全網(wǎng)首發(fā)，人體姿態(tài)估計(jì)算法在OK3588上部署應(yīng)用（十三）

2年前作者：邊緣計(jì)算NVIDIA&Rockchip分類：Toy博客閱讀(20)違法舉報(bào)

這篇具有很好參考價(jià)值的文章主要介紹了全網(wǎng)首發(fā)，人體姿態(tài)估計(jì)算法在OK3588上部署應(yīng)用（十三）。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方，請(qǐng)大家不吝賜教，您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

一、主機(jī)模型轉(zhuǎn)換

采用FastDeploy來(lái)部署應(yīng)用深度學(xué)習(xí)模型到OK3588板卡上

進(jìn)入主機(jī)Ubuntu的虛擬環(huán)境
conda activate ok3588
主機(jī)環(huán)境搭建可以參考上一篇《OK3588板卡實(shí)現(xiàn)人像摳圖（十二）》

生成onnx文件

cd FastDeploy
# 下載Paddle靜態(tài)圖模型并解壓
wget https://bj.bcebos.com/paddlehub/fastdeploy/PP_TinyPose_256x192_infer.tgz
tar -xvf PP_TinyPose_256x192_infer.tgz

# 靜態(tài)圖轉(zhuǎn)ONNX模型，注意，這里的save_file請(qǐng)和壓縮包名對(duì)齊
paddle2onnx --model_dir PP_TinyPose_256x192_infer \
            --model_filename model.pdmodel \
            --params_filename model.pdiparams \
            --save_file PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \
            --enable_dev_version True

# 固定shape
python -m paddle2onnx.optimize --input_model PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \
                                --output_model PP_TinyPose_256x192_infer/PP_TinyPose_256x192_infer.onnx \
                                --input_shape_dict "{'image':[1,3,256,192]}"

轉(zhuǎn)換成RKNN模型

python tools/rknpu2/export.py --config_path tools/rknpu2/config/PP_TinyPose_256x192_unquantized.yaml \
                              --target_platform rk3588

把PP_TinyPose_256x192_infer文件夾打包放到OK3588板卡上

二、板卡模型部署

進(jìn)入虛擬環(huán)境
conda activate ok3588
cd FastDeploy/examples/vision/keypointdetection/tiny_pose/rknpu2/cpp
mkdir build
cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=/home/forlinx/FastDeploy/build/fastdeploy-0.0.0/
make -j
得到了編譯后的文件 infer_tinypose_demo

三、執(zhí)行推理

PP_TinyPose_256x192_infer 文件夾放在build里面

NPU推理

sudo ./infer_tinypose_demo PP_TinyPose_256x192_infer pose.jpg

推理結(jié)果展示，即便是個(gè)鋼鐵俠模型，還是可以準(zhǔn)確的識(shí)別出關(guān)鍵點(diǎn)哈

全網(wǎng)首發(fā)，人體姿態(tài)估計(jì)算法在OK3588上部署應(yīng)用（十三）,OK3588,人工智能,pose,OK3588,人體姿態(tài)估計(jì) 文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-684436.html

到了這里，關(guān)于全網(wǎng)首發(fā)，人體姿態(tài)估計(jì)算法在OK3588上部署應(yīng)用（十三）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來(lái)自互聯(lián)網(wǎng)用戶投稿，該文觀點(diǎn)僅代表作者本人，不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請(qǐng)注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符，請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋，一經(jīng)查實(shí)，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

CVPR2023新作：3D人體姿態(tài)估計(jì)
Title: 3D Human Pose Estimation via Intuitive Physics Affiliation: Max Planck Institute for Intelligent Systems, Tübingen, Germany Authors: Shashank Tripathi, Lea Müller, Chun-Hao P. Huang, Omid Taheri, Michael J. Black, Dimitrios Tzionas Keywords: 3D human pose estimation, physics engine, intuitive-physics terms, pressure heatmap, stable configuration. Su
2024年02月16日
瀏覽(19)
【姿態(tài)估計(jì)】MediaPipe部分solution(手勢(shì)，人體姿態(tài)，面部動(dòng)作)的用法
Mediapipe介紹 MediaPipe是個(gè)基于圖形的跨平臺(tái)框架，用于構(gòu)建多模式應(yīng)用的機(jī)器學(xué)習(xí)管道。 MediaPipe可在移動(dòng)設(shè)備，工作站和服務(wù)器上跨平臺(tái)運(yùn)行，并支持移動(dòng)GPU加速。使用MediaPipe，可以將應(yīng)用的機(jī)器學(xué)習(xí)管道構(gòu)建為模塊化組件的圖形。 MediaPipe專為機(jī)器學(xué)習(xí)從業(yè)者而設(shè)計(jì)包括研究
2024年02月01日
瀏覽(15)
Python+OpenCV+OpenPose實(shí)現(xiàn)人體姿態(tài)估計(jì)（人體關(guān)鍵點(diǎn)檢測(cè)）
1、人體姿態(tài)估計(jì)簡(jiǎn)介 2、人體姿態(tài)估計(jì)數(shù)據(jù)集 3、OpenPose庫(kù) 4、實(shí)現(xiàn)原理 5、實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò) 6、實(shí)現(xiàn)代碼人體姿態(tài)估計(jì)(Human Posture Estimation)，是通過(guò)將圖片中已檢測(cè)到的人體關(guān)鍵點(diǎn)正確的聯(lián)系起來(lái)，從而估計(jì)人體姿態(tài)。人體關(guān)鍵點(diǎn)通常對(duì)應(yīng)人體上有一定自由度的關(guān)節(jié)，比如頸、
2024年02月04日
瀏覽(22)
MMPose姿態(tài)估計(jì)+人體關(guān)鍵點(diǎn)識(shí)別效果演示
1.1 背景首先姿態(tài)估計(jì)屬于計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)基礎(chǔ)研究方向。MMPose是基于Pytorch的姿態(tài)估計(jì)開源算法庫(kù)，功能全，涵蓋的算法多。 1.2 姿態(tài)估計(jì)的任務(wù)分類維度：預(yù)測(cè)的是2D還是3D姿態(tài)。輸入格式：圖片 or 視頻姿態(tài)的表示形式：關(guān)鍵點(diǎn) or 形狀等目標(biāo)類型：全身 or 人臉
2024年01月20日
瀏覽(19)
人體姿態(tài)估計(jì)技術(shù)的理解（Human Pose Estimination)
本人畢設(shè)題目是人體姿態(tài)估計(jì)技術(shù)的相關(guān)課題，本人按照自己對(duì)人體姿態(tài)估計(jì)技術(shù)的學(xué)習(xí)和理解進(jìn)行論述，如有不足，請(qǐng)大家指正！??！ “姿勢(shì)估計(jì)?……姿勢(shì)這個(gè)詞對(duì)不同的人可能有不同的含義，但我們不是在討論阿諾德的經(jīng)典作品、奧林匹亞或選美表演。那么，姿勢(shì)估計(jì)
2024年02月11日
瀏覽(16)
基于 pytorch-openpose 實(shí)現(xiàn) “多目標(biāo)” 人體姿態(tài)估計(jì)
還記得上次通過(guò) MediaPipe 估計(jì)人體姿態(tài)關(guān)鍵點(diǎn)驅(qū)動(dòng) 3D 角色模型，雖然節(jié)省了動(dòng)作 K 幀時(shí)間，但是網(wǎng)上還有一種似乎更方便的方法。MagicAnimate 就是其一，說(shuō)是只要提供一張人物圖片和一段動(dòng)作視頻 (舞蹈武術(shù)等)，就可以完成圖片人物轉(zhuǎn)視頻。于是我就去官網(wǎng)體驗(yàn)了一下，發(fā)現(xiàn)
2024年01月25日
瀏覽(16)
YOLOv5姿態(tài)估計(jì)：HRnet實(shí)時(shí)檢測(cè)人體關(guān)鍵點(diǎn)
前言： Hello大家好，我是Dream。今天來(lái)學(xué)習(xí)一下利用YOLOv5進(jìn)行姿態(tài)估計(jì)，HRnet與SimDR檢測(cè)圖片、視頻以及攝像頭中的人體關(guān)鍵點(diǎn) ，歡迎大家一起前來(lái)探討學(xué)習(xí)~ 首先需要我們利用Pycharm直接克隆github中的姿態(tài)估計(jì)原工程文件，如果不知道怎樣在本地克隆Pycharm，可以接著往下看，
2024年01月17日
瀏覽(27)
Mediapipe人體骨架檢測(cè)和實(shí)時(shí)3d繪制——Mediapipe實(shí)時(shí)姿態(tài)估計(jì)
大約兩年前，基于自己的理解我曾寫了幾篇關(guān)于Mediapipe的文章，似乎幫助到了一些人。這兩年，忙于比賽、實(shí)習(xí)、畢業(yè)、工作和考研。上篇文章已經(jīng)是一年多前發(fā)的了。這段時(shí)間收到很多私信和評(píng)論，請(qǐng)?jiān)彑o(wú)法一一回復(fù)了。我將嘗試在這篇文章里回答一些大家經(jīng)常問(wèn)到的問(wèn)
2024年02月03日
瀏覽(89)
YOLOPose：除了目標(biāo)檢測(cè)，YOLO還能不花代價(jià)地估計(jì)人體姿態(tài)，對(duì)實(shí)時(shí)性能有要求必看!
導(dǎo)讀： YOLO，是一種流行的目標(biāo)檢測(cè)框架。如果將YOLO引入姿態(tài)檢測(cè)任務(wù)中，將取得什么結(jié)果呢？這篇文章實(shí)現(xiàn)了單階段的2D人體姿態(tài)檢測(cè)，與自上而下或自下而上的方法不同，該方法將人體檢測(cè)與關(guān)鍵點(diǎn)估計(jì)聯(lián)合實(shí)現(xiàn)，在不采用數(shù)據(jù)增強(qiáng)如翻轉(zhuǎn)、多尺度等情況下，實(shí)現(xiàn)COCO ke
2024年02月06日
瀏覽(16)
3D視覺(jué)——1.人體姿態(tài)估計(jì)(Pose Estimation)入門——使用MediaPipe含單幀(Signel Frame)與實(shí)時(shí)視頻(Real-Time Video)
使用MediaPipe工具包進(jìn)行開發(fā) MediaPipe是一款由Google Research 開發(fā)并開源的多媒體機(jī)器學(xué)習(xí)模型應(yīng)用框架，用于處理視頻、音頻等時(shí)間序列數(shù)據(jù)。這個(gè)跨平臺(tái)架構(gòu)使用于桌面/服務(wù)器、Android、iOS和嵌入式設(shè)備等。我們使用MeidaPipe下的Solutions（方案特定的模型），共有16個(gè)Solutions: 人
2024年01月18日
瀏覽(22)