Raspberry Pi上的OpenVINO,OpenCV和Movidius NCS

原始碼連結：https://pan.baidu.com/s/1ntnd2oyp8yCPQ0KQRscyqg

提取碼：8ayb 

在本教程中，將學習如何將OpenVINO工具包與OpenCV一起使用，以便在Raspberry Pi上進行更快速的深度學習推理。

對於深度學習，當前的Raspberry Pi硬體本質上是資源受限的，很幸運能從大多數最先進的模型中獲得超過幾個FPS（僅使用RPi CPU）（尤其是對象檢測和實例/語義分割）。自2017年以來，Movidius團隊一直在努力研發他們的Myriad處理器和消費級USB深度學習棒。隨著棒子附帶的API的第一個版本運行良好，並展示了Myriad的強大功能，但還有很多不足之處。然後，Movidius APIv2發布並受到Movidius + Raspberry Pi社區的歡迎。它比APIv1更容易/更可靠，但也有相當多的問題。但是現在使用Movidius NCS 變得比以往任何時候都容易，特別是使用OpenCV。

 

與OpenVINO會面，這是一個用於硬體優化計算機視覺的英特爾庫，旨在取代V1和V2 API。

 

英特爾轉向使用OpenVINO軟體支持Movidius硬體，使得Movidius閃耀著所有金屬藍色的光彩。OpenVINO使用起來非常簡單 - 只需設置目標處理器（單個函數調用），讓OpenVINO優化的OpenCV處理其餘部分。

 

但問題仍然存在：

如何在Raspberry Pi上安裝OpenVINO？

 

今天將學習這一點，以及一個實用的物體檢測演示（擾流警報：現在使用Movidius協處理器很簡單）。

 

要了解如何在Raspberry Pi上安裝OpenVINO（並使用Movidius Neural Compute Stick執行對象檢測），請按照本教程進行操作！

Raspberry Pi上的OpenVINO，OpenCV和Movidius NCS

在這篇博文中，將介紹三個主要主題。

 

將了解OpenVINO是什麼以及它如何成為Raspberry Pi非常受歡迎的範例轉換。

將介紹如何在Raspberry Pi上安裝OpenCV和OpenVINO。

將使用OpenVINO，OpenCV和Movidius NCS開發實時對象檢測腳本。

注意：博客上有很多Raspberry Pi安裝指南，大多數與Movidius無關。在開始之前，請務必查看OpenCV安裝指南頁面上的可用安裝教程，並選擇最適合需求的安裝教程。

https://www.pyimagesearch.com/opencv-tutorials-resources-guides/ 

 

什麼是OpenVINO？

 

圖1：英特爾OpenVINO工具包可針對英特爾硬體（如Movidius Neural Compute Stick）優化您的計算機視覺應用程式。使用Raspberry Pi和Movidius NCS使用OpenVINO和OpenCV進行實時對象檢測可以獲得顯著的加速。

 

英特爾的OpenVINO是一個加速庫，可通過英特爾的硬體產品組合優化計算。

 

OpenVINO支持Intel CPU，GPU，FPGA和VPU。

 

OpenVINO支持您依賴的深度學習庫，如TensorFlow，Caffe和mxnet。

 

圖2：Intel OpenVINO Toolkit支持intel CPU，GPU，FPGA和VPU。TensorFlow，Caffe，mxnet和OpenCV的DNN模塊均針對英特爾硬體進行了優化和加速。MovidO支持Movidius視覺處理單元（VPU），並與Raspberry Pi配合使用。（來源：OpenVINO產品簡介）

 

英特爾甚至優化了OpenCV的DNN模塊，以支持其硬體深度學習。

 

事實上，許多較新的智能相機使用英特爾的硬體和OpenVINO工具包。OpenVINO是最優秀的邊緣計算和物聯網 - 它使像Raspberry Pi這樣的資源受限設備能夠與Movidius協處理器協同工作，以對實際應用程式有用的速度執行深度學習。

 

將在Raspberry Pi上安裝OpenVINO，以便在下一節中與Movidius VPU（視覺處理單元）一起使用。

 

請務必閱讀OpenVINO產品簡介PDF以獲取更多信息。

https://www.intel.in/content/www/in/en/internet-of-things/solution-briefs/openvino-toolkit-product-brief.html 

在Raspberry Pi上安裝OpenVINO優化的OpenCV

在本節中，將介紹在Raspberry Pi上安裝OpenCV和OpenVINO所需的先決條件和所有步驟。

  

硬體，假設和先決條件

在本教程中，將假設擁有以下硬體：

Raspberry Pi 3B +（或Raspberry Pi 3B）

Movidius NCS 2（或Movidius NCS 1）

PiCamera V2（或USB網絡攝像頭）

帶有 Raspbian Stretch的32GB microSD卡刷新（16GB可能也可以使用）

HDMI屏幕+鍵盤/滑鼠（至少用於初始WiFi配置）

5V電源（我建議使用2.5A電源，因為Movidius NCS是電源）

如果沒有帶有Raspbian Stretch新燒傷的microSD，可以在這裡下載。建議完整安裝：

https://www.raspberrypi.org/downloads/raspbian/ 

 

圖3：OpenBuop和Raspberry Pi上的Movidius需要Raspbian Stretch作業系統。

 

從那裡，使用Etcher（或合適的替代品）來刷卡。

準備好後，將microSD卡插入Raspberry Pi並啟動它。

輸入WiFi憑據並啟用SSH，VNC和相機界面。

從這裡需要以下之一：

 

通過SSH完成本教程的大部分內容，但只要可以訪問終端，就可以輕鬆跟進。

 

不能SSH？如果您在網絡上看到了Pi，但無法使用它，則可能需要啟用SSH。這可以通過Raspberry Pi桌面首選項菜單或使用raspi - config 命令輕鬆完成 。

 

更改設置並重新啟動後，可以使用localhost地址直接在Pi上測試SSH。

 

打開終端並鍵入 ssh pi @ 127.0.0.1 以查看它是否正常工作。要從另一臺計算機進行SSH，需要Pi的IP位址 - 可以通過查看路由器的客戶端頁面或運行ifconfig   來確定IP位址，以確定Pi本身的IP。

 

Raspberry Pi鍵盤布局是否會給您帶來問題？轉到Raspberry Pi桌面首選項菜單，更改鍵盤布局。使用標準的美式鍵盤布局，但需要選擇適合您的布局。

 

步驟＃0：在Raspberry Pi上擴展文件系統

要啟動OpenVINO派對，請啟動Raspberry Pi並打開SSH連接（或者使用帶鍵盤+滑鼠的Raspbian桌面並啟動終端）。

 

如果剛剛刷過Raspbian Stretch，建議首先檢查以確保文件系統使用microSD卡上的所有可用空間。

 

要檢查您的磁碟空間使用情況執行 DF - ^ h  在終端命令並檢查輸出：

$ df -hFilesystem      Size  Used Avail Use% Mounted on/dev/root        30G  4.2G   24G  15% /devtmpfs        434M     0  434M   0% /devtmpfs           438M     0  438M   0% /dev/shmtmpfs           438M   12M  427M   3% /runtmpfs           5.0M  4.0K  5.0M   1% /run/locktmpfs           438M     0  438M   0% /sys/fs/cgroup/dev/mmcblk0p1   42M   21M   21M  51% /boottmpfs            88M     0   88M   0% /run/user/1000
Raspbian文件系統已自動擴展為包含所有32GB的micro-SD卡。這表示大小為30GB（接近32GB），有24GB可用（15％使用率）。
 
如果發現自己沒有使用整個存儲卡容量，可以在下面找到有關如何擴展文件系統的說明。
 
在終端中打開Raspberry Pi配置：
然後選擇「高級選項」菜單項：
 
圖4：raspi-config在安裝OpenVINO和OpenCV之前，從菜單中選擇「高級選項」 以擴展Raspberry Pi上的Raspbian文件系統非常重要。接下來實際上將擴展文件系統。
 
然後選擇「擴展文件系統」：
 
圖5：Raspberry Pi「擴展文件系統」菜單允許利用整個快閃記憶體卡。這將提供安裝OpenVINO，OpenCV和其他軟體包所需的空間。
 
提示後，應該選擇第一個選項「A1。「展開文件系統」，按鍵盤上的Enter鍵，向下箭頭按下「<完成>」按鈕，然後重新啟動Pi - 系統將提示您重新啟動。或者可以從終端重新啟動：
一定要運行 DF - ^ h  再次命令來檢查文件系統擴展。
 
步驟1：回收Raspberry Pi上的空間
在Raspberry Pi上獲得更多空間的一個簡單方法是刪除LibreOffice和Wolfram引擎以釋放Pi上的一些空間：
$ sudo apt-get purge wolfram-engine$ sudo apt-get purge libreoffice*$ sudo apt-get clean$ sudo apt-get autoremove
刪除Wolfram Engine和LibreOffice後，可以回收近1GB！
 
步驟3：在Raspberry Pi上安裝OpenVINO + OpenCV依賴項
此步驟顯示了在每個OpenCV系統上安裝的一些依賴項。雖然很快就會看到OpenVINO已經編譯完畢，但建議繼續安裝這些軟體包，以防最終在任何時候從頭開始編譯OpenCV。
 
更新系統：
$ sudo apt-get update && sudo apt-get upgrade
 
然後安裝包括CMake在內的開發人員工具：
$ sudo apt-get install build-essential cmake unzip pkg-config
接下來是時候安裝一個選擇圖像和視頻庫的-這是關鍵，以能夠與圖像和視頻文件的工作：
$ sudo apt-get install libjpeg-dev libpng-dev libtiff-dev$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev$ sudo apt-get install libxvidcore-dev libx264-dev
 
從那裡安裝GTK，GUI後端：
$ sudo apt-get install libgtk-3-dev
現在安裝一個可能有助於減少GTK警告的軟體包：
$ sudo apt-get install libcanberra-gtk*
星號確保將獲取特定於ARM的GTK。這是必需的。
 
現在需要兩個包含OpenCV數值優化的包：
$ sudo apt-get install libatlas-base-dev gfortran
最後安裝Python 3開發頭文件：
$ sudo apt-get install python3-dev
安裝完所有這些先決條件後，可以繼續執行下一步。
 
步驟＃4：為您的Raspberry Pi下載並解壓縮OpenVINO
 
圖6：下載並安裝用於Raspberry Pi和Movidius計算機視覺應用程式的OpenVINO工具包（來源：英特爾的OpenVINO產品簡介）。
 
從此處開始，安裝說明主要基於英特爾的Raspberry Pi OpenVINO指南。有一些「陷阱」，這就是為什麼決定寫一個指南。還將使用PyImageSearch讀者所期望的虛擬環境。
 
下一步是下載OpenVINO。
 
導航到主文件夾並創建一個新目錄
$ cd ~$ mkdir openvino$ cd openvino
從那裡開始，獲取用於Raspberry Pi下載的OpenVINO工具包。可以嘗試wget，只要注意後續代碼塊中提到的問題：
$ wget http://download.01.org/openvinotoolkit/2018_R5/packages/l_openvino_toolkit_ie_p_2018.5.445.tgz
此時，通過反覆試驗，發現 wget 實際上只抓取了一個HTML文件，這似乎是英特爾下載站點上一個非常奇怪的伺服器錯誤。
 
使用此命令確保實際擁有tar文件：
$ file l_openvino_toolkit_ie_p_2018.5.445.tgz l_openvino_toolkit_ie_p_2018.5.445.tgz: HTML document text, UTF-8 Unicode text, with very long lines l_openvino_toolkit_ie_p_2018.5.445.tgz: gzip compressed data, was "l_openvino_toolkit_ie_p_2018.5.445.tar", last modified: Wed Dec 19 12:49:53 2018, max compression, from FAT filesystem (MS-DOS, OS/2, NT)
如果輸出與突出顯示的「良好輸出」匹配，則可以安全地繼續提取存檔。否則，請刪除該文件，然後重試。
 
成功下載OpenVINO工具包後，可以使用以下命令取消歸檔：
$ tar -xf l_openvino_toolkit_ie_p_2018.5.445.tgz
解壓縮歸檔的結果是一個名為inference_engine_vpu_arm的文件夾  。
 
步驟＃5：在Raspberry Pi上配置OpenVINO
用OpenVINO目錄的絕對路徑修改setupvars .sh腳本  。
 
為此將使用nano終端文本文件編輯器：
$ nano openvino/inference_engine_vpu_arm/bin/setupvars.sh
該文件將如下所示：
 
圖5：Intel OpenVINO setupvars.sh文件要求在Raspberry Pi上插入OpenVINO安裝目錄的路徑。
 
需要使用以下內容替換 < INSTALLDIR >：
/ home / pi / openvino / inference_engine_vpu_arm
它現在看起來應該是這樣的：
 
圖8：setupvars.sh Raspberry Pi上的OpenVINO的安裝目錄已經更新。
 
要保存文件，請按「ctrl + o，輸入」，然後按 「ctrl + x 」退出。
 
從那裡開始，再次使用 nano來編輯 〜/ .bashrc  。每次調用Pi終端時，都會添加一行來加載OpenVINO的setupvars .sh。繼續打開文件：
滾動到底部並添加以下行：
source ~/openvino/inference_engine_vpu_arm/bin/setupvars.sh
現在像之前一樣保存並退出nano。
 
然後繼續採購 〜/ .bashrc中的文件：
步驟＃6：在Raspberry Pi上為Movidius NCS和OpenVINO配置USB規則
OpenVINO要求設置自定義USB規則。
 
首先，輸入以下命令將當前用戶添加到Raspbian「users」組：
$ sudo usermod -a -G users "$(whoami)"
然後註銷並重新登錄。如果您使用的是SSH，則可以鍵入exit  ，然後重新建立SSH連接。現在通過sudo reboot重新啟動也是一個選項。
 
返回終端後，運行以下腳本來設置USB規則：
$ cd ~$ sh openvino/inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh
步驟＃7：在Raspberry Pi上創建一個OpenVINO虛擬環境
抓住並安裝一個Python包管理器pip。
要安裝pip，只需在終端中輸入以下內容：
$ wget https://bootstrap.pypa.io/get-pip.py$ sudo python3 get-pip.py
將利用OpenCV和OpenVINO利用虛擬環境進行Python開發。
 
虛擬環境允許在系統上獨立運行獨立的隔離Python環境。今天將只設置一個環境，可以輕鬆地為每個項目創建一個環境。
 
繼續安裝 virtualenv 和virtualenvwrapper吧 - 它們允許Python虛擬環境：
$ sudo pip install virtualenv virtualenvwrapper$ sudo rm -rf ~/get-pip.py ~/.cache/pip
要完成這些工具的安裝，需要再次更新  〜/ .bashrc ：
然後添加以下行：
export WORKON_HOME=$HOME/.virtualenvsexport VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3source /usr/local/bin/virtualenvwrapper.sh
圖9：Raspberry Pi ~/.bashrc配置文件已更新，以適應OpenVINO和virtualenvwrapper。現在將能夠為Python包創建一個虛擬環境。
 
或者可以通過bash命令直接追加行：
$ echo -e "\n# virtualenv and virtualenvwrapper" >> ~/.bashrc$ echo "export WORKON_HOME=$HOME/.virtualenvs" >> ~/.bashrc$ echo "export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3" >> ~/.bashrc$ echo "source /usr/local/bin/virtualenvwrapper.sh" >> ~/.bashrc
接下來，獲取〜/ .bashrc 配置文件：
現在創建一個虛擬環境來保存OpenVINO，OpenCV和相關的包：
$ mkvirtualenv openvino -p python3
此命令只是創建一個名為openvino的Python 3虛擬環境。
可以為喜歡的環境命名。
 
通過查看bash提示來驗證我們是否處於openvino環境中。它應該在提示的開頭顯示 （openvino ），如圖所示：
 
如果虛擬環境不活動，只需使用 workon 命令：
圖10：該workon openvino命令激活我們的OpenVINO Python 3虛擬環境。現在準備安裝Python軟體包並使用Movidius和Raspberry Pi運行計算機視覺代碼。
 
步驟＃8：將軟體包安裝到OpenVINO環境中
安裝今天演示腳本所需的一些軟體包
$ workon openvino$ pip install numpy$ pip install "picamera[array]"$ pip install imutils
現在已經在openvino虛擬環境中安裝了這些軟體包，它們只能在openvino環境中使用。這是在OpenVINO項目上工作的隔離區域。
 
可以使用pip通過requirements.txt文件安裝Caffe，TensorFlow和mxnet的附加軟體包。
 
步驟＃6：將OpenVINO的OpenCV連結到Python 3虛擬環境
OpenCV已準備好進入虛擬環境之外。但這是使用系統環境的不良做法。將OpenVIN的OpenVIN版本連結到Python虛擬環境中，這樣就可以輕鬆獲得今天的演示。
 
在這裡將創建一個「符號連結」。符號連結在系統上的兩個位置之間創建一個特殊的連結（在例子中，它是一個.so 文件 - 將sym-link視為指向另一個文件的「快捷方式」。
 
運行命令時會注意到導航到連結的目標，並創建sym-link回到文件實際存在的位置。
 
很難找到OpenVINO的OpenCV .so文件，所以使用了find 命令：
$ find / -name "cv2*.so".../home/pi/openvino/inference_engine_vpu_arm/python/python3.5/cv2.cpython-35m-arm-linux-gnueabihf.so
不得不滾動一堆輸出來查找OpenCV二進位文件路徑。因此省略了上面不需要的輸出。
 
由於使用的是Python 3，因此請確保複製Python 3.5路徑而不是Python 2.7路徑。
 
通過剪貼板中的路徑，創建sym-link到openvino虛擬環境 站點- packages  ：
$ cd ~/.virtualenvs/openvino/lib/python3.5/site-packages/$ ln -s /home/pi/openvino/inference_engine_vpu_arm/python/python3.5/cv2.cpython-35m-arm-linux-gnueabihf.so cv2.so$ cd ~
注意第二行包裹特別長。不能不強調這一步 - 這一步至關重要。如果不創建符號連結，則無法在OpenVINO Python腳本中導入OpenCV。另外請確保上述命令中的路徑和文件名對於Raspberry Pi是正確的。建議制表完成。
 
步驟＃7：在Raspberry Pi上測試OpenVINO安裝
在嘗試OpenVINO示例之前，做一個快速的健全性測試，看看OpenCV是否準備就緒。
 
打開終端並執行以下操作：
$ workon openvino$ python>>> import cv2>>> cv2.__version__'4.0.1-openvino'>>> exit()
第一個命令激活OpenVINO虛擬環境。從那裡在環境中啟動Python 3二進位文件並導入OpenCV。
 
OpenCV的版本表明它是OpenVINO優化安裝！
 
使用Raspberry Pi和OpenVINO進行實時對象檢測
安裝OpenVINO非常簡單，甚至不需要編譯OpenCV。英特爾團隊做得很好！
 
現在使用OpenVINO讓Movidius神經計算棒工作。
 
為了比較將運行帶有和不帶 Movidius 的MobileNet SSD物體探測器來測試FPS。將這些值與之前使用Movidius NCS APIv1的結果進行比較。
項目結構
繼續抓住博客文章的「原始碼下載」。
 
解壓縮zip後，可以使用tree 命令檢查項目目錄：
$ tree.├── MobileNetSSD_deploy.caffemodel├── MobileNetSSD_deploy.prototxt├── openvino_real_time_object_detection.py└── real_time_object_detection.py 0 directories, 3 files
MobileNet SSD對象檢測器文件包括.caffemodel和.prototxt.txt文件。這些是預訓練的。
使用OpenVINO，Movidius NCS和Raspberry Pi進行實時對象檢測
為了展示OpenVINO在帶有Movidius的Raspberry Pi上的強大功能，將進行實時深度學習對象檢測。
 
Movidius / Myriad協處理器將執行實際的深度學習推理，減少Pi的CPU負載。
 
仍然會使用Raspberry Pi CPU來處理結果並告訴Movidius該做什麼，正在為Myriad保留深度學習推理，因為它的硬體已經過優化並專為深度學習推理而設計。
 
今天只添加一行執行計算的代碼（以及注釋+空白行）。這使得新的總數達到103行代碼， 而不使用以前的複雜Movidius APIv1（215行代碼）。
https://www.pyimagesearch.com/2018/02/19/real-time-object-detection-on-the-raspberry-pi-with-the-movidius-ncs/ 
通過OpenCV和Movidius了解OpenVINO API所需的變化。
繼續打開一個名為openvino_real_time_object_detection.py的文件並插入以下行，密切關注33-35行：
from imutils.video import VideoStreamfrom imutils.video import FPSimport numpy as npimport argparseimport imutilsimport timeimport cv2 ap = argparse.ArgumentParser()ap.add_argument("-p", "--prototxt", required=True,help="path to Caffe 'deploy' prototxt file")ap.add_argument("-m", "--model", required=True,help="path to Caffe pre-trained model")ap.add_argument("-c", "--confidence", type=float, default=0.2,help="minimum probability to filter weak detections")ap.add_argument("-u", "--movidius", type=bool, default=0,help="boolean indicating if the Movidius should be used")args = vars(ap.parse_args()) CLASSES = ["background", "aeroplane", "bicycle", "bird", "boat","bottle", "bus", "car", "cat", "chair", "cow", "diningtable","dog", "horse", "motorbike", "person", "pottedplant", "sheep","sofa", "train", "tvmonitor"]COLORS = np.random.uniform(0, 255, size=(len(CLASSES), 3)) print("[INFO] loading model...")net = cv2.dnn.readNetFromCaffe(args["prototxt"], args["model"]) net.setPreferableTarget(cv2.dnn.DNN_TARGET_MYRIAD) print("[INFO] starting video stream...")vs = VideoStream(usePiCamera=True).start()time.sleep(2.0)fps = FPS().start() while True:frame = vs.read()frame = imutils.resize(frame, width=400) (h, w) = frame.shape[:2]blob = cv2.dnn.blobFromImage(frame, 0.007843, (300, 300), 127.5) net.setInput(blob)detections = net.forward() for i in np.arange(0, detections.shape[2]):confidence = detections[0, 0, i, 2] if confidence > args["confidence"]:idx = int(detections[0, 0, i, 1])box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])(startX, startY, endX, endY) = box.astype("int") label = "{}: {:.2f}%".format(CLASSES[idx],confidence * 100)cv2.rectangle(frame, (startX, startY), (endX, endY),COLORS[idx], 2)y = startY - 15 if startY - 15 > 15 else startY + 15cv2.putText(frame, label, (startX, y),cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2) cv2.imshow("Frame", frame)key = cv2.waitKey(1) & 0xFF if key == ord("q"):break fps.update() fps.stop()print("[INFO] elasped time: {:.2f}".format(fps.elapsed()))print("[INFO] approx. FPS: {:.2f}".format(fps.fps())) cv2.destroyAllWindows()vs.stop()
第33-35行是新的。
 
在第35行，告訴OpenCV的DNN模塊使用net來使用Myriad協處理器。setPreferableTarget （CV2 。DNN 。DNN_TARGET_MYRIAD ）。
 
Myriad處理器內置於Movidius神經計算棒中。如果在具有嵌入式Myriad晶片的設備上運行OpenVINO + OpenCV（即沒有龐大的USB記憶棒），則可以使用相同的方法。
 
OpenVINO對象檢測結果
 
圖11：使用OpenVINO，OpenCV和Raspberry Pi進行對象檢測。
 
要運行今天的腳本，首您需要獲取與此帖相關的「原始碼下載」。
 
解壓縮zip並導航到目錄。
 
要使用OpenVINO執行對象檢測，只需執行以下命令：
$ python openvino_real_time_object_detection.py--prototxt MobileNetSSD_deploy.prototxt \--model MobileNetSSD_deploy.caffemodel[INFO] loading model...[INFO] starting video stream...[INFO] elasped time: 55.35[INFO] approx. FPS: 8.31
在大約一分鐘內達到8.31FPS。
 
使用MobileNet SSD收集了其他結果，如下表所示：
 
圖12：使用OpenVINO的MobileNet SSD深度學習對象檢測器與Movidius神經計算棒的基準比較。
 
OpenVINO和Movidius NCS 2是非常快的，一個巨大的以前版本的加速。
 
令人驚訝的是，與僅使用RPi 3B + CPU（沒有Movidius協處理器）相比，結果大於8倍。
 
最右邊的兩列（淺藍色列3和4）顯示了NCS1和NCS2之間的OpenVINO比較。
 
請注意，第二列統計信息是使用RPi 3B（而不是3B +）。它是在2018年2月使用之前的API和以前的RPi硬體拍攝的。
 
故障排除和常見問題（FAQ）
 
問：如何將作業系統快閃記憶體到我的Raspberry Pi存儲卡上？
答：我建議你：
問：我可以使用Python 2.7嗎？
答：我不建議使用Python 2.7，因為它快速接近其使用壽命。Python 3現在是標準。我還沒有用Python 2.7測試過OpenVINO。但如果你堅持.
以下是如何使用Python 2.7啟動和運行：
$ sudo apt-get install python2.7 python2.7-dev
然後，在步驟＃4中創建虛擬環境之前  ，首先安裝Python 2.7的pip：
$ sudo python2.7 get-pip.py
同樣在步驟＃4中：當您創建虛擬環境時，只需使用相關的Python版本標誌：
$ mkvirtualenv openvino_py27 -p python2.7
從那裡一切都應該是一樣的。
 
問：為什麼我不能只是apt-get安裝OpenCV並且支持OpenVINO？
A. 避免這種「解決方案」不惜一切代價，即使它可能工作。首先，這種方法可能不會安裝OpenVINO，直到它更受歡迎。其次，apt-get對虛擬環境不起作用，你無法控制你的編譯和構建。
 
問：mkvirtualenv 和workon 命令產生「命令未找到錯誤」。我不知道下一步該做什麼。
答：有很多原因導致您看到此錯誤消息，所有這些都來自第4步：
首先，確保使用pip包管理器正確安裝了virtualenv  和virtualenvwrapper。通過運行pip 凍結驗證並確保您看到virtualenv和virtualenvwrapper都在已安裝的軟體包列表中。你的 〜/ .bashrc   文件可能有錯誤。檢查〜/的內容 .bashrc中文件以查看適當的 \出口和源命令是本（檢查步驟＃4  為應被附加到命令 〜/ .bashrc中  ）。
您可能忘記源的 〜/ .bashrc中  。確保你運行source ~ / 。編輯後的bashrc以確保您可以訪問 mkvirtualenv  和 workon   命令。
問：當我打開新終端，註銷或重新啟動我的Raspberry Pi時，我無法執行 mkvirtualenv   或 workon   命令。
答：如果你在Raspbian桌面上，可能會發生這種情況。由於某種原因，啟動終端時加載的默認配置文件不會提供 〜/ 。bashrc   文件。請參閱上 一個問題中的＃2。通過SSH，您可能不會遇到這種情況。
 
問：當我嘗試導入OpenCV時，遇到以下消息：導入錯誤：沒有名為cv2的模塊  。
答：有 幾個原因可能會發生，不幸的是，很難診斷出來。我建議以下建議來幫助診斷和解決錯誤：
 
使用workon openvino 命令確保您的openvino虛擬環境處於活動狀態 。如果此命令出現錯誤，請驗證 virtualenv   和 virtualenvwrapper   是否已正確安裝。
嘗試調查openvino虛擬環境中site - packages   目錄 的內容 。你可以在〜/找到 site - packages目錄 。virtualenvs / openvino / lib / python3 。5 / site - packages /  。確保（1）site - packages   目錄中有一個 cv2   sym-link  目錄，（2）它是sym-linked正確的。
請務必找到步驟＃6中演示的 cv2 * .so文件。
結論
今天了解了英特爾的OpenVINO工具包，以及它如何用於提高Raspberry Pi的深度學習推理速度。還學習了如何安裝OpenVINO工具包，包括Raspberry Pi上OpenVINO優化版本的OpenCV。然後運行了一個簡單的MobileNet SSD深度學習對象檢測模型。它只需要一行代碼就可以將目標設備設置為Movidius棒上的Myriad處理器。還證明了Movidius NCS + OpenVINO非常快，在Raspberry Pi的CPU上顯著優於對象檢測速度。
推薦閱讀
OpenCV和Tensorflow 實現機器人沿著人行道移動
《深度學習之TensorFlow：入門、原理與進階實戰》和《Python帶我起飛——入門、進階、商業實戰》兩本圖書是代碼醫生團隊精心編著的 AI入門與提高的精品圖書。配套資源豐富：配套視頻、QQ讀者群、實例源碼、 配套論壇：http://bbs.aianaconda.com 。更多請見：https://www.aianaconda.com
點擊「閱讀原文」進入大蛇智能鑑黃世界