OpenVINO Java API详解与演示

作者：黄明明 英特尔边缘计算创新大使

英特尔 发行版 OpenVINO 工具套件基于 oneAPI 而开发，可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件，适用于从边缘到云的各种英特尔平台上，帮助用户更快地将更准确的真实世界结果部署到生产系统中。通过简化的开发工作流程， OpenVINO 可赋能开发者在现实世界中部署高性能应用程序和算法。

Java 是一门面向对象的编程语言，不仅吸收了 C++ 语言的各种优点，还摒弃了 C++ 里难以理解的多继承、指针等概念，因此 Java 语言具有功能强大和简单易用两个特征。Java 语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。

虽然 OpenVINO 在 [OpenVINO Contrilb][1]提供了 Ubuntu 版本的 api，但由于使用 JNI 技术，这对于没有涉及 C/C++ 编程的开发者并不是特别的友好，且后期的维护更新也带来了不小的麻烦。

在之前的工作中，我们推出了 OpenVINO Java API ，旨在推动 OpenVINO 在 Java 领域的应用，目前已经成功在 Mac、Windows、Linux 平台实现使用。在本文中，我们将介绍如何在英特尔开发套件 AIxBoard 上基于 Linux 系统实现 OpenVINO Java API。

项目中所使用的代码已上传至 OpenVINO Java API 仓库中，GitHub 网址为：

https://github.com/Hmm466/OpenVINO-Java-API

（复制链接到浏览器打开）

1. 英特尔开发套件 AIxBoard 介绍

1.1产品定位

英特尔开发套件 AIxBoard 是英特尔开发套件官方序列中的一员，专为入门级人工智能应用和边缘智能设备而设计。英特尔开发套件 AIxBoard 能完美胜人工智能学习、开发、实训、应用等不同应用场景。该套件预装了英特尔 OpenVINO 工具套件、模型仓库和演示。

套件主要接口与 Jetson Nano 载板兼容，GPIO 与树莓派兼容，能够最大限度地复用成熟的生态资源。这使得套件能够作为边缘计算引擎，为人工智能产品验证和开发提供强大支持；同时，也可以作为域控核心，为机器人产品开发提供技术支撑。

使用英特尔开发套件 AIxBoard，您将能够在短时间内构建出一个出色的人工智能应用应用程序。无论是用于科研、教育还是商业领域，英特尔开发套件 AIxBoard 都能为您提供良好的支持。借助 OpenVINO 工具套件，CPU、iGPU 都具备强劲的 AI 推理能力，支持在图像分类、目标检测、分割和语音处理等应用中并行运行多个神经网络。

1.2产品参数

1.3AI 推理单元

借助 OpenVINO 工具，能够实现 CPU+iGPU 异构计算推理，IGPU 算力约为 0.6TOPS。

2准备工作

2.1

配置 java 环境

下载并配置 JDK:

JDK（Java Development Kit）称为 Java 开发包或 Java 开发工具，是一个编写 Java 的 Applet 小程序和应用程序的程序开发环境。JDK 是整个 Java 的核心，包括了 Java 运行环境（Java Runtime Environment），一些 Java 工具和 Java 的核心类库（Java API）。不论什么 Java 应用服务器实质都是内置了某个版本的 JDK。主流的 JDK 是 Sun 公司发布的 JDK，除了 Sun 之外，还有很多公司和组织都开发了自己的 JDK。

2.1.1添加 api 到本地 maven

添加 OpenVINO Java API 至 Maven（目前没有在 maven 中央仓库发布，所以需要手动安装）

2.1.2clone OpenVINO Java API 项目到本地

java
git clone https://github.com/Hmm466/OpenVINO-Java-API

左滑查看更多

2.1.3通过 IDEA 或 Eclipse 打开

通过 maven install 到本地 maven 库中

[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 14.647 s
[INFO] Finished at: 2023-11-02T21:34:49+08:00
[INFO] ------------------------------------------------------------------------

左滑查看更多

jar 包会放置在：

/{userHome}/.m2/repository/org/openvino/java-api/1.0-SNAPSHOT/java-api-1.0-SNAPSHOT.pom

2.2安装 OpenVINO Runtime

OpenVINO 有两种安装方式: OpenVINO Runtime 和 OpenVINO Development Tools。

OpenVINO Runtime 包含用于在处理器设备上运行模型部署推理的核心库。OpenVINO Development Tools 是一组用于处理 OpenVINO 和 OpenVINO 模型的工具，包括模型优化器、OpenVINO Runtime、模型下载器等。在此处我们只需要安装 OpenVINO Runtime 即可。

2.2.1下载 OpenVINO Runtime

访问 Download the Intel Distribution of OpenVINO Toolkit 页面，按照下面流程选择相应的安装选项，在下载页面，由于 AIxBoard 使用的是 Ubuntu20.04，因此下载时按照指定的编译版本下载即可。

2.2.2解压缩安装包

我们所下载的 OpenVINO Runtime 本质是一个 C++ 依赖包，因此我们把它放到我们的系统目录下，这样在编译时会根据设置的系统变量获取依赖项。

shell
cd ~/Downloads/
tar -xvzf l_openvino_toolkit_ubuntu20_2022.3.1.9227.cf2c7da5689_x86_64.tgz
sudo mv l_openvino_toolkit_ubuntu20_2022.3.1.9227.cf2c7da5689_x86_64/runtime/lib/intel64/* /usr/lib/

左滑查看更多

2.3编译 OpenCV java 库

2.3.1下载 ANT

由于 OpenCV 编译出 libopencv_java{version}.[so|dll|dylib] 需要 apache ant 的支持，所以需要手动下载ant[2]并加入环境变量

shell
export ANT_HOME={ant_home}
export PATH=$ANT_HOME/bin:$PATH

左滑查看更多

2.3.2OpenCV[3] 下载源代码

解压缩之后进入文件夹：

shell
mkdir build
cd build
cmake -DBUILD_SHARED_LIBS=OFF -DWITH_IPP=OFF -DBUILD_ZLIB=OFF -DCMAKE_INSTALL_PREFIX=你的opencv目录
 -DJAVA_INCLUDE_PATH={jdk 所在位置}/include -DJAVA_AWT_INCLUDE_PATH={jdk 所在位置}/include
 -DJAVA_INCLUDE_PATH2={jdk 所在位置}/include -DBUILD_JAVA=ON ..

左滑查看更多

注意看输出有没有：

--  Java:
--   ant:
--   JNI:
--   Java wrappers:
--   Java tests:

左滑查看更多

需要不为 NO 或者有目录，然后编译安装：

shell
make -j 8
make install

左滑查看更多

3在 AIxBoard 上进行测试

3.1源代码直接测试

shell
git clone https://github.com/Hmm466/OpenVINO-Java-API

左滑查看更多

-使用IDEA / Eclipse 打开项目

- 运行

src/test/java/org.openvino.java.test.YoloV8Test

3.2创建其他项目进行测试

创建一个 AlxBoardDeployYolov8 Maven 项目

创建完成之后引用我们刚刚 install 的 OpenVINO-Java-API，或者直接 clone 项目直接修改体验

maven 引用：

maven

  org.openvino
  java-api
  1.0-SNAPSHOT

【注意】如果才用 maven 依赖需要注意 opencv 的库引用问题.可以将 OpenVINO-Java-API/libs 的 opencv 库引用到你的项目下

编写测试代码：

java
OpenVINO vino = OpenVINO.load();
OvVersion version = vino.getVersion();
Console.println("---- OpenVINO INFO----");
Console.println("Description : %s", version.description);
Console.println("Build number: %s", version.buildNumber);

左滑查看更多

结果将输出：

text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
det
text
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Detection result : 


1: 0 0.92775315  {0, 304, 268x519}
2: 0 0.90614283  {632, 97, 615x725}
3: 0 0.9032028  {286, 198, 190x591}
4: 62 0.902739  {258, 164, 446x284}
5: 0 0.80478114  {739, 262, 123x229}
6: 0 0.7890141  {891, 314, 231x226}
7: 63 0.7383257  {532, 518, 260x275}
8: 63 0.7148062  {861, 448, 90x86}
9: 56 0.5889373  {102, 614, 185x216}
10: 0 0.4642688  {1006, 315, 116x159}
11: 63 0.43404874  {987, 483, 104x126}
12: 63 0.38955435  {892, 480, 202x196}
13: 62 0.30369592  {961, 384, 87x81}

左滑查看更多

seg
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s-seg.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,116,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Segmentation result : 


1: 0 0.9207011  {0, 66, 439x801}
2: 0 0.91634876  {403, 151, 339x721}
3: 63 0.9086068  {37, 460, 388x231}
4: 56 0.74821126  {878, 517, 146x265}
5: 0 0.37459317  {679, 331, 91x263}
6: 0 0.31526685  {641, 345, 45x39}

左滑查看更多

pose
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Classification result : 


1: 1  0.9001118  {407, 151, 334x722} Nose: (0.0 ,0.0 ,3.4155396E-6) Left Eye: (0.0 ,0.0 ,6.0583807E-6) Right Eye: (0.0 ,0.0 ,3.7476743E-6) Left Ear: (0.0 ,0.0 ,3.2295986E-6) Right Ear: (0.0 ,0.0 ,1.7464492E-6) Left Shoulder: (0.0 ,0.0 ,2.5992335E-6) Right Shoulder: (0.0 ,0.0 ,3.937065E-6) Left Elbow: (0.0 ,0.0 ,7.936895E-6) Right Elbow: (0.0 ,0.0 ,2.3217426E-6) Left Wrist: (0.0 ,0.0 ,3.6387396E-6) Right Wrist: (0.0 ,0.0 ,4.40427E-6) Left Hip: (0.0 ,0.0 ,1.940609E-6) Right Hip: (0.0 ,0.0 ,3.770945E-6) Left Knee: (0.0 ,0.0 ,2.4128974E-6) Right Knee: (0.0 ,0.0 ,3.424496E-6) Left Ankle: (0.0 ,0.0 ,7.5513196E-7) Right Ankle: (0.0 ,0.0 ,4.3359764E-6) 
2: 1  0.8558029  {0, 65, 441x802} Nose: (0.0 ,0.0 ,5.9377476E-7) Left Eye: (0.0 ,0.0 ,7.104497E-6) Right Eye: (0.0 ,0.0 ,1.319968E-6) Left Ear: (0.0 ,0.0 ,6.459948E-7) Right Ear: (0.0 ,0.0 ,4.0330252E-7) Left Shoulder: (0.0 ,0.0 ,1.5084498E-7) Right Shoulder: (0.0 ,0.0 ,6.642805E-7) Left Elbow: (0.0 ,0.0 ,2.447048E-6) Right Elbow: (0.0 ,0.0 ,2.463981E-7) Left Wrist: (0.0 ,0.0 ,3.8335997E-7) Right Wrist: (0.0 ,0.0 ,3.6232507E-7) Left Hip: (0.0 ,0.0 ,3.2433576E-7) Right Hip: (0.0 ,0.0 ,7.913691E-7) Left Knee: (0.0 ,0.0 ,4.720929E-7) Right Knee: (0.0 ,0.0 ,4.3835226E-7) Left Ankle: (0.0 ,0.0 ,1.2476052E-7) Right Ankle: (0.0 ,0.0 ,4.4775015E-7) 
3: 1  0.60723305  {678, 333, 95x259} Nose: (0.0 ,0.0 ,8.775595E-7) Left Eye: (0.0 ,0.0 ,7.137654E-7) Right Eye: (0.0 ,0.0 ,1.2003383E-6) Left Ear: (0.0 ,0.0 ,8.495165E-7) Right Ear: (0.0 ,0.0 ,5.2003993E-6) Left Shoulder: (0.0 ,0.0 ,3.1942466E-7) Right Shoulder: (0.0 ,0.0 ,1.1035459E-6) Left Elbow: (0.0 ,0.0 ,5.3546346E-6) Right Elbow: (0.0 ,0.0 ,1.7979652E-6) Left Wrist: (0.0 ,0.0 ,8.755582E-7) Right Wrist: (0.0 ,0.0 ,6.6855574E-7) Left Hip: (0.0 ,0.0 ,4.0984042E-7) Right Hip: (0.0 ,0.0 ,7.5307044E-6) Left Knee: (0.0 ,0.0 ,9.537544E-7) Right Knee: (0.0 ,0.0 ,7.810681E-8) Left Ankle: (0.0 ,0.0 ,3.2538756E-7) Right Ankle: (0.0 ,0.0 ,1.2676019E-6) 
4: 1  0.38707685  {1277, 740, 44x138} Nose: (0.0 ,0.0 ,1.074906E-4) Left Eye: (0.0 ,0.0 ,3.1907311E-6) Right Eye: (0.0 ,0.0 ,9.670388E-6) Left Ear: (0.0 ,0.0 ,4.4663593E-6) Right Ear: (0.0 ,0.0 ,0.0025005206) Left Shoulder: (0.0 ,0.0 ,4.032511E-5) Right Shoulder: (0.0 ,0.0 ,2.5534397E-5) Left Elbow: (0.0 ,0.0 ,0.0043662274) Right Elbow: (0.0 ,0.0 ,4.32287E-5) Left Wrist: (0.0 ,0.0 ,8.4830776E-7) Right Wrist: (0.0 ,0.0 ,5.0576923E-6) Left Hip: (0.0 ,0.0 ,1.1178828E-5) Right Hip: (0.0 ,0.0 ,2.2293802E-5) Left Knee: (0.0 ,0.0 ,3.1517664E-6) Right Knee: (0.0 ,0.0 ,8.923516E-5) Left Ankle: (0.0 ,0.0 ,5.5582723E-6) Right Ankle: (0.0 ,0.0 ,2.206743E-6) 

左滑查看更多

cls
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Classification Top 10 result : 


classid probability
------- -----------
{14789}   {635.549438}
{3679}   {635.543701}
{14788}   {635.522583}
{14731}   {635.518616}
{14730}   {635.513428}
{3839}   {635.502441}
{14790}   {635.497314}
{14732}   {635.489258}
{14781}   {635.486694}
{14739}   {635.484985}

左滑查看更多

4总结

在该项目中，我们基于 AIxBoard 为硬件基础实现了 Java 在 Ubuntu 22.04 系统上成功使用 OpenVINO Java API，并且成功允许了 Yolov8 模型，验证了 Java 运行的可行性，并简化了 Java 开发者对于 AI 类项目的上手难度。

同时 OpenVINO Java API 已完成了 Mac、Linux、Windows 的测试，Windows 平台的文档也正在输出。后续我还会将继续使用 OpenVINO Java API 在 英特尔开发套件 AIxBoard 部署更多的深度学习模型。

审核编辑：汤梓红