Jetson TX1开发笔记(四)：使用Caffe对摄像机视频流中的目标进行识别
版权声明：本文为博主原创文章，未经博主允许不得转载。个人网站：http://cuijiahua.com。 https://cloud.tencent.com/developer/article/1433813
转载请注明作者和出处：http://blog.csdn.net/c406495762
嵌入式平台(Target)： Jeston TX1
一、前言
安装好Jetpack3.0中所有的组件之后，TX1的/home目录中出现一个tegra\_multimedia\_api文件夹，这个文件夹包含了许多多媒体API实例。在~/tegra\_multimedia\_api/samples/11\_camera\_object\_identification目录中，我们可以找到REAME文件，这个文件就是教我们如何运行这个摄像机目标识别实例的。二、搭建Caffe环境
1.使用如下指令安装依赖包
sudo apt-get install libboost-all-dev libprotobuf-dev libleveldb-dev libsnappy-dev
sudo apt-get install libhdf5-serial-dev protobuf-compiler libgflags-dev libgoogle-glog-dev
sudo apt-get install liblmdb-dev libblas-dev libatlas-base-dev python-numpy python-skimage python-pip python-opencv
sudo pip install protobuf2.使用如下方法下载Caffe源码
下载url:https://github.com/BVLC/caffe
点击下图所示的Download ZIP，下载caffe-master.zip
将下载完成的caffe-master.zip拷贝到创建的~/caffe目录下。/your/path/to/caffe-master.zip为你的caffe-master.zip所在的目录。
mkdir ~/caffe
cp /your/path/to/caffe-master.zip ~/caffe
cd ~/caffe
unzip caffe-master3.编译caffe源码
a)拷贝Makefile.config文件
cd ~/caffe/caffe-master
cp Makefile.config.example Makefile.configb)修改Makefile.config文件
取消USE\_CUDNN := 1的注释；(去掉前面的”#”符号)修改以下两行内容，保存并退出(wq)：INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu/hdf5/serialc)编译
make all -j4
make runtest -j4
make pycaffe -j4在make runtest的时候，时间有些久，需要耐心等待：三、编译本例程需要使用的OpenCV
1.使用如下指令进入编译文件夹
cd ~/tegra_multimedia_api/samples/11_camera_object_identification/opencv_consumer_lib2.检查Makefile，确保以下两行的内容正确
CUDA_DIR:=/usr/local/cuda
CAFFE_DIR:=$HOME/caffe/caffe-master3.编译
make -j4四、下载训练好的Caffe模型
1.使用如下指令下载模型
sudo pip install pyyaml
cd ~/caffe/caffe-master
./scripts/download_model_binary.py models/bvlc_reference_caffenet/2.使用如下指令获取ImageNet标签文件
./data/ilsvrc12/get_ilsvrc_aux.sh五、编译并运行实例
1.使用如下指令添加环境变量
sudo vim ~/.bashrc在~/.bashrc最后一行如下内容，保存并退出(wq)：export TEGRA_ARMABI=aarch64-linux-gnu
export DISPLAY=:0
export LD_LIBRARY_PATH=$HOME/caffe/caffe-master/build/lib:/usr/local/cuda/lib64然后使用指令如下：source ~/.bashrc2.编译Caffe目标识别实例
cd ~/tegra_multimedia_api/samples/11_camera_object_identification
make -j43.使用如下指令运行实例
cd ~/tegra_multimedia_api/samples/11_camera_object_identification && ./camera_caffe -width 1920 -height 1080 \
-lib opencv_consumer_lib/libopencv_consumer.so \
-model $HOME/caffe/caffe-master/models/bvlc_reference_caffenet/deploy.prototxt \
-trained $HOME/caffe/caffe-master/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \
-mean $HOME/caffe/caffe-master/data/ilsvrc12/imagenet_mean.binaryproto \
-label $HOME/caffe/caffe-master/data/ilsvrc12/synset_words.txt六、运行结果
TX1运行结果如下图所示，可以看到：帧率为20，识别结果在FPS下方显示：概率 - 类别(PS：原谅我倒置的摄像头)举报
腾讯云开发者
