【环境搭建】树莓派 3B + openvino

最新推荐文章于 2025-05-01 18:19:05 发布
最新推荐文章于 2025-05-01 18:19:05 发布
阅读量422 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 环境搭建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/luolinll1212/article/details/107287966
博客主要包含两部分内容，一是进行介绍，二是阐述安装相关事宜，聚焦信息技术领域的信息传达。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1，介绍
2，安装

树莓派3b+和 intel movidius 神经元计算棒2代 跑yolo v3 tiny
c20081052的专栏
05-08 6160
本帖子主要是参考了以下两篇： 第一篇： 从零开始搭建树莓派 + intel movidius 神经元计算棒2代深度学习环境 这篇文章主要目录如下： 摘要 材料硬件： 步骤： 1、 下载树莓派镜像并解压 2、 烧写镜像 3、 启动树莓派 4、 配置树莓派 5、 安装cmake 6、 下载OpenVINO toolkit for Raspbian安装包： 7...
树莓派版 OpenVINO 环境
02-15
树莓派版OpenVINO的安装包，支持NCS1/NCS2，代替modivius SDK。亲测可用
树莓派安装opencv_在树莓派上安装OpenVINO
weixin_39871649的博客
12-17 751
准备工作：需要准备一台安装好系统的树莓派（3代及以上版本)，一个英特尔®Movidius™神经计算棒，一台显示器，用于连接树莓派，显示画面。我安装的系统版本是：2020-02-13-raspbian-buster 镜像下载链接 ，树莓派的系统安装过程不再说明，网上有许多安装教程，准备工作就绪后，开始搞起！下载安装openvino安装包1.下载安装包，从官网下载最简单直接，传送门这里我推荐2019 ...
计算机视觉——基于树莓派的YOLO11模型优化与实时目标检测、跟踪及计数的实践
最新发布
知来者逆的博客
05-01 4468
YOLO11模型是专门为边缘设备优化的目标检测模型，与YOLOv8相比，它在显著降低模型复杂度（最多降低37%）的同时，仍保持了较高的检测精度（约85%的平均精度均值）。这种优化使得YOLO11能够在资源受限的树莓派上实现高效的实时目标检测，为边缘设备上的复杂计算机视觉任务提供了可能。其轻量级的模型结构和高效的推理性能，使其成为在树莓派上部署目标检测应用的首选模型之一。
树莓派4B上配置OpenVINO
jiugeshao的专栏
06-11 2513
在嵌入式设备上一般只进行模型的推断，即在PC上可以先训练好模型，然后拿到嵌入式设备上来使用。OpenVINO的使用可参考博主前面的系列博客
树莓派4B配置Openvino
2301_76725922的博客
03-01 2584
本文主要介绍在神经网络视觉部署树莓派过程中，配置使用openvino的方法
树莓派安装部署OpenVINO
dongjuexk的博客
05-10 5147
因为OpenVINO是英特尔基于自身硬件平台开发的一种工具套件，所以树莓派要使用OpenVINO必须配合英特尔神经网络计算棒2（NCS2） 安装openvino 1.下载树莓派OpenVINO安装包 这里使用的是2021.4版本：OpenVINO2021.4.689 下载：l_openvino_toolkit_runtime_raspbian_p_2021.4.689.tgz 下载之后通过WinSCP或Filezilla传送到树莓派 sudo mkdir -p /opt/intel/openvi
yolo树莓派_基于树莓派与YOLOv3模型的人体目标检测小车（四）
weixin_39605706的博客
12-20 461
前面几篇文章完成了训练端和部署端的环境搭建以及模型的训练，并经过两次模型转化最终将YOLOv3 TINY模型部署在了树莓派上。其实最核心的内容已经完成了，接下来就是一些应用层面的东西了。树莓派控制马达：1. 材料硬件：1.树莓派3B+2.四个直流电机3.一个小车底盘+四个车轮(某宝上有卖)4.L298N驱动模块(介于树莓派与马达之间的桥梁)5.充电宝一个(用于给树莓派供电)6.18650锂电池两...
树莓派学习2.0
03-11
- **物联网(IoT)项目**：利用树莓派3B+的GPIO引脚连接各种传感器和执行器，实现智能家居控制、环境监测等多种IoT应用场景。 - **Web服务器搭建**：通过配置LAMP或LEMP栈，树莓派3B+可以成为一个小型但功能齐全的Web...
OpenVINO2020+NCS2代运行TensorFlow模型
星宇痕的博客
03-30 5293
从零开始搭建openvino环境，转换网络模型，调用api推理，pc版本和树莓派版本都有，从软件到代码，安排得明明白白。
树莓派4B+口罩人脸+人流量计数+web页面 —— 环境配置（包含opencv4、tensorflow、pytorch的安装）
gaigai122333的博客
05-07 3595
树莓派4B+口罩人脸+人流量计数+web页面1. Raspbian-lite 烧录及配置1.1. 烧录工具下载1.2. 烧录1.3. 无键盘屏幕WiFi配置1.4. 无键盘屏幕开启 ssh1.5. 开启摄像头1.6. 开启蓝牙2.换源2.1. 备份原文件2.2. 修改 `/etc/apt/sources.list`2.3. 修改 `/etc/apt/sources.list.d/raspi.lis...
Raspberry Pi 3B+ bootloader更新文件
11-24
Raspberry Pi 3B+ GPU firmware and bootloader files
树莓派深入学习NCNN环境搭建
10-10
树莓派深入学习NCNN环境搭建
l_openvino_toolkit_runtime_raspbian_p_2019.3.334.tgz
08-16
树莓派+Movidius2神经计算棒，适合于armv7l，按 https://blog.youkuaiyun.com/weixin_42206625/article/details/107705411 搭建可实现
树莓派ubuntu mate安装openvino(神经网络棒２)开发环境
weixin_39697565的博客
07-28 911
树莓派ubuntu mate安装openvino下载openvino安装openvino测试openvino官网教程 下载openvino 到 https://download.01.org/opencv/2019/openvinotoolkit/ 下载安装包l_openvino_toolkit_runtime_raspbian_p_2019.2.242.tgz 安装openvino 跳转到下载目...
Intel Movidius - Install the Intel Distribution of OpenVINO Toolkit for Raspbian* OS (树莓派系统) 环境构建
程永强
01-14 2365
Intel Movidius - Install the Intel Distribution of OpenVINO Toolkit for Raspbian* OS (树莓派系统) 环境构建
树莓派3B+搭建
qq_43679627的博客
11-14 769
树莓派3B+搭建
Raspberry Pi上的OpenVINO，OpenCV and Movidius
网络架构
11-27 775
Raspberry Pi上的OpenVINO，OpenCV认识OpenVINO，这是一个用于硬件优化的计算机视觉的英特尔库，旨在取代V1和V2 API。什么是OpenVINO？步骤1： 在Raspberry Pi上安装OpenVINO + OpenCV依赖项步骤2：为您的Raspberry Pi下载OpenVINO并解压缩步骤3：在Raspberry Pi上配置OpenVINO步骤4：在Raspberry Pi上为OpenVINO配置USB规则步骤5：在Raspberry Pi上创建OpenVINO虚拟环境
树莓派3B+简单入门
weixin_30733003的博客
08-10 896
刚刚入手一个树莓派3B＋，树莓派板子、3.5寸电阻触摸屏、16G内存卡、外壳电源等一系列配件一共花了360大洋，这东西真不便宜。这里介绍一下系统安装、3.5寸屏幕安装、VNC远程屏幕。 先给大家看一下。 正面图： 插上屏幕后： 板子正面＋屏幕背面： 总体来说外观还可以，板子比想象中的还小85mmX55mm。 系统安装 需要：树莓派板子、Win32...
树莓派3b人脸识别
03-25
### 实现人脸识别的准备工作 要在 Raspberry Pi 3B 上实现人脸识别功能，可以利用英特尔神经计算棒 (Intel NCS2) 和 OpenVINO 工具包来加速推理过程。以下是具体方法： #### 系统环境准备 首先，在树莓派上安装操作系统 Raspbian Buster[^1]。下载官方镜像文件 `2020-02-13-raspbian-buster.zip` 并将其写入 microSD 卡。 #### 安装依赖库 为了支持 OpenVINO 的运行，需要先更新系统的软件源并安装必要的开发工具和库： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install -y cmake build-essential git python3-pip python3-numpy ``` #### 配置 OpenVINO 工具包 按照官方指南安装适用于 ARM 架构的 OpenVINO SDK 版本。可以通过以下命令克隆仓库并完成编译： ```bash git clone https://github.com/openvinotoolkit/openvino.git cd openvino mkdir build && cd build cmake .. make -j$(nproc) source /opt/intel/openvino/bin/setupvars.sh ``` #### 连接 Intel NCS2 设备 将 Intel Neural Compute Stick 2 插入树莓派 USB 接口后加载相应的驱动模块: ```bash echo "blacklist uas" | sudo tee -a /etc/modprobe.d/blacklist-uas.conf sudo modprobe ncs_usbboot ``` #### 准备训练模型 选择预训练的人脸检测与识别模型，比如 Face Detection RetinaFace 或者 InsightFace。这些模型可以从 Model Zoo 下载，并转换成 Intermediate Representation (.xml & .bin) 文件格式以便于后续调用。 #### 编码示例程序 编写 Python 脚本来读取摄像头输入数据流并通过上述配置好的框架执行预测操作。 ```python import cv2 from openvino.inference_engine import IECore, IENetwork ie = IECore() net = ie.read_network(model="face-detection-retail-0004.xml", weights="face-detection-retail-0004.bin") exec_net = ie.load_network(network=net, device_name='MYRIAD') cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() input_blob = next(iter(net.inputs)) out_blob = next(iter(net.outputs)) res = exec_net.infer(inputs={input_blob: preprocess(frame)}) draw_boxes(res[out_blob], frame) cv2.imshow('frame', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() ``` #### 测试验证效果 启动脚本观察屏幕显示结果是否正常标记出人脸区域位置信息。如果一切顺利，则说明整个流程搭建成功[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值