Обнаружение лица (Raspberry Pi2)

В этом примере показано, как использовать Coder™ MATLAB ® для генерации кода С из файла MATLAB и развертывания приложения на целевом устройстве ARM.

Пример считывает видеокадры с веб-камеры и обнаруживает лица в каждом из систем координат с помощью алгоритма обнаружения лица Виолы-Джонса. Обнаруженные грани отображаются с ограничивающими рамками. Функция веб-камеры от 'MATLAB Support Package for USB Webcams' и объект VideoPlayer от toolbox™ Компьютерное Зрение System используются для симуляции на хосте MATLAB. Две функции не поддерживают ARM-цель, поэтому для развертывания используются функции webcam reader и средство просмотра на основе OpenCV.

Целевой объект должен иметь библиотеки OpenCV версии 3.4.0 (созданные с использованием GTK) и стандартный компилятор C++. Для развертывания использовался Raspberry Pi 2 с операционной системой Raspbian Stretch. Пример должен работать с любой ARM-мишенью.

Для этого примера требуется лицензия MATLAB Coder.

Этот пример является функцией с основным телом в верхней части и стандартными программами в форме Вложенных функций ниже.

function FaceDetectionARMCodeGenerationExample()

Настройте компилятор C++

Чтобы запустить этот пример, вы должны иметь доступ к компилятору C++, и вы должны сконфигурировать его с помощью команды 'mex -setup c++'. Для получения дополнительной информации смотрите Выбор компилятора C++.

Выключите вычислительную часть алгоритма в отдельную функцию MATLAB

MATLAB Coder требует, чтобы код MATLAB был в форме функции, порядка для генерации Кода С. Код для основного алгоритма этого примера находится в функции, называемой faceDetectionARMKernel.m. Функция берет изображение с веб-камеры, как вход. Функция выводит изображение с ограничивающим прямоугольником вокруг обнаруженных граней. Выходное изображение будет отображаться в окне средства просмотра видео. Чтобы узнать, как изменить код MATLAB, чтобы сделать его совместимым для генерации кода, можно посмотреть пример Введение в генерацию кода с сопоставлением функций и регистрацией.

fileName = 'faceDetectionARMKernel.m';

Создайте основную функцию с функциями ввода-вывода

Для независимого исполняемого файла цели MATLAB Coder требует, чтобы вы создали файл на C, содержащий функцию с именем «main». Этот пример использует файл faceDetectionARMMain.c. Эта основная функция в этом файле выполняет следующие задачи:

  • Считывает видеокадры с веб-камеры

  • Отправляет видеокадры в алгоритм обнаружения лиц

  • Отображает выходные системы координат, содержащие ограничительные рамки вокруг обнаруженных граней

Для симуляции на хосте MATLAB задачи, выполняемые в файле face Detection ARMM ain.c, реализованы в face Detection ARMM ain.m

Webcam Reader и Video Viewer

Для развертывания на ARM в этом примере реализована функциональность webcam reader с помощью функций OpenCV. Также реализуется средство просмотра видео с использованием функций OpenCV. Эти служебные функции на основе OpenCV реализованы в следующих файлах:

  • helperOpenCVWebcam.hpp

  • helperOpenCVWebcam.cpp

  • helperOpenCVVideoViewer.cpp

  • helperOpenCVVideoViewer.hpp

Для симуляции на хосте MATLAB в примере используется функция веб-камеры из 'MATLAB Support Package for USB Webcams' и объект VideoPlayer из тулбокса Компьютерное Зрение System. Запустите симуляцию на хосте MATLAB, набрав faceDetectionARMMain в командной строке MATLAB ®.

OpenCV для ARM Target

Этот пример требует установки библиотек OpenCV 3.4.0 на целевом компьютере ARM. Средство просмотра видео требует, чтобы вы создали библиотеку highqui в OpenCV с GTK для ARM-цели.

Следуйте инструкциям, чтобы загрузить и создать OpenCV 3.4.0 на Raspberry Pi 2 с предустановленным Raspbian Stretch. Перед началом создания OpenCV необходимо обновить прошивку системы или установить другие инструменты и пакеты разработчиков для строения системы.

Отключите INSTALL_C_EXAMPLES из-за: https://github.com/opencv/opencv/issues/5851

Отключите ENABLE_PRECOMPILED_HEADERS из-за: https://github.com/opencv/opencv/issues/9942

  • $ wget -O opencv-3.4.0.zip https://github.com/opencv/opencv/archive/3.4.0.zip

  • $ unzip opencv-3.4.0.zip

  • $ cd opencv-3.4.0

  • $ mkdir сборка

  • $ cd сборка

  • $ cmake-D CMAKE_BUILD_TYPE=RELEASE-D CMAKE_INSTALL_PREFIX =/usr/local-D ИНСТАЛЛ_К_ЕКСЭМПЛЕС=ОФФ-D BUILD_EXAMPLES=ON-D WITH_GTK=ON-D ВИТ_ФФМПЕГ=ОФФ-D ЭНЭБЛЕ_ПРЕКОМПИЛЕД_ХЭДЕРС=ОФФ.

Для компиляции и установки OpenCV выполните следующие шаги:

  • $ make

  • $ sudo сделать установку

Для официального развертывания примера библиотеки OpenCV были установлены в следующей директории на Raspberry Pi 2:

/usr/local/lib

и связанные заголовки были размещены в

/usr/local/include

Сконфигурируйте аргументы генерации кода

Создайте объект строения генерации кода для выхода EXE.

codegenArgs = createCodegenArgs();

Сгенерируйте код

Активируйте команду codegen.

fprintf('-> Generating Code (it may take a few minutes) ....\n');
codegen(codegenArgs{:}, fileName);
% During code generation, all dependent file information is stored in a mat
% file named buildInfo.mat.
-> Generating Code (it may take a few minutes) ....
Code generation successful.

Создайте пакетный ZIP-файл

Используйте сведения о сборке, хранящиеся в buildInfo.mat, чтобы создать zip-папку с помощью packNGo.

fprintf('-> Creating zip folder (it may take a few minutes) ....\n');
bInfo = load(fullfile('codegen','exe','faceDetectionARMKernel','buildInfo.mat'));
packNGo(bInfo.buildInfo, {'packType', 'hierarchical', ...
                          'fileName', 'faceDetectionARMKernel'});
% The generated zip folder is faceDetectionARMKernel.zip
-> Creating zip folder (it may take a few minutes) ....

Создание папки проекта

Распакуйте файл faceDetectionARMKernel.zip в папку с именем FaceDetectionARM. Разархивируйте все файлы и удаляйте zip-файлы.

packngoDir = hUnzipPackageContents();
Warning: Directory already exists. 

Обновление Make-файла и копирование в папку проекта

Make, faceDetectionARMMakefile.mk, представленный в этом примере, написан для Raspberry PI 2 со специфическими флагами оптимизации. Make был написан для работы с GCC в среде Linux и с вашими библиотеками OpenCV, расположенными в/usr/local/lib. Вы можете обновить Make-файл на основе вашего целевого строения. Скопируйте Make-файл в папку проекта.

copyfile('faceDetectionARMMakefile.mk', packngoDir);
% Also move the file containing the main function in the top level folder.
copyfile('faceDetectionARMMain.c', packngoDir);
% For simplicity, make sure the root directory name is matlab.
setRootDirectory(packngoDir);

Развертывание на ARM

Разверните свой проект на ARM:

disp('Follow these steps to deploy your project on ARM');
Follow these steps to deploy your project on ARM

Передайте код к ARM Target

Перенесите папку проекта с именем FaceDetectionARM в целевое устройство ARM с помощью предпочитаемого инструмента передачи файлов. Поскольку Raspberry Pi 2 (с Raspbian Stretch) уже имеет SSH-сервер, можно использовать SFTP для передачи файлов с хоста на целевой.

Для официального развертывания этого примера на хост-машине был установлен клиент FileZilla SFTP и папка проекта была перенесена с хоста в папку/home/pi/FaceDetectionARM на Raspberry Pi.

disp('Step-1: Transfer the folder ''FaceDetectionARM'' to your ARM target');
Step-1: Transfer the folder 'FaceDetectionARM' to your ARM target

Создайте исполняемый файл на ARM

Запустите make-файл, чтобы создать исполняемый файл на ARM. Для Raspberry Pi 2 (с Raspbian Stretch) откройте оболочку linux и cd to/home/pi/FaceDetectionARM. Создайте исполняемый файл с помощью следующей команды:

make -f faceDetectionARMMakefile

Команда создает исполняемый файл, faceDetectionARMKernel.

disp('Step-2: Build the executable on ARM using the shell command: make -f faceDetectionARMMakefile.mk');
Step-2: Build the executable on ARM using the shell command: make -f faceDetectionARMMakefile.mk

Запуск исполняемого файла на ARM

Запустите исполняемый файл, сгенерированный на вышеописанном шаге. Для Raspberry Pi 2 (с Raspbian Stretch) используйте следующую команду в окне интерпретатора:

./faceDetectionARMKernel

Убедитесь, что вы подключены к Raspberry Pi с помощью оконного менеджера, а не только через терминал командной строки, чтобы избежать ошибок, связанных с GTK. Это необходимо для отображения окна отслеживания.

Чтобы закрыть средство просмотра видео во время работы исполняемого файла на Pi2 Raspberry, нажмите на средство просмотра видео и нажмите клавишу escape.

disp('Step-3: Run the executable on ARM using the shell command: ./faceDetectionARMKernel');
Step-3: Run the executable on ARM using the shell command: ./faceDetectionARMKernel

Приложение - Вспомогательные функции

    % Configure coder to create executable. Use packNGo at post code
    % generation stage.
    function codegenArgs = createCodegenArgs()
        % Create arguments required for code generation.

        % First - create configuration object
        %
        % For standalone executable a main C function is required. The
        % faceDetectionARMMain.c created for this example is compatible
        % with the content of the file faceDetectionARMKernel.m
        mainCFile = 'faceDetectionARMMain.c';

        % Include helper functions
        camCPPFile = 'helperOpenCVWebcam.cpp';
        viewerCPPFile = 'helperOpenCVVideoViewer.cpp';

        % Handle path with space
        if contains(mainCFile, ' ')
            mainCFile     = ['"' mainCFile '"'];
            camCPPFile    = ['"' camCPPFile '"'];
            viewerCPPFile = ['"' viewerCPPFile '"'];
        end

        % Create configuration object
        cfg = coder.config('exe');
        cfg.CustomSource       = sprintf('%s\n%s\n%s',mainCFile,camCPPFile,viewerCPPFile);
        cfg.CustomInclude      = pwd;
        % Set production hardware to ARM to generate ARM compatible portable code
        cfg.HardwareImplementation.ProdHWDeviceType = 'ARM Compatible->ARM Cortex';
        cfg.EnableOpenMP       = false;

        % Create input arguments
        inRGB_type = coder.typeof(uint8(0),[480 640 3]);
        % Use '-c' option to generate C code without calling C++ compiler.
        codegenArgs = {'-config', cfg, '-c', '-args', {inRGB_type}};

    end

    % Unzip the packaged zip file
    function packngoDir   = hUnzipPackageContents()

        packngoDirName = 'FaceDetectionARM';

        % create packngo directory
        mkdir(packngoDirName);

        % get the name of the single zip file generated by packngo
        zipFile = dir('*.zip');
        assert(numel(zipFile)==1);

        unzip(zipFile.name,packngoDirName);

        % unzip internal zip files created in hierarchical packNGo
        zipFileInternal = dir(fullfile(packngoDirName,'*.zip'));

        for i=1:numel(zipFileInternal)
            unzip(fullfile(packngoDirName,zipFileInternal(i).name), ...
                packngoDirName);
        end
        % delete internal zip files
        delete(fullfile(packngoDirName,'*.zip'));
        packngoDir = packngoDirName;
    end

    % Set root directory as matlab
    function setRootDirectory(packngoDir)
        dirList = dir(packngoDir);
        if isempty(find(ismember({dirList.name},'matlab'), 1))
            % root directory is not matlab. Change it to matlab
            for i=1:length(dirList)
                thisDir = fullfile(packngoDir,dirList(i).name, 'toolbox', 'vision');
                if isfolder(thisDir)
                    % rename the dir
                    movefile(fullfile(packngoDir,dirList(i).name), ...
                             fullfile(packngoDir,'matlab'));
                    break;
                end
            end
        end
    end
end
Для просмотра документации необходимо авторизоваться на сайте