前言
为了实现在树莓派上实现object detection的功能，我fork了一个仓库：https://github.com/yoyojacky/TensorFlowObjectDetectionontheRaspberryPi
并且按照仓库的readme做了一下测试。
2
测试环境
3
操作步骤
1. 更新系统及软件
如果遭遇报错：
执行这条命令：
2. 创建TF 的目录
实际上官方已经支持树莓派了，https://www.tensorflow.org/install/install_raspbian这里有。我是直接这里下载的：https://github.com/lhelontra/tensorflowonarm/
releases
然后安装：
然后发现…官方都是骗人的...
PiaPia的打脸啊！我~不想吐槽了。。。
还好1.13.1 还能支持，暂时先用着。
接下来要安装atlasbasedev
继续安装依赖：
3. 安装openCV
安装openCV要先安装一些依赖，而且记得要用aptget update更新。
安装opencvpython
4. 编译安装protobuf
这个是最耗费时间的一步应该说，我估计需要很久时间才可以搞定。
先安装编译需要的工具：
下载最新的源码，编译安装。
解压并进入源码目录进行预编译，编译和安装
让4个CPU都跑满。。。
算算时间。现在是16:43
突然想看看温度，然后发现温度真的很感人。。。
编译完温度降到54度了
安装完成。
接下来是调整一下环境变量。
接着继续：
然后定义protobuf的变量环境：
好了，protobuf已经安装完成了，测试一下。
接下来重启一下系统：
5. 设置tensorflow目录结构及python路径变量
下载Tensorflow模型：
需要改动.bashrc，让每次登陆的时候都能够初始化变量。文档末尾加这段话：
保存后退出，然后关闭终端重启打开终端，测试变量看在不在，如果不在继续重复上面
的操作，如果ok 了，就继续下面的操作。现在，我们需要使用Protoc来编译Object
Detection API使用的Protocol Buffer（.proto）文件。.proto文件位于/ research /
object_detection / protos中，但我们需要从/ research目录来执行命令。
此命令将所有“name”.proto文件转换为“name_pb2”.py文件。接下来，进入
object_detection目录：
我采用别的方法，目标是一样的。
现在模型位于object_detection目录中，可以使用了。
6. 检测物体开始
好的，现在一切都设置为在Pi上执行对象检测！此存储库中的Python脚本
Object_detection_picamera.py可检测来自Picamera或USB网络摄像头的实时源中
的对象。基本上，脚本设置模型和标签贴图的路径，将模型加载到内存中，初始化
Picamera，然后开始在Picamera的每个视频帧上执行对象检测。
如果您使用的是Picamera，请确保在Raspberry Pi配置菜单中启用它。
通过发出以下命令将Object_detection_picamera.py文件下载到object_detection目录：
然后接上摄像头，让我们测试一下。
发现报错：
安装一个包试试看：
继续尝试：
提示我import .cv2 失败，缺少libqt4test.so， 我查了一下安装了libqtgui4 的包，还是不行，我就重新通过apt安装了python3opencv的包。
继续安装一个软件包：
这些都搞定了就开始测试吧：
因为我是远程终端测试，没有图形环境，所以我用了DISPLAY=:0.0 指定了显示的桌面
环境，直接在终端执行命令，然后显示在屏幕上，效果非常不错哦。不过要确认一下，
你所在的工作目录是：
~/tensorflow1/models/research/object_detection/
执行的命令是：
我测试树莓派4B的4GB版本，在没有做任何优化的情况下可以达到2帧每秒…..真是慢啊
不过识别还是不错的，就是对象检测已经成型，可以检测到物体，并且提供可信度的信
息。
后面就可以通过这些做一些扩展性的应用了。
英国疫情越来越严重，趁着树莓派价格还如此优惠的时候，创客精神走一波—生命在于折腾！！！
閱讀更多 電子芯吧客 的文章
