OpenPose
OpenPose 是一款开创性的实时多人姿态估计架构。它通过首创的部分亲和字段（PAFs）自底向上（Bottom-Up）的处理机制，打破了传统算法在处理多人场景时计算量随人数增加而大幅提升的局限，实现了对复杂人群中人体骨架的快速重建。
- 核心特点：支持同时对多人进行人体、手部、面部以及足部的关键点提取，具备极强的多尺度感知能力和空间结构建模能力，广泛应用于动作捕获、人机交互、体育竞技分析及安防行为识别等领域。
- 版本说明：本案例采用 OpenPose 标准架构。作为姿态估计领域的基石，它通过双分支网络同时回归关键点热力图与肢体关联向量，有效解决了复杂遮挡与人体交叠情况下的关联难题。凭借其卓越的算法通用性与成熟的生态支持，它依然是目前实现高精度、多维度人体感知任务中最可靠的经典选择。
环境配置
需要提前配置好相关环境。
快速开始
下载模型文件
O6 / O6N
cd ai_model_hub_25_Q3/models/ComputeVision/Pose_Estimation/onnx_openpose
wget -O human-pose-estimation.cix https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Pose_Estimation/onnx_openpose/human-pose-estimation.cix
模型测试
信息
运行前激活虚拟环境！
O6 / O6N
python3 inference_npu.py
完整转换流程
下载模型文件
Linux PC
cd ai_model_hub_25_Q3/models/ComputeVision/Pose_Estimation/onnx_openpose
wget -O human-pose-estimation.onnx https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Pose_Estimation/onnx_openpose/model/human-pose-estimation.onnx
项目结构
├── cfg
├── datasets
├── human-pose-estimation.cix
├── inference_npu.py
├── inference_onnx.py
├── model
├── ReadMe.md
└── test_data
进行模型量化和转换
Linux PC
cd ..
cixbuild cfg/human-pose-estimationbuild.cfg
推送到板端
完成模型转换之后需要将 cix 模型文件推送到板端。
测试主机推理
运行推理脚本
Linux PC
python3 inference_onnx.py
模型推理结果
进行 NPU 部署
运行推理脚本
O6 / O6N
python3 inference_npu.py
模型推理结果
O6 / O6N
$ python3 inference_npu.py
npu: noe_init_context success
npu: noe_load_graph success
Input tensor count is 1.
Output tensor count is 4.
npu: noe_create_job success
npu: noe_clean_job success
npu: noe_unload_graph success
npu: noe_deinit_context success
