嵌入式Ubuntu 搭建caffee环境

1.首先登录caffee官网， 转到github，点击Installation instructions， 选择ubuntu环境

2.小机使用的是ubuntu16.04， 所以按照指令搭建

3.首先安装如下安装包：

sudo apt-get install 

libprotobuf-dev 

libleveldb-dev 

libsnappy-dev 

libopencv-dev 

libhdf5-serial-dev 

protobuf-compiler

libgflags-dev

libgoogle-glog-dev

liblmdb-dev

sudo apt-get install --no-install-recommends libboost-all-dev

blas库要使用开源openblas在小机中自己编译, 库地址https://github.com/xianyi/OpenBLAS/tree/v0.2.18.

小机编译时最多指定两个线程运行, 所以使用make NUM_THREADS=2 这条指令进行编译.(多线程=6会导致性能下降)

安装到／usr目录下 sudo make install PREFIX=/usr

4.下载 caffe git仓库到小机

5.在caffe目录下， 修改CMakeLists文件中cude 为关闭， 增加C++编译选项CMAKE-CXX-FLAGS中增加-std=gnu++11

if(UNIX OR APPLE)
  set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -fPIC -Wall -std=gnu++11")
endif()

5.1 这里修改caffe/cmake/Dependencies.cmake文件, 将其中默认的Atlas库改为openblas库

具体修改110行 set(BLAS "Atlas" CACHE STRING "Selected BLAS library")  改为set(BLAS "Open" CACHE STRING "Selected BLAS library")

6.在caffe目录下简历build文件夹， 进入build文件夹， 执行：cmake .. 然后执行make

----------------------------------------------------------分割线---------------------------------------------------------------------------------------

以上是caffe的原生编译, 下面添加dlib中编译的人脸识别数据库来编译人脸识别文件.

在caffe/examples中, 修改Cmakelists文件.

添加人脸识别和dlib库路径:

link_directories("dlib中人脸识别库路径") //LINK_DIRECTORIES("/home/czy/dlib-19.4/examples/build")

link_directories("dlib中dlib路径") //LINK_DIRECTORIES("/home/orbita/dlib-19.4/examples/build/dlib_build")

target_link_libraries("人脸识别库名 dlib库名")// target_link_libraries(${name} ${Caffe_LINK} libmyfacedetect.a libdlib.a)

然后, 添加人脸识别文件到cpp_classification中,(这里借用一个现有文件夹做工程目录)

1修改人脸识别源文件中对人脸识别模型的引用绝对路径

//初始化
int   InitFace()
{




        InitialFaceObject();
        char path[]="/home/czy/caffe/examples/cpp_classification/";


        char szFileName1[256];
        char szFileName2[256];


        sprintf(szFileName1, "%sdata/poya.prot", path);
        sprintf(szFileName2, "%sdata/poya.dat", path);
 


        _net = Net_Init_Load<NetF>(szFileName1,
                szFileName2, caffe::TEST);
                    
        m_layer_ = (caffe::MemoryDataLayer<NetF> *)_net->layers()[0].get();//**定义个内存数据层指针
    
        return 0;

}

2.

删除windows和x86的头文件

添加arm体系结构相关头文件<arm_neon.h>

3.删除x86相关头文件

4.修改simd函数指令

这里讲simd_dot指令贴出

float simd_dot(const float* x, const float* y, const long& len) {    float inner_prod=0.0f;    float32x4_t X,Y,Z;// 128-bit values    float32x4_t acc=vdupq_n_f32(0.0f);//set to (0, 0, 0, 0)    long i;    for (i = 0; i + 4 < len; i += 4) {        X = vld1q_f32(x + i);// load chunk of 4 floats        Y = vld1q_f32(y + i);         Z = vmulq_f32(X, Y);         acc = vaddq_f32(acc, Z);     }       inner_prod=vgetq_lane_f32(acc, 0)+vgetq_lane_f32(acc, 1)+vgetq_lane_f32(acc, 2) +vgetq_lane_f32(acc, 3);     for (; i < len; ++i) {        inner_prod += x[i] * y[i];    }       return inner_prod;}

这段代码也是我在网上找到的, 帮助我很大忙, 十分感谢原作者

ps:人脸识别算法需要包含dlib中人脸识别库的源文件的头文件, 这个头文件中有一个人脸对其函数和seetaface重名,所以在移植dlib时需要重新命名, 这里头文件也要做相应修改.

重新编译, 人脸识别demo可以在小机上运行

这里附一段基于opencv 摄像头采集图像, 比对结果的代码:

        InitFace();
        std::string path1 = argv[1];
        CheckFile(path1);
        std::vector<float> V1;
        std::vector<float> V2;
        std::vector<unsigned char>buf1;
        std::vector<unsigned char>buf2;
        ReadFileBuf(path1, buf1);
        GetFaceTemplate((vector<char>&) buf1, (vector<char>&) V1);


        cv::VideoCapture gcapture;
        gcapture.open(0);
        if (!gcapture.isOpened()) {
                cout << "fail to open usb camera" << endl;
                return 0;
        }
        cv::Mat gframe;
        while (1) {
                gcapture >> gframe;
                cv::imshow("czy", gframe);
                imencode(".jpg", gframe, buf2);
                GetFaceTemplate((vector<char>&) buf2, (vector<char>&) V2);
                float fCalcSimilarity = CalcSimilarity((float*)V1.data(), (float*)V2.data(), (V2.size()));
                cout << "----------------------"<<endl;
                cout << "CalcSimilarity  :" << fCalcSimilarity << endl;
                cout << endl;
                cv::waitKey(50);
        }

-------------------------------------------------------------------------------------------------分割线----------------------------------------------------------------------------------------------------

将seetaface与现有算法融合做人脸识别.

seetaface作为opencv输入图像人脸图片截取,和opencv视频显示中人脸框取.将截取人脸后的图片, 输入自有算法, 做人脸识别.

1.将seetaface faceidentification/include中头文件复制到caffe/include/seeta中, 修改人脸识别融合文件中头文件相对路径

2.在人脸识别融合文件开始处添加如下宏定义: #define GLOG_NO_ABBREVIATED_SEVERITIES

3.修改融合文件中simd_dot函数, 添加<arm_neon.h>头文件

4.修改模型库所在位置绝对路径

5.修改人脸fea所在路径

6.修改seetaface .bin文件加载路径

修改caffe/example下Cmakelists文件, 添加seetaface三个库文件路径

LINK_DIRECTORIES("SeetaFaceEngine-master-openface/FaceIdentification/build")

target_link_libraries(libseeta_facedet_lib.so libseeta_fa_lib.so libviplnet.so)

到此, 融合完毕