查看: 70|回复: 1

[平台测评] 【天天向上】OpenVINO学习笔记(五)驾驶室内监控

[复制链接]
【学习准备】Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包,Anaconda 的下载文件比较大(约 531 MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python)。
Conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换
Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等
Miniconda包括Conda、Python


由于在安装完Python3,并在python环境里面导入openvino后,又安装了anaconda,再使用Python时,显现出了anaconda所带的python解释器。之前配置好的Python不能再通过系统直接访问了,除非再将环境变量改回来。如何将原来的python3.7.4加进anaconda中。可参考:https://blog.csdn.net/qq_43529415/article/details/100847887(超详细),按此教程,我已成功完成配置。


【动作识别Python *演示】(Action Recognition Python* Demo)
参考官方文档:https://docs.openvinotoolkit.org/latest/_demos_python_demos_action_recognition_README.html

要运行该演示,可以使用公共模型或预训练模型。要下载经过预训练的模型,请使用OpenVINO 模型下载器或访问https://download.01.org/opencv/

注意:在使用经过训练的模型运行演示之前,请确保使用“ 模型优化器”工具将模型转换为推理引擎格式(* .xml + * .bin)。

驾驶室内监控】

1、cmd.exe进入自己对应的目录C:\Program Files (x86)\IntelSWTools\openvino_2020.2.117\deployment_tools\open_model_zoo\demos\python_demos\action_recognition>

2、输入命令运行:

python action_recognition.py -m_en C:\Users\zlzx\Documents\Intel\intel\driver-action-recognition-adas-0002-encoder\FP16-INT8\driver-action-recognition-adas-0002-encoder.xml     -m_de  C:\Users\zlzx\Documents\Intel\intel\driver-action-recognition-adas-0002-decoder\FP16-INT8\driver-action-recognition-adas-0002-decoder.xml     -i   0   -lb driver_actions.txt
3、参数说明:
usage: action_recognition.py [-h] -i INPUT -m_en M_ENCODER [-m_de M_DECODER]
                             [-l CPU_EXTENSION] [-d DEVICE] [--fps FPS]
                             [-lb LABELS] [--no_show] [-s LABEL_SMOOTHING]
                             [--seq DECODER_SEQ_SIZE]
                             [-u UTILIZATION_MONITORS]

Options:
  -h, --help            Show this help message and exit.
  -i INPUT, --input INPUT
                        Required. Id of the video capturing device to open (to
                        open default camera just pass 0), path to a video or a
                        .txt file with a list of ids or video files (one
                        object per line)
  -m_en M_ENCODER, --m_encoder M_ENCODER
                        Required. Path to encoder model
  -m_de M_DECODER, --m_decoder M_DECODER
                        Optional. Path to decoder model. If not specified,
                        simple averaging of encoder's outputs over a time
                        window is applied
  -l CPU_EXTENSION, --cpu_extension CPU_EXTENSION
                        Optional. For CPU custom layers, if any. Absolute path
                        to a shared library with the kernels implementation.
  -d DEVICE, --device DEVICE
                        Optional. Specify a target device to infer on. CPU,
                        GPU, FPGA, HDDL or MYRIAD is acceptable. The demo will
                        look for a suitable plugin for the device specified.
                        Default value is CPU
  --fps FPS             Optional. FPS for renderer
  -lb LABELS, --labels LABELS
                        Optional. Path to file with label names
  --no_show             Optional. Don't show output
  -s LABEL_SMOOTHING, --smooth LABEL_SMOOTHING
                        Optional. Number of frames used for output label
                        smoothing
  --seq DECODER_SEQ_SIZE
                        Optional. Length of sequence that decoder takes as
                        input
  -u UTILIZATION_MONITORS, --utilization-monitors UTILIZATION_MONITORS
                        Optional. List of monitors to show initially.
【演示视频】

云天  初级技匠
 楼主|

发表于 2020-6-24 08:21:05

activate python37
回复

使用道具 举报

高级模式
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

为本项目制作心愿单
购买心愿单
心愿单 编辑
[[wsData.name]]

硬件清单

  • [[d.name]]
btnicon
我也要做!
点击进入购买页面
上海智位机器人股份有限公司 沪ICP备09038501号-4

© 2013-2020 Comsenz Inc. Powered by Discuz! X3.4 Licensed

mail