CV / CenterPose

CenterPose RegNetX-800MF

reComputer R Series (CM5 + Hailo-10H)

Estimación de pose multi-persona con CenterPose RegNetX-800MF y 17 puntos clave COCO en reComputer R Series con Hailo-8 o Hailo-10H.

81 descargas

Tamaño

13.93 MB

Memoria

4GB+

Precisión

Hailo HEF / HailoRT

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Motor de inferencia

Primeros pasos

Desplegar

sudo docker run --rm \
  --name cm5-hailo10h-centerpose \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py --model_path model/centerpose_regnetx_800mf.hef --video_path video/test.mp4

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/centerpose_regnetx_800mf/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/centerpose_regnetx_800mf/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Detalles del modelo

reComputer R Series (CM5 + Hailo-10H)

CenterPose RegNetX-800MF en reComputer R Series (CM5 + Hailo-10H)

CenterPose RegNetX-800MF realiza estimación de pose multi-persona de abajo hacia arriba en una sola pasada de red. La demo en Hailo-10H devuelve cajas de personas y 17 puntos clave corporales COCO, y ofrece vista previa MJPEG en vivo, inferencia de imágenes y análisis de vídeo offline mediante un servicio FastAPI.

Información del modelo

Propiedad	Valor
Arquitectura	CenterPose con backbone RegNetX-800MF
Tarea	Estimación de pose multi-persona
Entrada	512×512×3 BGR
Salida	Cajas de personas y 17 puntos clave COCO
Parámetros	12.31M
AP de hardware	43.1 (referencia de Hailo Model Zoo)
Origen del HEF	Hailo Model Zoo v5.4.0, compilado para Hailo-10H
Runtime	HailoRT 5.1.1

Configuración de hardware y del host

Elemento	Valor
Placa	reComputer R Series con Raspberry Pi CM5
Acelerador	Hailo-10H por PCIe, expuesto como `/dev/hailo0`
SO	Raspberry Pi OS, aarch64
Runtime validado	HailoRT 5.1.1

bash

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# Verificar después de reiniciar
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

No mezcles controladores, bibliotecas ni ruedas de Python de HailoRT 4.23.x (Hailo-8) en este contenedor Hailo-10H.

Ejecutar con el vídeo de demostración incluido

bash

sudo docker run --rm \
  --name cm5-hailo10h-centerpose \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py \
    --model_path model/centerpose_regnetx_800mf.hef \
    --video_path video/test.mp4

Abre http://<Board_IP>:8000 para ver el flujo anotado y la interfaz de análisis de vídeo.

Modo cámara USB

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py \
    --model_path model/centerpose_regnetx_800mf.hef \
    --camera_id 0

API REST

text

POST http://<Board_IP>:8000/api/models/centerpose_regnetx_800mf/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/centerpose_regnetx_800mf/predict" \
  -F "file=@test.jpg"

| Punto de acceso | Método | Propósito | |---|---| | / | GET | Interfaz de vista previa web | | /api/models/centerpose_regnetx_800mf/predict | POST | Inferencia de pose de un solo fotograma | | /api/video_feed | GET | Flujo MJPEG anotado | | /api/config | GET / POST | Leer o cambiar umbrales de confianza/NMS | | /api/video/upload | POST | Subir un vídeo de origen | | /api/video/analyze | POST | Iniciar análisis de vídeo offline | | /api/video/status | GET | Leer el progreso del análisis | | /api/video/download/{filename} | GET | Descargar el resultado anotado |

Detalles de implementación

Fuente: src/hailo10h_centerpose_regnetx_800mf/
Dockerfile: docker/hailo10h/centerpose_regnetx_800mf.dockerfile
HEF: model/centerpose_regnetx_800mf.hef (14,581,760 bytes)
El decodificador procesa las cabezas de CenterPose hm, wh, hps, reg, hm_hp y hp_offset, y asigna las detecciones de vuelta mediante la transformación letterbox de entrada.
CenterPose usa el orden BGR original de OpenCV porque la normalización está integrada en este HEF.
El ejecutor usa la API create_infer_model de HailoRT 5.1.1 con un modelo configurado persistente y búferes de salida FLOAT32 registrados.

Entradas y salidas

Entrada: imagen, vídeo o fotograma de cámara USB. Salida: cuadros delimitadores de personas, niveles de confianza, 17 puntos clave de COCO y vista previa MJPEG con anotaciones.