海思移植opencv+人脸检测+速度优化
来源:互联网 发布:淘宝 clarks小公主 编辑:程序博客网 时间:2024/05/21 17:02
文章为9crk大神发表在海思论坛,为了备忘,特转到自己博客。
地址:http://www.ebaina.com/bbs/thread-4858-1-1.html
1.确保ubuntu能上网
2.安装cmake
代码: 全选
sudo apt-get install cmake-gui
3.下载opencv2.4.9 Linux版源码,不要用最新的3.0.0
http://opencv.org/downloads.html
4.解压opencv源码
代码: 全选
unzip opencv-2.4.9.zip
5.创建一个build目录用于编译和一个output目录
用于存放编译完成后的海思平台的opencv:
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/opencv-2.4.9$ ls
3rdparty LICENSE apps data include modules samples
CMakeLists.txt README.md cmake doc index.rst platforms
xlab@xlab-dev:~/zhouhua/opencv/opencv-2.4.9$ cd ..
xlab@xlab-dev:~/zhouhua/opencv$ ls
build opencv-2.4.9 opencv-2.4.9.zip output
xlab@xlab-dev:~/zhouhua/opencv$ mkdir build
xlab@xlab-dev:~/zhouhua/opencv$ mkdir output
6.执行cmake-gui
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/opencv-2.4.9$ cmake-gui
点击Browse Source选择~/zhouhua/opencv/opencv-2.4.9
点击Browse Build选择~/zhouhua/opencv/build
然后点击Configure
此时出现的对话框选择最后一项:Specify options for cross-compiling
下一步
Operating System填写 arm-hisiv100nptl-linux
C填写arm-hisiv100nptl-linux-gcc
C++填写arm-hisiv100nptl-linux-g++
下一步,然后等待Configuration done
然后在出现的列表中修改CMAKE_INSTALL_PREFIX为~/zhouhua/opencv/output
然后点击Generate
等待Generation done
即可关闭cmake软件。
7.进入build目录执行make
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/build$ make
提示出错:
代码: 全选
../../lib/libopencv_core.so: undefined reference to `pthread_once'
../../lib/libopencv_core.so: undefined reference to `pthread_spin_lock'
../../lib/libopencv_core.so: undefined reference to `pthread_spin_unlock'
../../lib/libopencv_core.so: undefined reference to `pthread_spin_init'
../../lib/libopencv_core.so: undefined reference to `pthread_spin_trylock'
../../lib/libopencv_core.so: undefined reference to `pthread_spin_destroy'
修改CMakeCache.txt大约200行处
//Flags used by the linker.
CMAKE_EXE_LINKER_FLAGS:STRING= -lpthread -lrt
继续make
可能出现如下错误
代码: 全选
CMake Error at /home/xlab/zhouhua/opencv/opencv-2.4.9/cmake/cl2cpp.cmake:50 (string):
string does not recognize sub-command MD5
make[2]: *** [modules/ocl/opencl_kernels.cpp] Error 1
make[1]: *** [modules/ocl/CMakeFiles/opencv_ocl.dir/all] Error 2
make: *** [all] Error 2
删除/home/xlab/zhouhua/opencv/opencv-2.4.9/cmake/cl2cpp.cmake的第50行的内容即可。
继续make
完成后执行make install
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/output$ ls
LICENSE bin include lib share
8.得到了include和lib目录就可以编写程序了,来试试最常用的人脸检测吧
编写如下代码
代码: 全选
/***********Author:9crk 2014-12-24*****************************/
#include "cv.h"
#include "highgui.h"
#include "stdio.h"
/******************for time mesurement*************************/
#include <sys/time.h>
struct timeval tpstart,tpend;
unsigned long timeuses;
void timeRec()
{
gettimeofday(&tpstart,0);
}
int timeRep()
{
gettimeofday(&tpend,0);
timeuses=(tpend.tv_sec-tpstart.tv_sec)*1000000+tpend.tv_usec-tpstart.tv_usec;
printf("use time: %uus\n",timeuses);
return timeuses;
}
/********************end**************************************/
int main(int argc, char* argv[])
{
IplImage* img = NULL;
IplImage* cutImg = NULL;
CvMemStorage* storage = cvCreateMemStorage(0);
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*)cvLoad("./haarcascade_frontalface_alt2.xml", 0, 0, 0);
CvSeq* faces;
img = cvLoadImage(argv[1], 0);
timeRec();
faces = cvHaarDetectObjects(img, cascade, storage, 1.2, 2, 0, cvSize(25,25) );
timeRep();
if (faces->total == 0){
printf("no face!\n");
}
cvSetImageROI(img, *((CvRect*)cvGetSeqElem( faces, 0)));
cvSaveImage("face.bmp", img);
cvResetImageROI(img);
printf("face detected! in face.bmp!\n");
}
为了方便,直接将库和头文件拷贝到编译器的目录下去
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/mytest$ sudo cp ../output/lib/* /opt/hisi-linux-nptl/arm-hisiv100-linux/arm-hisiv100-linux-uclibcgnueabi/lib/
xlab@xlab-dev:~/zhouhua/opencv/mytest$sudo cp ../output/include/* /opt/hisi-linux-nptl/arm-hisiv100-linux/arm-hisiv100-linux-uclibcgnueabi/include/ -r
然后编译:(由于版本比较高,用了opencv2的头文件,因此需要额外增加一个-I参数指定头文件目录)
代码: 全选
arm-hisiv100nptl-linux-g++ face.cpp -I/home/xlab/zhouhua/opencv/output/include/opencv -lopencv_highgui -lopencv_core -lopencv_imgproc -lpthread -lrt -lopencv_objdetect -o face
会提示一些warning,不用管。
编译成功,然后拷贝人脸分类器文件过来。
代码: 全选
xlab@xlab-dev:~/zhouhua/opencv/mytest$ cp ../output/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml ./
再找个图片过来,我这里就用lena.jpg了。
然后nfs挂到开发板
到开发板端做软连接库到/lib目录下
代码: 全选
ln -s /mnt/nfs/zhouhua/opencv/output/lib/libopencv_imgproc.so /lib/libopencv_imgproc.so
ln -s /mnt/nfs/zhouhua/opencv/output/lib/libopencv_objdetect.so /lib/libopencv_objdetect.so
ln -s /mnt/nfs/zhouhua/opencv/output/lib/libopencv_highgui.so /lib/libopencv_highgui.so
ln -s /mnt/nfs/zhouhua/opencv/output/lib/libopencv_core.so /lib/libopencv_core.so
然后到face所在的nfs目录去执行即可:
# ./face lena.jpg
use time: 31532724us
face detected! in face.bmp!
由于参数没有优化,用了31秒才找到lena的脸。。
9.速度优化
先修改一下图片长、宽为之前的1/4试试
# ./face lena.jpg
smallImg w=128 h=128
use time: 1179871us
face detected! in face.bmp!
这次用了1.1秒
再修改检测参数
faces = cvHaarDetectObjects(smallImg, cascade, storage, 1.5, 4, 0, cvSize(25,25) );
# ./face lena.jpg
smallImg w=128 h=128
use time: 578169us
face detected! in face.bmp!
这次用了578ms,检测出来的人脸大小是44x44的。
一般的应用应该够了,注意,此测试是在nfs下,如果拷贝到板子,速度会更快,当然,修改参数后的漏检率还需要测试。
下面贴出最后的代码(ps:之前的代码没有释放内存)
/***********Author:9crk 2014-12-24*****************************/
#include "cv.h"
#include "highgui.h"
#include "stdio.h"
/******************for time mesurement*************************/
#include <sys/time.h>
struct timeval tpstart,tpend;
unsigned long timeuses;
void timeRec()
{
gettimeofday(&tpstart,0);
}
int timeRep()
{
gettimeofday(&tpend,0);
timeuses=(tpend.tv_sec-tpstart.tv_sec)*1000000+tpend.tv_usec-tpstart.tv_usec;
printf("use time: %uus\n",timeuses);
return timeuses;
}
/********************end**************************************/
int main(int argc, char* argv[])
{
IplImage* img = NULL;
IplImage* cutImg = NULL;
CvMemStorage* storage = cvCreateMemStorage(0);
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*)cvLoad("./haarcascade_frontalface_alt2.xml", 0, 0, 0);
CvSeq* faces;
//加载图像
img = cvLoadImage(argv[1], 0);
//缩放到1/4大小
IplImage *smallImg = cvCreateImage(cvSize(img->width/4, img->height/4), 8, img->nChannels);
printf("smallImg w=%d h=%d\n", smallImg->width, smallImg->height);
cvResize(img, smallImg);
//检测并计时
timeRec();
faces = cvHaarDetectObjects(smallImg, cascade, storage, 1.5, 4, 0, cvSize(25,25) );
timeRep();
if (faces->total == 0){
printf("no face!\n");
}
//切取出头像
cvSetImageROI(smallImg, *((CvRect*)cvGetSeqElem( faces, 0)));
cvSaveImage("face.bmp", smallImg);
cvResetImageROI(smallImg);
//释放内存
cvReleaseImage(&img);
cvReleaseImage(&smallImg);
printf("face detected! in face.bmp!\n");
}
0 0
- 海思移植opencv+人脸检测+速度优化
- OpenCV人脸检测的速度
- 海思移植opencv+车辆检测
- 海思移植opencv+车辆检测
- mini6410成功移植OPENCV-2.0.0实现人脸检测
- mini6410成功移植OPENCV-2.0.0实现人脸检测
- mini6410成功移植OPENCV-2.0.0实现人脸检测
- 移植OpenCV的AdaBoost人脸检测算法到DM6467
- 移植OpenCV的AdaBoost人脸检测算法到DM6467
- 移植OpenCV的AdaBoost人脸检测算法到DM6467
- mini6410成功移植OPENCV-2.0.0实现人脸检测
- mini6410成功移植OPENCV-2.0.0实现人脸检测
- 移植OpenCV的AdaBoost人脸检测算法到DM6467
- Dlib人脸特征点检测(速度优化)
- Dlib人脸特征点检测(速度优化)
- opencv 检测人脸
- opencv检测人脸
- 人脸检测 opencv
- Repeater 双向排序
- memcache模拟
- 自学MVC看这里——全网最全ASP.NET MVC 教程汇总
- 飞思卡尔IMX6处理器的GPIO配置方式
- Oracle 10g的安装步骤和注意事项
- 海思移植opencv+人脸检测+速度优化
- Java中List、Set、Map区别--小记
- Linux中read接收用户输入
- 把在程序中的System.out.print()的信息自动转成log4j日志信息
- JavaScript 读取XML文件进行广告播放
- 《图像处理》Part1 YUV4:2:2toYUV4:2:0、YUV420toYUV422、YUV422toRGB24、YUV420toRGB24算法
- Android APK打包流程详解
- OPENWRT入门之四------openwrt命令行模式命令及其工具
- Android:控件WebView显示网页