基于树莓派4B与Paddle-Lite实现的实时口罩识别.zip

# raspi4B_mask_detection_runtime 基于树莓派4B与Paddle-Lite实现的实时口罩识别 ## v2.8更新 使用了Paddle-Lite v2.8的预测库与PaddleHub上最新的模型 鲁棒性大大提升。 ## 环境要求 * ARMLinux 树莓派4B（[Ubuntu Pi image](https://ubuntu.com/download/raspberry-pi)），验证的系统环境是64为系统，理论上32位系统也可使用，请自行测试。 * 支持树莓派4B摄像头采集图像，关于此系统的安装教程以及摄像头的配置具体参考博客[树莓派4B使用ubuntu-18.04.4-server 64位系统配置](https://blog.csdn.net/fuck_hang/article/details/105766070) * gcc g++ opencv cmake的安装（以下所有命令均在设备上操作） ```bash $ sudo apt-get update $ sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config $ wget https://www.cmake.org/files/v3.10/cmake-3.10.3.tar.gz $ tar -zxvf cmake-3.10.3.tar.gz $ cd cmake-3.10.3 $ ./configure $ make $ sudo make install ``` ## 安装 $ git clone ## 目录介绍 code文件夹下为项目源码 Paddle-Lite文件夹为Paddle-Lite的预测库，包含32位于64位的预测库。版本是Paddle-LiteV2.6.0。可自行编译进行预测库替换。 项目默认环境是armlinux 64位。如果您的系统是armlinux32位的，需要自行在code文件夹下的cmake.sh与 run.sh中将TARGET_ARCH_ABI=armv8 注释掉，并取消#TARGET_ARCH_ABI=armv7hf的注释即可。 如果你使用的树苺派官方系统，即使CPU架构是armv8的，也要使用TARGET_ARCH_ABI=armv7hf。因为树苺派官方系统是32位的。 ## 使用 进入code文件夹，提供两个脚本cmake.sh与 run.sh 执行sh cmake.sh编译代码且运行。 有些同学反馈每次使用是都要进行编译比较浪费时间，所以准备了run.sh在编译生成build文件夹后可直接执行程序。 以下是脚本的部分代码： ``` ./mask_detection ../models/face_detection ../models/mask_classification ../images/test1.jpg ./mask_detection ../models/face_detection ../models/mask_classification ../images/test2.jpg ./mask_detection ../models/face_detection ../models/mask_classification ``` 程序会运行3次，按键盘上的“0”即可停止运行程序（注意按“0"之前需要点击一下跳出来的图片结果预测框）