1.人體關(guān)鍵點(diǎn)識(shí)別簡(jiǎn)介

人體關(guān)鍵點(diǎn)識(shí)別是一種基于深度學(xué)習(xí)的對(duì)人進(jìn)行檢測(cè)定位與姿勢(shì)估計(jì)的模型，廣泛應(yīng)用于體育分析、動(dòng)物行為監(jiān)測(cè)和機(jī)器人等領(lǐng)域，幫助機(jī)器實(shí)時(shí)解讀物理動(dòng)作。本算法具有運(yùn)行效率高、實(shí)時(shí)性強(qiáng)的特點(diǎn)。

本人員檢測(cè)算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Orin-Nano(RK3576)硬件主板的運(yùn)行效率：

17個(gè)人體關(guān)鍵點(diǎn)索引定義：

2.快速上手

如果您初次閱讀此文檔，請(qǐng)閱讀：《入門指南/源碼管理及編程介紹/源碼工程管理》，按需管理自己工程源碼（注：此文檔必看，并建議采用【遠(yuǎn)程掛載管理】方式，否則有代碼丟失風(fēng)險(xiǎn)?。。。?/span>。

2.1開源碼工程下載

先在PC虛擬機(jī)定位到nfs服務(wù)目錄，再在目錄中創(chuàng)建存放源碼倉(cāng)庫(kù)的管理目錄：

cd ~/nfsroot mkdir GitHub cd GitHub

再通過git工具，在管理目錄內(nèi)克隆遠(yuǎn)程倉(cāng)庫(kù)（需要設(shè)備能對(duì)外網(wǎng)進(jìn)行訪問）

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.git

注：

* 此處可能會(huì)因網(wǎng)絡(luò)原因造成卡頓，請(qǐng)耐心等待。

* 如果實(shí)在要在gitHub網(wǎng)頁(yè)上下載，也要把整個(gè)倉(cāng)庫(kù)下載下來，不能單獨(dú)下載本實(shí)例對(duì)應(yīng)的目錄。

2.2開發(fā)環(huán)境搭建

通過adb shell進(jìn)入板卡開發(fā)環(huán)境，如下圖所示。

通過以下命令，把nfs目錄掛載上nfs服務(wù)器。

mount -t nfs -o nolock : /home/orin-nano/Desktop/nfs/

2.3例程編譯

然后定位到板卡的nfs的掛載目錄(按照實(shí)際掛載目錄)，進(jìn)入到對(duì)應(yīng)的例程目錄執(zhí)行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-3576/Demos/algorithm-person_pose/ ./build.sh

2.4模型部署

要完成算法Demo的執(zhí)行，需要先下載人體關(guān)鍵點(diǎn)識(shí)別算法模型。

百度網(wǎng)盤鏈接為：https://pan.baidu.com/s/1ln9kclhgl6JqXtOzS3y5PQ?pwd=1234（提取碼：1234）。

同時(shí)需要把下載的人體關(guān)鍵點(diǎn)識(shí)別算法模型復(fù)制粘貼到Release/目錄：

2.5例程運(yùn)行及效果

進(jìn)入開發(fā)板Release目錄，執(zhí)行下方命令，運(yùn)行示例程序：

cd Release/ ./test-person_pose person_pose_m.model test.jpg

運(yùn)行例程命令如下所示：

結(jié)果圖片如下所示：

API的詳細(xì)說明，以及API的調(diào)用（本例程源碼），詳細(xì)信息見下方說明。

3.人體關(guān)鍵點(diǎn)檢測(cè)API說明

1. 引用方式

為方便客戶在本地工程中直接調(diào)用我們的EASY EAIapi庫(kù)，此處列出工程中需要鏈接的庫(kù)以及頭文件等，方便用戶直接添加。

3.1人體關(guān)鍵點(diǎn)識(shí)別初始化函數(shù)

人體關(guān)鍵點(diǎn)識(shí)別初始化函數(shù)原型如下所示。

int person_pose_init(const char *c, person_pose_context_t *p_person_pose, int cls_num)

具體介紹如下所示。

3.2人體關(guān)鍵點(diǎn)識(shí)別運(yùn)行函數(shù)

人體關(guān)鍵點(diǎn)識(shí)別運(yùn)行函數(shù)person_pose_run原型如下所示。

std::vector person_pose_run(cv::Mat image, person_pose_context_t *p_person_pose, float nms_threshold, float conf_threshold);

具體介紹如下所示。

3.3人體關(guān)鍵點(diǎn)識(shí)別釋放函數(shù)

人體關(guān)鍵點(diǎn)識(shí)別釋放函數(shù)原型如下所示。

int person_pose_release(person_pose_context_t* p_person_pose)

具體介紹如下所示。

4.人體關(guān)鍵識(shí)別算法例程

例程目錄為Demos/algorithm-person_pose/test-person_pose.cpp，操作流程如下。

參考例程如下所示。

#include #include #include #include #include "person_pose.h" #include // 畫線 cv::Mat draw_line(cv::Mat image, float *key1, float *key2, cv::Scalar color) { if (key1[2] > 0.1 && key2[2] > 0.1) { cv::Point pt1(key1[0], key1[1]); cv::Point pt2(key2[0], key2[1]); cv::circle(image, pt1, 2, color, 2); cv::circle(image, pt2, 2, color, 2); cv::line(image, pt1, pt2, color, 2); } return image; } // 繪制結(jié)果: // 0鼻子, 1左眼, 2右眼，3左耳，4右耳，5左肩，6右肩，7左肘，8右肘，9左腕，10右腕，11左髖關(guān)節(jié)，12右髖關(guān)節(jié)，13左膝，14右膝，15左腳踝，16右腳踝 cv::Mat draw_image(cv::Mat image, std::vector results) { long unsigned int i =0; for (i = 0; i < results.size(); i++) { // 繪制臉部 image = draw_line(image, results[i].keypoints[0], results[i].keypoints[1], CV_RGB(0, 255, 0)); image = draw_line(image, results[i].keypoints[0], results[i].keypoints[2], CV_RGB(0, 255, 0)); image = draw_line(image, results[i].keypoints[1], results[i].keypoints[3], CV_RGB(0, 255, 0)); image = draw_line(image, results[i].keypoints[2], results[i].keypoints[4], CV_RGB(0, 255, 0)); image = draw_line(image, results[i].keypoints[3], results[i].keypoints[5], CV_RGB(0, 255, 0)); image = draw_line(image, results[i].keypoints[4], results[i].keypoints[6], CV_RGB(0, 255, 0)); // 繪制上半身 image = draw_line(image, results[i].keypoints[5], results[i].keypoints[6], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[5], results[i].keypoints[7], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[7], results[i].keypoints[9], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[6], results[i].keypoints[8], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[8], results[i].keypoints[10], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[5], results[i].keypoints[11], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[6], results[i].keypoints[12], CV_RGB(0, 0, 255)); image = draw_line(image, results[i].keypoints[11], results[i].keypoints[12], CV_RGB(0, 0, 255)); // 繪制下半身 image = draw_line(image, results[i].keypoints[11], results[i].keypoints[13], CV_RGB(255, 255, 0)); image = draw_line(image, results[i].keypoints[13], results[i].keypoints[15], CV_RGB(255, 255, 0)); image = draw_line(image, results[i].keypoints[12], results[i].keypoints[14], CV_RGB(255, 255, 0)); image = draw_line(image, results[i].keypoints[14], results[i].keypoints[16], CV_RGB(255, 255, 0)); cv::Rect rect(results[i].left, results[i].top, (results[i].right - results[i].left), (results[i].bottom - results[i].top)); cv::rectangle(image, rect, CV_RGB(255, 0, 0), 2); } return image; } /// 主函數(shù) int main(int argc, char **argv) { if (argc != 3) { printf("%s \n", argv[0]); return -1; } const char *p_model_path = argv[1]; const char *p_img_path = argv[2]; printf("Model path = %s, image path = %s\n\n", p_model_path, p_img_path); cv::Mat image = cv::imread(p_img_path); printf("Image size = (%d, %d)\n", image.rows, image.cols); int ret; person_pose_context_t yolo11_pose; memset(&yolo11_pose, 0, sizeof(yolo11_pose)); person_pose_init(p_model_path, &yolo11_pose, 1); double start_time = static_cast(cv::getTickCount()); std::vector results = person_pose_run(image, &yolo11_pose, 0.35, 0.35); double end_time = static_cast(cv::getTickCount()); double time_elapsed = (end_time - start_time) / cv::getTickFrequency() * 1000; std::cout << "person pose run time: " << time_elapsed << " ms" << std::endl; // 繪制結(jié)果 image = draw_image(image, results); cv::imwrite("result.jpg", image); printf("Detect size = %ld\n", results.size()); ret = person_pose_release(&yolo11_pose); return ret; }