Un Raspberry Pi taillé pour l’analyse d’images

Introduction

Dans ce chapitre, nous allons parler d’intelligence artificielle appliquée au domaine de l’analyse d’images. L’analyse d’images, c’est la capacité à reconnaître, détecter, suivre des éléments particuliers dans des images ou des séquences vidéo. Conduite autonome, sécurité des grandes enceintes recevant du public, comptage de foule sont quelques-unes des applications concrètes qui se basent en premier lieu sur une reconnaissance d’éléments dans l’image. Son principe repose sur l’apprentissage par un réseau de neurones, de la reconnaissance de personnes, de différents objets, ou d’un contexte. Nous n’aborderons pas cet apprentissage qui est très compliqué et lourd à réaliser au regard de la puissance de calcul d’un Raspberry Pi 5, mais nous nous cantonnerons à utiliser des réseaux déjà entraînés et disponibles en open source ou sous licence gratuite.

L’analyse d’images ne se réduit pas uniquement à un réseau de neurones. Il y a en complément des algorithmes et des calculs qui permettent par exemple de suivre la trajectoire d’une personne, ou bien d’évaluer la qualité de l’image. Tous ces algorithmes et calculs forment une sorte de boîte...

La source des images

S’il y a quelque chose d’essentiel lorsque l’on se lance dans le traitement d’images, c’est la reproductibilité des séquences d’images en phase de mise au point. Il est quasi impossible avec une simple caméra réalisant une prise de vue en direct de reproduire exactement une même scène plusieurs fois de manière identique. Pendant cette phase de mise au point, on se basera alors sur des séquences vidéo contenues dans des fichiers vidéo. Mais par la suite, l’algorithme devra être testé sur d’autres images. Il faut donc décorréler complètement le décodage ou l’acquisition des images de leur analyse pour permettre d’utiliser des séquences vidéo en phase de test, puis d’étendre progressivement à d’autres séquences vidéo, voire utiliser un flux vidéo en direct. Parcourons les différentes sources d’images possibles.

Installation logicielle pour l’AI Camera

Notre système d’acquisition des images est donc désormais fonctionnel. C’est une étape importante avant d’explorer les possibilités d’analyse. Que ce soit pour l’AI Camera ou pour tous les autres modules caméra, les rpicam-apps se focalisent sur la partie capture des images.

Intéressons-nous maintenant à la spécificité de l’AI Camera, qui est son processeur d’analyse embarqué, le IMX500. Il peut recevoir dans sa mémoire interne un modèle d’analyse dédié à un traitement particulier.

La première étape à effectuer consiste à installer les logiciels dédiés à ce coprocesseur.

sudo apt-get install imx500-all 

Dans les éléments installés par cette commande, vous allez trouver le micrologiciel de chargement du réseau de neurones à charger dans l’AI Camera, des exemples de réseaux de neurones dans le répertoire /usr/share/imx500-models, et des exemples de fichiers de configuration utilisant le concept de post-traitement des rpicam-apps.

Commençons par un exemple de base, soit la détection d’objets sur l’image de la caméra.

rpicam-hello -t 0s --post-process-file /usr/share/rpi-camera-...

Les kits AI Hailo-8

Les kits AI Hailo-8 se présentent sous la forme de cartes additionnelles à enficher sur un Raspberry Pi 5. Ces cartes ne sont exploitables que pour les Raspberry Pi 5, et excluent le Pi 500, car elles nécessitent une liaison haute vitesse offerte par le bus PCIe uniquement. Il est en revanche possible d’insérer le module M2 supportant le coprocesseur Hailo-8 dans le connecteur M2 d’un Raspberry Pi 500+.

Quel que soit le kit AI installé, il est fortement conseillé d’utiliser un système de refroidissement pour le Raspberry Pi 5 qui va être très fortement sollicité. Le système Raspberry Pi Active Cooler décrit au chapitre Le Raspberry Pi 5, section Le refroidissement, est particulièrement adapté à l’utilisation des kits AI Hailo-8.

Tous les kits prennent place au-dessus de la carte Raspberry Pi 5.

Ils sont fournis avec entretoises et visserie de fixation, un connecteur stacking header à enficher sur le port GPIO établissant la liaison avec le port GPIO. L’utilisation du port GPIO reste donc possible. C’est la nappe de connexion vers le port PCIe qui réalisera la connexion haute vitesse. Une large encoche au-dessus des ports CSI facilite la connexion des caméras.

Réaliser un compteur de personnes