摘要

这篇博客通过在64位树莓派上运行深度学习的实例：口罩识别，用到了两个深度学习框架：ncnn和Paddle-lite。

说明

本文只是记录运行实例的过程，而非具体的框架解读。

参考文档：Deep learning examples on Raspberry 32/64 OS - Q-engineering

实验环境

• 开发板选用树莓派4B 8GB，搭载附赠的摄像头，用的是64GB的SD卡：

• 系统选用官方最新的64位系统带桌面款，已经进行了基本的环境配置：

 介绍

这个口罩识别系统使用了两个框架：ncnn和Paddle-Lite。ncnn框架在图像中检测人脸，Paddle-Lite确定这个人是否戴了口罩。

注意：由于使用了Paddle-Lite框架，该项目只能在64位操作系统上运行。该项目需要预留至少22.2GB的磁盘空间。

注意：运行这个实例之前，确保安装了ncnn和Paddle-Lite框架，如果没有安装，可以参考我的另两篇博客进行安装： 

在64位树莓派上安装ncnn深度学习框架_Slothwolf的博客-CSDN博客

在64位树莓派上安装Paddle-Lite深度学习框架_Slothwolf的博客-CSDN博客

下载深度学习实例

进入之前创建的software文件夹：

cd software

创建一个文件夹face来保存相关实例：

mkdir face
cd face

下载并解压实例：

wget https://github.com/Qengineering/Face-Mask-Detection-Raspberry-Pi-64-bits/archive/master.zip
unzip -j master.zip

 可以删除一些用不到的文件：

rm master.zip
rm LICENSE.txt
rm README.md

编译和运行实例

下一步是在树莓派上编译实例，打开Open::Blocks，加载.cbp文件（这里是MaskUltra.cbp），这样不但会加载cpp文件，还会同时设置好所有的环境选项，然后以release方式编译文件。

注意：这里编译要花很久，大概3分钟左右，不要以为是机器卡了。

 运行程序，一段口罩识别的demo就会运行：

至此，对视频流的口罩检测实例运行完毕，但是我们不应满足于只是用视频进行图像检测，这样没有什么意义，在未来的学习中，我们要学会如何利用摄像头进行图像识别。

结语

我们成功在64位树莓派上运行了一个基于ncnn框架和Paddle-Lite框架的口罩识别程序。