mikehhq / ascenddrivingassistance Goto Github PK

本样例为大家学习昇腾软件栈提供参考，非商业目的！

本样例适配3.3.0及以上版本，支持产品为Atlas200DK、Atlas300(ai1s)。

本README只提供命令行方式运行样例的指导，如需在Mindstudio下运行样例，请参考Mindstudio运行视频样例wiki。

功能：使用yolov4

模型对输入视频进行预测推理，并将结果打印到输出视频上。

样例输入：原始视频文件。

样例输出：带推理结果的视频文件。

部署此Sample前，需要准备好以下环境：

• 请确认已按照环境准备和依赖安装准备好环境。

• 已完成对应产品的开发环境和运行环境安装。

1. 获取源码包。

   可以使用以下两种方式下载，请选择其中一种进行源码准备。

   • 命令行方式下载（下载时间较长，但步骤简单）。

     开发环境，非root用户命令行中执行以下命令下载源码仓。

     cd $HOME

     git clone https://gitee.com/ascend/samples.git

   • 压缩包方式下载（下载时间较短，但步骤稍微复杂）。

     1. samples仓右上角选择 克隆/下载 下拉框并选择 下载ZIP。

     2. 将ZIP包上传到开发环境中的普通用户家目录中，例如 $HOME/ascend-samples-master.zip。

     3. 开发环境中，执行以下命令，解压zip包。

        cd $HOME

        unzip ascend-samples-master.zip

2. 获取此应用中所需要的原始网络模型。

   参考下表获取此应用中所用到的模型，并将其存放到开发环境普通用户下的工程目录：
   cd $HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video/model

   模型名称	模型说明	模型下载路径
   yolov4	基于onnx-YOLOV4的目标检测模型。	请参考https://www.hiascend.com/zh/software/modelzoo/detail/1/abb7e641964c459398173248aa5353bc 下载原始模型。

   说明：

   • modelzoo中提供了转换好的om模型，但此模型不匹配当前样例，所以需要下载原始模型后重新进行模型转换。
     将下载的模型名字更改为工程需要的名字

3. 将原始模型转换为Davinci模型。

   注：请确认环境变量已经在环境准备和依赖安装中配置完成

   1. 设置LD_LIBRARY_PATH环境变量。

      由于LD_LIBRARY_PATH环境变量在转使用atc工具和运行样例时会产生冲突，所以需要在命令行单独设置此环境变量，方便修改。

      export install_path=$HOME/Ascend/ascend-toolkit/latest

      export LD_LIBRARY_PATH=\${install_path}/atc/lib64

   2. 执行以下atc命令进行模型转换。

      atc --model=./yolov4_dynamic_bs.onnx --framework=5 --output=yolov4_bs1 --input_format=NCHW --soc_version=Ascend310 --input_shape="input:1,3,608,608" --out_nodes="Conv_434:0;Conv_418:0;Conv_402:0"

4. 获取样例需要的测试视频。

   执行以下命令，进入样例的data文件夹中，下载对应的测试视频。

   cd $HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video/data

   wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/YOLOV4_coco_detection_car_video/test_video/test.mp4

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

1. 执行以下命令,将开发环境的 YOLOV4_coco_detection_car_video 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

   scp -r $HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video [email protected]:/home/HwHiAiUser

   ssh [email protected]

   说明：

   • xxx.xxx.xxx.xxx为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网ip。

2. 运行可执行文件。

   • 如果是开发环境与运行环境合一部署，执行以下命令，设置运行环境变量，并切换目录。

     export LD_LIBRARY_PATH=

     source ~/.bashrc

     cd $HOME/samples/python/level2_simple_inference/2_object_detection/YOLOV4_coco_detection_car_video/src

   • 如果是开发环境与运行环境分离部署，执行以下命令切换目录。

     cd $HOME/YOLOV4_coco_detection_car_video/src

   切换目录后，执行以下命令运行样例。

   python3.6 yolov4.py ../data/test.mp4

运行完成后，结果视频保存在out目录下。