【AI达人创造营三期】Jetson Nano实时监测学生坐姿,预防近视

Jetson Nano实时监测学生坐姿,预防近

AI Studio

861人浏览 · 2022-10-24 20:08:57

AI Studio · 2022-10-24 20:08:57 发布

1、前言

本来以为jetson nano就是一台小型计算机而已,把模型复制到上面运行就可以了,可实际操作起来遇到了很多问题,踩了很多坑，现在整理一下。

参考资料：

基于FastDeploy将PicoDet部署到Jetson Nano上之C++版

【从踩坑到入门】基于Jetson Nano的深度学习模型部署教程

2、项目简介

不知道大家是否观察过：很多学生都习惯趴着写作业、看书，还有的学生喜欢把头甚至身体歪向一侧。这样的行为对脊柱发育非常不好，同时会因为坐姿问题导致视力下降。

本项目通过实时监测学生坐姿，并及时提醒学生纠正错误坐姿，实现预防近视的目的。

3、jetson nano开发板组装

看到别人发的图片亚克力板是透明的，而我的不是透明的。研究了半天才发现亚克力板两边都粘了保护纸，把保护纸撕掉就变成透明的了。
刚开始组装时把螺丝拧得很紧，结果有一个侧边一直向上翘，结果反复拆装了好几次才不翘了。
风扇方向问题：看到有大佬发的项目里的风扇“创乐博”的标志在上面，向外吹风，于是我就照着装了。后来在网上搜了一下，有人说“创乐博”的标志应该在下面，紧挨着散热器，于是我把风扇卸下来仔细观察了一下，发现“创乐博”的标志确实应该在下面，因为如果“创乐博”的标志在上面的话螺丝拧好后是凸出来的，而“创乐博”的标志在下面的话，螺丝孔那里有个小坑，拧好后是与风扇是平齐的。
摄像头安装：

注意：在安装摄像头的时候需要断电
首先把Nano的这个CSI接口的这个销子轻轻拔起，注意要小心，千万别拔断
然后插入CSI摄像头的排线线缆，注意方向和正反，别插反了
接下来把刚才拔起来的销子压下去固定好
别忘记把摄像头的保护贴膜去掉

组装好后是这样的：
在这里插入图片描述

4、烧录

第1步：安装虚拟机文件。

本来想安装jetson nano上提供的VMware-workstation-full-15.5.6-16341506.exe文件，结果出现了“检测到不支持的CPU”提示：

在这里插入图片描述

在网上查了一下，说是“VMware Workstation 14.x ，15.x ，16.x ……之后的版本仅仅支持使用 2011 年之后上市或更高版本的CPU （处理器）”。

网上给出的解决办法：

更换CPU，还有就是貌似VMware Workstation16.x之后的虚拟机版本仅仅支持win8、win10……之后的操作系统，所以限制不是单一的，一个是硬件限制，还有一个是系统版本限制，
除此之外就只能下载安装低版本的VM虚拟机

更换CPU，重装系统太麻烦，还费钱，于是我从网上下安装了12.5.9版本的VMware安装上了。（注意，不要装VirtualBox，它不支持.vmx格式。）

然后加载clb_jetson时又出现不兼容提示：
在这里插入图片描述

解决办法：

打开clb_jetson.vmx文件，找到virtualHWVersion，将数值改为当前使用的版本，修改virtualHW.version = “12”，保存。
打开clb_jetson.vmdk文件，找到ddb.virtualHWVersion，修改ddb.virtualHWVersion = “12”，保存。

改好之后就可以加载clb_jetson了

在这里插入图片描述

点击“启动此虚拟机”进入以下画面：

在这里插入图片描述

这个密码是：123456，输入密码后，就可以进入这个画面了：

在这里插入图片描述

然后就可以按照教程进行烧录了。

第2步：设置烧写模式

用跳线连接Nano主板的2、3针脚，既设置烧写模式，如下图所示：

在这里插入图片描述

第3步：连接数据线

连接PC机的USB口和Nano的Micro USB口，如下图所示：
在这里插入图片描述

第4步：上电

上电，如下图所示。

在这里插入图片描述

此时虚拟机会自动弹出检测到USB设备。选择连接到虚拟机。

在这里插入图片描述

第5步：开始烧录eMMC

在PC端的虚拟机内，用鼠标右键点击进入命令行：

在这里插入图片描述

输入“sudo ./flash.sh -r jetson-nano-devkit-emmc mmcblk0p1”后回车运行，并输入密码,这里为“nvidia”(没有引号)，即可开始烧录。

在这里插入图片描述

由于电脑比较老，速度有点慢，郁闷的事情发生了：

在这里插入图片描述

烧录失败了，换个USB口连接Nano主板，重复上面的步骤（在命令行输入“sudo ./flash.sh -r jetson-nano-devkit-emmc mmcblk0p1”后回车运行，并输入密码,这里为“nvidia”(没有引号)，即可开始烧录），这次成功了：

在这里插入图片描述

此时可以退出虚拟机：

第6步：烧录SD卡

在PC上安装 Balena Etcher 烧录工具balenaEtcher-Setup-1.7.7.exe。

然后，将SD卡放入读卡器，并插入PC。

此后的SD卡烧录方法与原厂套件的烧录方法相同。

运行软件，出现如下界面：

在这里插入图片描述

此时，选择以下文件：

在这里插入图片描述

选择如下：

在这里插入图片描述
点击Flash 开始烧录SD卡

烧录中：

在这里插入图片描述

烧录完成：

在这里插入图片描述

【注意】写入 SD 卡的数据以 Linux 的 ext4 格式存在，因此在 Windows 下面是无法识别的，请 Windows 使用者无需惊慌（有遇到不少用户在 Windows 下看不到数据，还以为自己没有安装成功）。

第7步：启动前的准备

【注意】一定要先拔掉Nano的电源，然后再把SD卡插入到Nano上。

【还要注意】再次上电之前，需要将跳线拔掉。

第8步：启动Nano

把Nano连接到显示器，再接上鼠标键盘，就可以上电启动了。

在这里插入图片描述

5、扩充磁盘空间,增加虚拟内存 swapfile

扩充磁盘空间

在SD卡写入系统后，默认会有一部分可用磁盘空间是被隐藏的，因此我们需要把它释放出来。

操作方法很简单，在Nano上直接安装 gparted 工具（sudo apt-get install gparted），运行工具后找到SD卡（一般为/dev/sda1）右击已分配的分区，resize，拖到很靠右又不是全部在右边的地方，然后就可以开始了。

这里有官方视频教程，请大家参考。

增加虚拟内存

Jetson Nano 2GB 的内存相对弱势，所幸 Linux 提供了一种 SWAP 技术，能将存储设备空间作为虚拟内存使用，性能虽然不如物理内存，但也能支撑更多深度学习的计算。

官方提供的操作方法在这里的“4.1增加交换空间大小”章节，如法炮制即可。

6、开发环境搭建

建议移除LibreOffice
这会为系统省很多空间，而且这个软件对做深度学习和计算机视觉算法也没什么用。

sudo apt-get purge libreoffice

sudo apt-get clean

下载并安装与Jetpack版本对应的PaddlePaddle

查看Jetpack版本:

cat /etc/nv_tegra_release

这是大佬的图片：

在这里插入图片描述

我看了半天也没看出来上边的6.1怎么和下边的4.6对应上的，然后就下错版本了，无法安装成功，期间升级python到3.7也没安装成功，然后反复折腾，最后重新烧录SD卡，下载paddlepaddle_gpu-2.3.0-cp36-cp36m-linux_aarch64.whl版本安装成功。

7、程序部署

获取导出后的mobilenet_v3_small模型
本文将采用mobilenet_v3_small模型，实时监测学生坐姿。

关于模型的生产过程，请移步这里：用飞桨实时监测学生坐姿，预防近视

其中，导出好的模型，保存在本项目的此目录下：

/home/nvidia/zzjk
在这里插入图片描述

需要说明的是，由于此模型数据集是自己在固定位置，用少量样本电脑截图创建的，数据量少，而b01摄像头位置不好固定，与电脑截图分辨率等参数不一致等因素，因此准确度不高。感兴趣的同学可以自行收集更多数据，参考原文重新训练。

为了让风扇运转可以使用

$ sudo sh -c ‘echo 200 > /sys/devices/pwm-fan/target_pwm’

进行调节，其中200的位置可以是0~255任意整数，越大风扇转速越高

程序主要代码：

import argparse
import numpy as np
import matplotlib.pyplot as plt
# 引用 paddle inference 推理库
import paddle.inference as paddle_infer

import cv2
import paddle.vision.transforms as T
import time
from playsound import playsound
                         
def main():
    args = parse_args()

    # 创建 config
    config = paddle_infer.Config(args.model_file, args.params_file)

    # 根据 config 创建 predictor
    predictor = paddle_infer.create_predictor(config)

    # 获取输入的名称
    input_names = predictor.get_input_names()
    input_handle = predictor.get_input_handle(input_names[0])
    transform = T.Compose([
                            T.Resize([240,240]),
                            T.CenterCrop(224),
                            T.Normalize(mean=[127.5, 127.5, 127.5],std=[127.5, 127.5, 127.5], data_format='HWC'),
                            T.ToTensor(),
                             ])    
    # 设置输入

    cap= cv2.VideoCapture("nvarguscamerasrc ! video/x-raw(memory:NVMM), width=3264, height=1848, format=NV12, framerate=28/1 ! nvvidconv flip-method=0 ! videoconvert ! video/x-raw, format=BGR ! appsink")
   
    while True:
           
        ret,img=cap.read()
        img=np.float32(img)
        img= transform(img)
        img=img.numpy()
      

        fake_input=np.expand_dims(img,0)
        input_handle.reshape([args.batch_size, 3, 224, 224])
        input_handle.copy_from_cpu(fake_input)
        
        # 运行predictor
        predictor.run()

        # 获取输出
        output_names = predictor.get_output_names()
        output_handle = predictor.get_output_handle(output_names[0])
        output_data = output_handle.copy_to_cpu() # numpy.ndarray类型
        output_data=softmax(output_data)  #######

        
        pred_label = output_data[0].argmax()
        gl=output_data[0][pred_label].item()


        if labels[pred_label]=='眼睛离书本近':      #这一部分声音要和标签对应，新建1个wav文件夹存放声音,可以录自己的声音提配，也可以用paddlespeech生成语音。
            PlaySound('./wav/0.wav',flags=1) 
            time.sleep(3)                #暂停3秒是为了把语音读完
        elif labels[pred_label]=='趴着写字':
            PlaySound('./wav/1.wav',flags=1) 
            print('趴着写字')
            time.sleep(3)
        elif labels[pred_label]=='坐姿正确':
            print('趴着写字')
        else:
            pass   


def parse_args():
    parser = argparse.ArgumentParser()
    parser.add_argument("--model_file", type=str,default='./model/save_dir.pdmodel', help="model filename")
    parser.add_argument("--params_file", type=str,default='./model/save_dir.pdiparams', help="parameter filename")
    return parser.parse_args()
    
def softmax(x):
    row_max=np.max(x)
    x=x-row_max
    x_exp=np.exp(x)
    x_sum=np.sum(x_exp)
    s=x_exp/x_sum
    return s

if __name__ == "__main__":
    main()

程序运行

命令行下运行：

cd zzjk

python3 zzjk.py

在这里插入图片描述

效果示意图

在这里插入图片描述

8、总结与升华

远程历险记

我最开始是接到电视上了，由于电视和电脑不在一个屋，加上对Nano不熟悉，需要不停地跑来跑去在电脑与Nano上切换鼠标、键盘进行操作，太麻烦了。
于是下载了一个todesk，结果还下错版本了，折腾了半天，最后下载了“todesk-v4.3.1.0-arm64.deb”（注意最后应该是arm64,而不是amd64），在命令行下输入sudo apt-get install ./todesk-v4.3.1.0-arm64.deb进行安装。后来发现todesk离不开电视（显示屏），也就是说Nano只有接到电视上才能用todesk，无法移到其它地方。
后来安装了VNC，电脑上安装了VNC Viewer，这个不需要显示器，但是没有声音。
安装了虚拟显示器，又切回todesk,可以不需要电视直接登录Nano了，由于Nano没有外接音响，播放不了声音。
用VNC和todesk都不能与电脑交互复制文件，于是又装了xrdp,在windows上运行mstsc.exe进行远程连接。
用VNC和todesk屏幕显示是一样的，xrdp显示与前两者不一样，三个远程同时打开的话，用VNC和todesk的操作可以在mstsc的屏幕上显示出来。

声音历险记

Nano没有音频接口，导致有音响无法使用。
用高清线接到电视上有声音，但是Nano只能连到电视上，无法移到其它地方。
家里有小度蓝牙音响，找到一个蓝牙接收器，Nano不能识别,百度了几天，装了一堆东西，也没能让Nano接到蓝牙音响。
网上搜了半天，说todesk和xrdp可以在本地播放远程声音，装了一堆东西，试了几天，也没成功。
最后，想到了这个项目用paddleocr打造一款“盗幕笔记”，在此项目的基础上修改了一下代码，在Nano上print出坐姿类别，在电脑上用paddleocr进行文字识别，识别完后，在本地电脑上播放对应的声音提示，问题得以暂时解决。

由于安装了3个远程（todesk,vnc,xrdp)和一堆乱七八糟的东西，Nano运行速度有点慢，有待进一步优化。

我在AI Studio上获得至尊等级，点亮10个徽章，来互关呀~

请点击此处查看本环境基本用法.

Please click here for more detailed instructions.

此文章为搬运
原项目链接