在經過之前對于開發板的使用，以及通過幾個愛芯派官方給出的示例demo（mobilenet/yolov5）在開發板上的部署之后，筆者也逐漸了解了愛芯派這塊開發板利用其官方的推理引擎和pipeline部署模型的整體架構。接下來就回到最開始定的主線上了——人體姿態估計。這篇文章就是記錄對一些輕量化人體姿態估計模型的調研，和前期準備。

01人體姿態估計任務介紹

其實姿態任務識別在很多生活場景都被使用到，這里給大家舉幾個例子：

虛擬主播：大家看到B站直播時的“皮套人”，通常通過一個2D live的形象展示一個動漫形象，然后和主播同步動作。這就是通過攝像頭識別當前主播姿態，再同步到虛擬形象上實現的。

VR游戲：大家可能用過像kinect這樣的設備，用于VR體感游戲。kinect同樣會識別當前用戶的姿態，然后用于VR交互中。

活動識別：通過得到人體姿態后，再通過一個簡單的分類器，可以得到當前的運動狀態，如用戶是否跌倒（可以幫助監控老年人），以及用戶當前身體狀態等。

02人體姿態估計任務技術路線

其實人體姿態估計任務已經有很久的年頭了，在當前也算是很成熟的任務了。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)。下面簡單的對單人、多人人體姿態估計的技術路線做個小介紹：

03Openpose/lightweight openpose模型

首先要用到的是Openpose模型，這應該是最有名的人體姿態估計的模型了，因為是首個開源的人體姿態估計框架。論文如下：1812.08008.pdf (arxiv.org)。如下圖所示，openpose能在多人情況下達到理想的識別效果。這里簡單說明一下openpose的原理：openpose就是原來的Bottom-up模型，會先生成針對關鍵點的heatmap圖像，來預測關鍵點的位置；同時也會PAF圖像，也叫做關節的親和力場，哪些關節的親和力大，那么把它們劃分為同一個人。比如一個胳膊對應兩個關節點。

Openpose存在的一個問題便它其實是于比較大的模型，在GPU上運行速度也只是勉強實時。為了部署在端側，使用較低算力的設備，我們需要進一步將其輕量化，也就是lightweight openpose項目。這個主要針對Openpose模型做一些改進，參數量下降為15% ，但是性能缺相差無幾（精度降低1%）。這里不細講了，有興趣的朋友可以看這篇文章：輕量級OpenPose， Lightweight OpenPose

針對其部署，筆者使用了一些開源的項目后，發現如下的項目比較好用，就先用其觀察模型的效果：

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

（左右移動查看全部內容）

在其body.py里面可以簡單的寫一段代碼輸出onnx文件觀察網絡結構：

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")

（左右移動查看全部內容）

Openpose模型最終會輸出了兩個特征圖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，其實是由于最開始會通過一個VGG網絡提取特征，得到輸入圖片的寬高/8的特征圖。19表示coco數據集的關節種類個數18（即一個人體的所有關節點）+1個背景類別，38表示由這18個關節點構成的肢體的部分親和力場（每個肢體由兩個關節連接組成）。如下圖所示，把導出來的onnx文件放到netron網站可以看到其具體結構。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，筆者還有一個選型，就是谷歌的輕量級人體姿態估計模型MoveNet。它是更近的一個輕量級人體姿態估計模型，但是一個缺點是它沒有論文，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構去反推。

movenent的介紹在這個網站：Next-Generation Pose Detection with MoveNet and TensorFlow.js — The TensorFlow Blog ，通過對其學習，以及利用官方模型轉換到onnx模型，打開到netron網站觀察其結構，可以發現其有四個輸出，分別對應預測人體實例的幾何中、預測人體的全部關鍵點集、 預測所有關鍵點的位置的熱力場、以及預測關鍵點2D偏移場，也就是每個關鍵點精確子像素位置的局部偏移。這與Openpose不同，但是有了更精細話的結果。

同樣為了復刻movenet網絡結構，筆者選擇參照如下的項目進行實現。

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

（左右移動查看全部內容）

后續筆者先嘗試將openpose/lightweight openpose部署在板子上，再嘗試對movenent進行進一步的優化。

審核編輯：湯梓紅