姿态评估技术与框架

姿态评估(Pose estimation)是计算机视觉的研究热点之一，姿态评估的算法应用主要可以分为两部完成，第一步是对象检测，对象区域的定位与查找，截取图像ROI，第二步是根据对象检测定位截取ROI区域作为输入，完成姿态评估与预测。当前主要用于姿态评估的深度学习网络框架有以下几种：

OpenPose框架

是一个开源的姿态评估算法框架，支持多任姿态评估，可以实现实时的人体对象检测、身体、头部、手部姿态评估与人脸关机点检测，支持2D与3D，简易的C++接口调用与自定义训练。

DeepCut框架

跟OpenPose类似的姿态评估框，支持多人检测与姿态评估，特别是在图像与视频中运动场景下，包括足球与篮球运动场景。

其它的类似框架还包括有AlphaPose、DeepPose、PoseNet等。姿态评估算法主要应用场景在移动机器人、虚拟现实、人体跌倒检测、危险动作识别、机器人动作训练、活体验证等。

OpenVINO中涉及到姿态评估方面的支持主要有下列几个预训练模型：

模型名称

模型说明

head-pose-estimation-adas-0001

头部姿态评估，简单的全卷积网络

human-pose-estimation-0001

基于OpenPose, MobileNetv1做特征提取，18对关键点

human-pose-estimation-0002

基于EfficientHRNet，17对关键点检测

human-pose-estimation-0003

基于EfficientHRNet，17对关键点检测

human-pose-estimation-0004

基于EfficientHRNet，17对关键点检测

                                                                                    表-1

从human-pose-estimation-0002到human-pose-estimation-0004输入图像的分辨率增大，计算复杂度增加，检测精度提升。从human-pose-estimation-0001到human-pose-estimation-0004都支持多人的姿态评估。OpenVINO通过上述五个模型实现基本的人体姿态评估需求。这里我们以头部姿态评估为例来完成姿态评估模型的OpenVINO部署与代码演示。

 

头部姿态评估模型

OpenVINO支持的头部姿态评估模型head-pose-estimation-adas-0001的输入与输出格式分别如下：

输入格式为NxCxHxW=1x3x60x60，期望的彩色图像通道顺序BGR、大小为60x60

输出层名称与格式如下：

name: "angle_y_fc", shape: [1, 1] - Estimated
name: "angle_p_fc", shape: [1, 1] - Estimated pitch
name: "angle_r_fc", shape: [1, 1] - Estimated roll

在三个维度方向实现头部动作识别，它们分别是：

pitch是俯仰角，是“点头“

yaw是偏航角，是‘摇头’

roll是旋转角，是“翻滚

它们的角度范围分别为：YAW [-90,90], PITCH [-70,70], ROLL [-70,70]

这三个专业词汇其实是来自无人机与航空领域，计算机视觉科学家一大爱好就是搞新词，就把它们借用到头部姿态评估中，它们的意思图示如下：

opencv姿态检测 opencv头部姿态识别_计算机视觉

                                                                                                                                     图-1（来自网络）

对应到头部姿态评估中

opencv姿态检测 opencv头部姿态识别_计算机视觉_02

                                                                                                                                     图-2 (来自网络)

该网络模型的格式通过Netron查看之后你会发现就是一些简单的Conv-ReLU-BN的叠加，最后是一个多任务的分支输出，模型结构跟2017年一篇论文里面的模型有点相似，我大胆猜测一波，OpenVINO头部姿态模型的开发者肯定是了解过此篇论文的，论文地址如下：

https://arxiv.org/pdf/1710.00925.pdf

论文中给出的模型结构如下：

opencv姿态检测 opencv头部姿态识别_代码实现_03

                                                                                                          图-3(来自论文Fine-Grained Head Pose Estimation Without Keypoints)

可以看到它的backbone部分是ResNet50，在OpenVINO中考虑到图像的输入分辨率与速度需求ResNet50的backbone被替换为一些简单的Conv-ReLU-BN叠加。图示如下：

opencv姿态检测 opencv头部姿态识别_opencv姿态检测_04

                                                                                                                                     图-4

代码实现

首先需要完成人脸检测，然后把对人脸部分ROI区域适当的向上增加大小之后完成截图，重新resize之后再作为输入头部姿态评估模型推理，得到三个角度，根据角度数值的范围获得最终的头部姿态评估结果。代码实现部分的人脸检测作为上一篇的对象检测部分关联知识，这里就不再展开详细说明。主要说明如何通过人脸检测结果截取ROI区域，调用头部姿态评估模型实现姿态评估、预测解析与结果显示，所以头部姿态评估的代码部分可以分为以下几步，它们分别是：

第一步：加载头部姿态识别模型与设置输入输出格式

// load emotion model
InferenceEngine::CNNNetwork head_pose_net = ie.ReadNetwork(head_model_xml, head_model_bin);
InferenceEngine::InputsDataMap head_pose_inputs = head_pose_net.getInputsInfo();
InferenceEngine::OutputsDataMap head_pose_outputs = head_pose_net.getOutputsInfo();
std::string hp_input_name = "";
for (auto item : head_pose_inputs) {
       hp_input_name = item.first;
       auto input_data = item.second;
       input_data->setPrecision(Precision::U8);
       input_data->setLayout(Layout::NCHW);
}
 
for (auto item : head_pose_outputs) {
       auto output_data = item.second;
       output_data->setPrecision(Precision::FP32);
}

第二步：获取可执行网络与推理请求

auto executable_hp_network = ie.LoadNetwork(head_pose_net, "CPU");
auto hp_request = executable_hp_network.CreateInferRequest();

第三步：截取输入、推理与解析输出

// check out of boundary
if (box.x < 0) {
       box.x = 0;
}
if (box.y < 0) {
       box.y = 0;
}
if ((box.width + box.x) >= curr_frame.cols) {
       box.width = curr_frame.cols - box.x;
}
if ((box.height+ box.y) >= curr_frame.rows) {
       box.height = curr_frame.rows - box.y;
}
fetch_head_pose(curr_frame, hp_request, box, hp_input_name);

其中fetch_head_pose函数方法的代码实现如下：

void fetch_head_pose(cv::Mat &image, InferenceEngine::InferRequest &request, cv::Rect &face_roi,
       std::string &e_input) {
       cv::Mat faceROI = image(face_roi);
       auto blob = request.GetBlob(e_input);
       matU8ToBlob<uchar>(faceROI, blob);
 
       request.Infer();
 
       // output prase
       auto output1 = request.GetBlob("angle_y_fc");
       auto output2 = request.GetBlob("angle_p_fc");
       auto output3 = request.GetBlob("angle_r_fc");
       const float* y_pred = static_cast<PrecisionTrait<Precision::FP32>::value_type*>(output1->buffer());
       const float* p_pred = static_cast<PrecisionTrait<Precision::FP32>::value_type*>(output2->buffer());
       const float* r_pred = static_cast<PrecisionTrait<Precision::FP32>::value_type*>(output3->buffer());
       std::string head_pose = "";
       if (p_pred[0] > 20 || p_pred[0] < -20) {
              head_pose += "pitch, ";
       }
       if (r_pred[0] > 20 || r_pred[0] < -20) {
              head_pose += "roll, ";
       }
       if (y_pred[0] > 20 || y_pred[0] < -20) {
              head_pose += "yaw, ";
       }
       putText(image, head_pose, face_roi.tl(), cv::FONT_HERSHEY_SIMPLEX, 1.0, Scalar(255, 0, 255), 2, 8);
}

 

最终程序运行结果如下：

opencv姿态检测 opencv头部姿态识别_计算机视觉_05

                                                                                                                                     图-5