使用愛芯派Pro開發(fā)板部署人體姿態(tài)估計(jì)模型

在經(jīng)過之前對(duì)于開發(fā)板的使用，以及通過幾個(gè)愛芯派官方給出的示例demo（mobilenet/yolov5）在開發(fā)板上的部署之后，筆者也逐漸了解了愛芯派這塊開發(fā)板利用其官方的推理引擎和pipeline部署模型的整體架構(gòu)。接下來就回到最開始定的主線上了——人體姿態(tài)估計(jì)。這篇文章就是記錄對(duì)一些輕量化人體姿態(tài)估計(jì)模型的調(diào)研，和前期準(zhǔn)備。

01人體姿態(tài)估計(jì)任務(wù)介紹

其實(shí)姿態(tài)任務(wù)識(shí)別在很多生活場(chǎng)景都被使用到，這里給大家舉幾個(gè)例子：

虛擬主播：大家看到B站直播時(shí)的“皮套人”，通常通過一個(gè)2D live的形象展示一個(gè)動(dòng)漫形象，然后和主播同步動(dòng)作。這就是通過攝像頭識(shí)別當(dāng)前主播姿態(tài)，再同步到虛擬形象上實(shí)現(xiàn)的。

VR游戲：大家可能用過像kinect這樣的設(shè)備，用于VR體感游戲。kinect同樣會(huì)識(shí)別當(dāng)前用戶的姿態(tài)，然后用于VR交互中。

活動(dòng)識(shí)別：通過得到人體姿態(tài)后，再通過一個(gè)簡(jiǎn)單的分類器，可以得到當(dāng)前的運(yùn)動(dòng)狀態(tài)，如用戶是否跌倒（可以幫助監(jiān)控老年人），以及用戶當(dāng)前身體狀態(tài)等。

02人體姿態(tài)估計(jì)任務(wù)技術(shù)路線

其實(shí)人體姿態(tài)估計(jì)任務(wù)已經(jīng)有很久的年頭了，在當(dāng)前也算是很成熟的任務(wù)了。有興趣的朋友可以閱讀下這篇綜述：Deep Learning-Based Human Pose Estimation: A Survey (arxiv.org)。下面簡(jiǎn)單的對(duì)單人、多人人體姿態(tài)估計(jì)的技術(shù)路線做個(gè)小介紹：

03Openpose/lightweight openpose模型

首先要用到的是Openpose模型，這應(yīng)該是最有名的人體姿態(tài)估計(jì)的模型了，因?yàn)槭鞘讉€(gè)開源的人體姿態(tài)估計(jì)框架。論文如下：1812.08008.pdf (arxiv.org)。如下圖所示，openpose能在多人情況下達(dá)到理想的識(shí)別效果。這里簡(jiǎn)單說明一下openpose的原理：openpose就是原來的Bottom-up模型，會(huì)先生成針對(duì)關(guān)鍵點(diǎn)的heatmap圖像，來預(yù)測(cè)關(guān)鍵點(diǎn)的位置；同時(shí)也會(huì)PAF圖像，也叫做關(guān)節(jié)的親和力場(chǎng)，哪些關(guān)節(jié)的親和力大，那么把它們劃分為同一個(gè)人。比如一個(gè)胳膊對(duì)應(yīng)兩個(gè)關(guān)節(jié)點(diǎn)。

Openpose存在的一個(gè)問題便它其實(shí)是于比較大的模型，在GPU上運(yùn)行速度也只是勉強(qiáng)實(shí)時(shí)。為了部署在端側(cè)，使用較低算力的設(shè)備，我們需要進(jìn)一步將其輕量化，也就是lightweight openpose項(xiàng)目。這個(gè)主要針對(duì)Openpose模型做一些改進(jìn)，參數(shù)量下降為15% ，但是性能缺相差無幾（精度降低1%）。這里不細(xì)講了，有興趣的朋友可以看這篇文章：輕量級(jí)OpenPose， Lightweight OpenPose

針對(duì)其部署，筆者使用了一些開源的項(xiàng)目后，發(fā)現(xiàn)如下的項(xiàng)目比較好用，就先用其觀察模型的效果：

git clone https://github.com/Hzzone/pytorch-openpose.git

（左右移動(dòng)查看全部?jī)?nèi)容）

在其body.py里面可以簡(jiǎn)單的寫一段代碼輸出onnx文件觀察網(wǎng)絡(luò)結(jié)構(gòu)：

class Body(object):
  def __init__(self, model_path):
    self.model = bodypose_model()
    if torch.cuda.is_available():
      self.model = self.model.cuda()
    model_dict = util.transfer(self.model, torch.load(model_path))
    self.model.load_state_dict(model_dict)
    self.model.eval()


    dummy_input = torch.randn(1, 3, 368, 368).cuda()
    torch.onnx.export(self.model, dummy_input, "model/openpose_lightweight_body.onnx")

（左右移動(dòng)查看全部?jī)?nèi)容）

Openpose模型最終會(huì)輸出了兩個(gè)特征圖heat_map和paf_map，shape分別為（height，width，19）和（height，width，38），其中width、height分別為輸入圖片的寬高/8，其實(shí)是由于最開始會(huì)通過一個(gè)VGG網(wǎng)絡(luò)提取特征，得到輸入圖片的寬高/8的特征圖。19表示coco數(shù)據(jù)集的關(guān)節(jié)種類個(gè)數(shù)18（即一個(gè)人體的所有關(guān)節(jié)點(diǎn)）+1個(gè)背景類別，38表示由這18個(gè)關(guān)節(jié)點(diǎn)構(gòu)成的肢體的部分親和力場(chǎng)（每個(gè)肢體由兩個(gè)關(guān)節(jié)連接組成）。如下圖所示，把導(dǎo)出來的onnx文件放到netron網(wǎng)站可以看到其具體結(jié)構(gòu)。這里可以看到輸出的shape，也方便我們部署的要求。

04Movenet

除了Openpose外，筆者還有一個(gè)選型，就是谷歌的輕量級(jí)人體姿態(tài)估計(jì)模型MoveNet。它是更近的一個(gè)輕量級(jí)人體姿態(tài)估計(jì)模型，但是一個(gè)缺點(diǎn)是它沒有論文，也沒有官方代碼，雖然有開源的tfjs模型還有tflite模型，但是也只能通過觀察模型結(jié)構(gòu)去反推。

movenent的介紹在這個(gè)網(wǎng)站：Next-Generation Pose Detection with MoveNet and TensorFlow.js — The TensorFlow Blog ，通過對(duì)其學(xué)習(xí)，以及利用官方模型轉(zhuǎn)換到onnx模型，打開到netron網(wǎng)站觀察其結(jié)構(gòu)，可以發(fā)現(xiàn)其有四個(gè)輸出，分別對(duì)應(yīng)預(yù)測(cè)人體實(shí)例的幾何中、預(yù)測(cè)人體的全部關(guān)鍵點(diǎn)集、 預(yù)測(cè)所有關(guān)鍵點(diǎn)的位置的熱力場(chǎng)、以及預(yù)測(cè)關(guān)鍵點(diǎn)2D偏移場(chǎng)，也就是每個(gè)關(guān)鍵點(diǎn)精確子像素位置的局部偏移。這與Openpose不同，但是有了更精細(xì)話的結(jié)果。

同樣為了復(fù)刻movenet網(wǎng)絡(luò)結(jié)構(gòu)，筆者選擇參照如下的項(xiàng)目進(jìn)行實(shí)現(xiàn)。

git clone https://github.com/fire717/movenet.pytorch.git

（左右移動(dòng)查看全部?jī)?nèi)容）

后續(xù)筆者先嘗試將openpose/lightweight openpose部署在板子上，再嘗試對(duì)movenent進(jìn)行進(jìn)一步的優(yōu)化。

審核編輯：湯梓紅