English | 简体中文
本例程用于说明如何使用sophon-stream快速构建视频姿态识别应用。
源代码 (https://github.com/CMU-Perceptual-Computing-Lab/openpose)
本例程中，openpose算法的前处理、推理、后处理分别在三个element上进行运算，element内部可以开启多个线程，保证了一定的检测效率
- 支持BM1684X、BM1684(x86 PCIe、SoC)
- 支持多路视频流
- 支持多线程
- BM1684X平台上，支持tpu_kernel后处理
在scripts目录下提供了相关模型和数据的下载脚本 download.sh。
# 安装unzip，若已安装请跳过，非ubuntu系统视情况使用yum或其他方式安装
sudo apt install unzip
chmod -R +x scripts/
./scripts/download.sh脚本执行完毕后，会在当前目录下生成data目录，其中包含models和videos两个子目录。
下载的模型包括：
./models
├── BM1684
│ ├── pose_coco_fp32_1b.bmodel # 使用TPU-NNTC编译，用于BM1684的FP32 BModel，batch_size=1，18个身体关键点识别
│ ├── pose_coco_int8_1b.bmodel # 使用TPU-NNTC编译，用于BM1684的INT8 BModel，batch_size=1，18个身体关键点识别
│ ├── pose_coco_int8_4b.bmodel # 使用TPU-NNTC编译，用于BM1684的INT8 BModel，batch_size=4，18个身体关键点识别
│ └── pose_body_25_fp32_1b.bmodel # 使用TPU-NNTC编译，用于BM1684的FP32 BModel，batch_size=1，25个身体关键点识别
└── BM1684X
├── pose_coco_fp32_1b.bmodel # 使用TPU-MLIR编译，用于BM1684X的FP32 BModel，batch_size=1，18个身体关键点识别
├── pose_coco_fp16_1b.bmodel # 使用TPU-MLIR编译，用于BM1684X的FP16 BModel，batch_size=1，18个身体关键点识别
├── pose_coco_int8_1b.bmodel # 使用TPU-MLIR编译，用于BM1684X的INT8 BModel，batch_size=1，18个身体关键点识别
├── pose_coco_int8_4b.bmodel # 使用TPU-MLIR编译，用于BM1684X的INT8 BModel，batch_size=4，18个身体关键点识别
├── pose_body_25_fp32_1b.bmodel # 使用TPU-MLIR编译，用于BM1684X的FP32 BModel，batch_size=1，25个身体关键点识别
└── pose_body_25_fp16_1b.bmodel # 使用TPU-MLIR编译，用于BM1684X的FP16 BModel，batch_size=1，25个身体关键点识别下载的数据包括：
./videos
└── test.mp4 # 测试视频 如果您在x86/arm平台安装了PCIe加速卡（如SC系列加速卡），可以直接使用它作为开发环境和运行环境。您需要安装libsophon、sophon-opencv和sophon-ffmpeg，具体步骤可参考x86-pcie平台的开发和运行环境搭建或arm-pcie平台的开发和运行环境搭建。
如果您使用SoC平台（如SE、SM系列边缘设备），刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包，可直接使用它作为运行环境。通常还需要一台x86主机作为开发环境，用于交叉编译C++程序。
可以直接在PCIe平台上编译程序，具体请参考sophon-stream编译
通常在x86主机上交叉编译程序，您需要在x86主机上使用SOPHON SDK搭建交叉编译环境，将程序所依赖的头文件和库文件打包至sophon_sdk_soc目录中，具体请参考sophon-stream编译。本例程主要依赖libsophon、sophon-opencv和sophon-ffmpeg运行库包。
openpose demo中各部分参数位于 config 目录，结构如下所示：
./config/
├── decode.json # 解码配置
├── engine_group.json # sophon-stream简化的graph配置
├── engine.json # sophon-stream graph配置，需要分别配置前处理、推理和后处理文件
├── openpose_demo.json # demo输入配置文件
├── openpose_group.json # 简化的openpose配置文件，将前处理、推理、后处理合到一个配置文件中
├── openpose_infer.json # openpose 推理配置文件
├── openpose_post.json # openpose 后处理配置文件
└── openpose_pre.json # openpose 预处理配置文件其中，openpose_demo.json是例程的整体配置文件，管理输入码流等信息。在一张图上可以支持多路数据的输入，channels参数配置输入的路数，channel中包含码流url等信息。
配置文件中不指定channel_id属性的情况，会在demo中对每一路数据的channel_id从0开始默认赋值。
{
"channels": [
{
"channel_id": 2,
"url": "../openpose/data/videos/test.mp4",
"source_type": "VIDEO",
"loop_num": 1,
"fps": -1
},
{
"channel_id": 3,
"url": "../openpose/data/videos/test.mp4",
"source_type": "VIDEO",
"loop_num": 1,
"fps": -1
},
{
"channel_id": 20,
"url": "../openpose/data/videos/test.mp4",
"source_type": "VIDEO",
"loop_num": 1,
"fps": -1
},
{
"channel_id": 30,
"url": "../openpose/data/videos/test.mp4",
"source_type": "VIDEO",
"loop_num": 1,
"fps": -1
}
],
"download_image": false,
"draw_func_name": "draw_openpose_results",
"engine_config_path": "../openpose/config/engine_group.json"
}engine.json包含对graph的配置信息，这部分配置确定之后基本不会发生更改。
这里摘取配置文件的一部分作为示例：在该文件内，需要初始化每个element的信息和element之间的连接方式。element_id是唯一的，起到标识身份的作用。element_config指向该element的详细配置文件地址，port_id是该element的输入输出端口编号，多输入或多输出的情况下，输入/输出编号也不可以重复。is_src标志当前端口是否是整张图的输入端口，is_sink标识当前端口是否是整张图的输出端口。 connection是所有element之间的连接方式，通过element_id和port_id确定。
[
{
"graph_id": 0,
"device_id": 0,
"graph_name": "openpose",
"elements": [
{
"element_id": 5000,
"element_config": "../openpose/config/decode.json",
"ports": {
"input": [
{
"port_id": 0,
"is_sink": false,
"is_src": true
}
],
"output": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
]
}
},
{
"element_id": 5001,
"element_config": "../openpose/config/openpose_pre.json",
"ports": {
"input": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
],
"output": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
]
}
},
{
"element_id": 5002,
"element_config": "../openpose/config/openpose_infer.json",
"ports": {
"input": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
],
"output": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
]
}
},
{
"element_id": 5003,
"element_config": "../openpose/config/openpose_post.json",
"ports": {
"input": [
{
"port_id": 0,
"is_sink": false,
"is_src": false
}
],
"output": [
{
"port_id": 0,
"is_sink": true,
"is_src": false
}
]
}
}
],
"connections": [
{
"src_element_id": 5000,
"src_port": 0,
"dst_element_id": 5001,
"dst_port": 0
},
{
"src_element_id": 5001,
"src_port": 0,
"dst_element_id": 5002,
"dst_port": 0
},
{
"src_element_id": 5002,
"src_port": 0,
"dst_element_id": 5003,
"dst_port": 0
}
]
}
]openpose_pre.json等配置文件是对具体某个element的配置细节，设置了模型参数、动态库路径、阈值等信息。该配置文件不需要指定id字段和device_id字段，例程会将engine.json中指定的element_id和device_id传入。其中，thread_number是element内部的工作线程数量，一个线程会对应一个数据队列，多路输入情况下，需要合理设置数据队列数目，来保证线程工作压力均匀且合理。
use_tpu_kernel为true时，会使用tpu_kernel后处理。tpu_kernel后处理只支持BM1684X设备。
{
"configure": {
"model_path": "../openpose/data/models/BM1684X/pose_coco_int8_1b.bmodel",
"threshold_nms": 0.05,
"stage": [
"pre"
],
"use_tpu_kernel": true
},
"shared_object": "../../build/lib/libopenpose.so",
"name": "openpose",
"side": "sophgo",
"thread_number": 2
}对于PCIe平台，可以直接在PCIe平台上运行测试；对于SoC平台，需将交叉编译生成的动态链接库、可执行文件、所需的模型和测试数据拷贝到SoC平台中测试。
SoC平台上，动态库、可执行文件、配置文件、模型、视频数据的目录结构关系应与原始sophon-stream仓库中的关系保持一致。
测试的参数及运行方式是一致的，下面主要以PCIe模式进行介绍。
- 运行可执行文件
./main --demo_config_path=../openpose/config/openpose_demo.json2路视频流运行结果如下
total time cost 29882447 us.
frame count is 1432 | fps is 47.9211 fps.目前，openpose例程支持在BM1684X和BM1684的PCIE、SOC模式下进行推理。
测试视频test.mp4，编译选项为Release模式，结果如下:
| 设备 | 路数 | 算法线程数 | CPU利用率(%) | 系统内存(M) | 系统内存峰值(M) | TPU利用率(%) | 设备内存(M) | 设备内存峰值(M) | 平均FPS | 峰值FPS | 模型 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| SE7 | 8 | 8-8-8 | 453.26 | 329.96 | 471.59 | 99.36 | 1301.89 | 1330.00 | 91.12 | 115.94 | pose_coco_int8_1b.bmodel |
| SE7 | 4 | 4-4-4 | 430.31 | 192.94 | 278.14 | 97.72 | 715.61 | 730.00 | 88.84 | 105.93 | pose_coco_int8_1b.bmodel |
| SE7 | 2 | 2-2-2 | 383.83 | 117.92 | 165.36 | 91.80 | 422.17 | 429.00 | 81.00 | 92.73 | pose_coco_int8_1b.bmodel |
| SE5-16 | 4 | 4-4-4 | 571.45 | 100.10 | 101.43 | 99.78 | 703.38 | 743.00 | 61.16 | 68.92 | pose_coco_int8_4b.bmodel |
| SE5-8 | 3 | 3-3-3 | 324.26 | 80.91 | 82.16 | 99.68 | 522.47 | 553.00 | 36.14 | 39.37 | pose_coco_int8_4b.bmodel |
测试说明：
- 性能测试结果具有一定的波动性，建议多次测试取平均值；
- BM1684/1684X SoC的主控CPU均为8核 ARM A53 42320 DMIPS @2.3GHz；