指南https://docs.openvinotoolkit.org/latest/_docs_MO_DG_prepare_model_convert_model_tf_specific_Convert_YOLO_From_Tensorflow.html 但是可能会出现错误。

 python3 convert_weights_pb.py \
--class_names yolov3-tiny-mine.names \
--weights_file weights/yolov3-tiny-mine_40000.weights \
--data_format NHWC \
--tiny \
--output_graph pbmodels/frozen_yolov3-tiny-mine.pb
1
2
3
4
5
6

执行完上述代码，就能得到Tensorflow支持的模型文件。

第二次转化：（.pb–>.IR)

第二次的模型转化我在windows环境下完成的。

python "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\mo_tf.py" --input_shape [1,416,416,3] -m "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\frozen_yolov3-tiny-mine.pb" --reverse_input_channels --tensorflow_use_custom_operations_config "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\yolo_v3_tiny_mine.json" -n tiny_yolov3 --data_type FP16 
1

树莓派环境配置：

1. 材料硬件：

1. 树莓派3B+

2. intel movidius 神经元计算棒

3. 显示器、鼠标键盘、读卡器、用于做树莓派系统盘的16GTF卡

4. 烧写树莓派系统用的PC（win10）

2. 下载树莓派镜像并解压

树莓派系统镜像使用Stretch版本——2018-11-13-raspbian-stretch
下载链接：http://downloads.raspberrypi.org/raspbian_latest
参考：http://shumeipai.nxez.com/download#os
下载并解压出img文件

3. 烧写镜像

插入16G TF卡，格式化，打开镜像烧写软件Win32DiskImager.exe加载镜像，进行下载：

点write，再yes


烧写成功,拔出TF卡.

4. 启动树莓派

红绿指示灯都会闪就表示系统启动成功，然后等待显示器显示桌面

5. 配置树莓派

使用管理员权限，执行

leafpad /etc/apt/sources.list
1

在打开的文件中，用#注释掉原文件内容，用以下内容取代：

deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
1
2

保存，退出。
使用管理员权限执行：

leafpad /etc/apt/sources.list.d/raspi.list
1

用#注释掉原文件内容，用以下内容取代：

deb http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
deb-src http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
1
2

保存，退出。
使用sudo apt-get update命令，更新软件源列表，同时检查您的编辑是否正确。
完成，换成了清华大学的软件源。

6. 安装cmake

再后面的安装中需要cmake，要先安装，执行：

apt install cmake
1

到这里树莓派的配置就完成了，接下来要开始计算棒toolkit的安装了

7. 下载OpenVINO toolkit for Raspbian安装包：

https://download.01.org/openvinotoolkit/2018_R5/packages/l_openvino_toolkit_ie_p_2018.5.445.tgz
1

本次使用的版本是2018.5.445，安装请在下面链接中查看最新的安装包版本：
https://software.intel.com/en-us/articles/OpenVINO-Install-RaspberryPI

下载完后包位于Downloads/目录下，打开命令行

cd ~/Downloads/
1

解压包：

tar -xf l_openvino_toolkit_ie_p_2018.5.445.tgz
1

8. 配置路径与环境

执行以下命令，会自动对setupvars.sh文件做修改

sed -i "s|<INSTALLDIR>|$(pwd)/inference_engine_vpu_arm|" inference_engine_vpu_arm/bin/setupvars.sh
1

再配置环境，有两种做法
一种是临时的，只对该次的窗口有效

source inference_engine_vpu_arm/bin/setupvars.sh
1

还有永久性的，执行：

leafpad /home/pi/.bashrc
1

打开.bashrc文件，再最后一行添加一句：

source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh
1

保存，再打开一个新的终端，如果出现：

[setupvars.sh] OpenVINO environment initialized
1

就表示成功了

9. 添加USB规则

将当前Linux用户添加到users组：

sudo usermod -a -G users "$(whoami)"
1

注：这里要说的是我们现在是root用户，如果打开新窗口的话起始用户是pi，所以出现[setupvars.sh] OpenVINO environment initialized，是对于pi用户来说的，如果在新窗口中用root执行程序，其实并没有成功加载[setupvars.sh] OpenVINO environment initialized，需要自己再执行一遍
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh，才能给root用户配置好OpenVINO environment initialized。
接下来配置USB规则，执行：

sh inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh
1

到这里就成功安装好计算棒所需的所有东西了。

模型部署：

使用github PINTO0309的OpenVINO-YoloV3工程，应该是个日本的工程师写的，特别感谢。

利用工程下的openvino_tiny-yolov3_MultiStick_test.py进行测试，在文件中指定我们转化好的模型文件。

运行。

尽管速度不快，但最快也能达到7-8帧的样子。

​ 本文将训练好的原始模型经过两次转化得到了可以被NCS所支持的模型文件，并搭建好树莓派所需的运行环境，最终将模型部署在树莓派上并完成了测试。下篇文章将介绍，树莓派小车的控制程序以及微信报警程序的实现。