← 模型

CV / CenterPose

CenterPose RegNetX-800MF

CenterPose RegNetX-800MF 多人姿态估计，输出 17 个 COCO 关键点，支持 reComputer R Series + Hailo-8 或 Hailo-10H。

15 次下载
大小
13.93 MB
内存
4GB+
精度
Hailo HEF / HailoRT

选择你正在使用的设备，设置指南和文档将相应更新。

快速开始

部署
sudo docker run --rm \
  --name pi5-hailo8-centerpose \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py --model_path model/centerpose_regnetx_800mf.hef --video_path video/test.mp4

REST API

使用 REST API 进行推理。复制以下命令。

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())

模型详情

reComputer R Series (CM5 + Hailo-8)

CenterPose RegNetX-800MF 在 reComputer R Series（CM5 + Hailo-8）上运行

CenterPose RegNetX-800MF 在单次网络推理中完成自底向上的多人姿态估计。Hailo-8 演示返回人体框与 17 个 COCO 身体关键点，并通过 FastAPI 服务提供实时 MJPEG 预览、单图推理和离线视频分析。

模型信息

属性值
架构CenterPose，RegNetX-800MF 骨干网络
任务多人姿态估计
输入512×512×3 BGR
输出人体框与 17 个 COCO 关键点
参数量12.31M
HEF 来源Hailo Model Zoo v2.19.0，为 Hailo-8 编译
运行时HailoRT 4.23.x

硬件与主机设置

项目值
开发板reComputer R Series 搭配 Raspberry Pi CM5
加速器Hailo-8（PCIe 接口），以 /dev/hailo0 暴露
操作系统Raspberry Pi OS，aarch64
已验证运行时HailoRT 4.23.x
bash
sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot

# 重启后验证
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

驱动、设备固件、主机 libhailort.so 与容器内的 Python wheel 必须使用相同的 HailoRT 主/次版本。

使用内置演示视频运行

视频按需求复用自 yolov8_pose 应用。

bash
sudo docker run --rm \
  --name pi5-hailo8-centerpose \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py \
    --model_path model/centerpose_regnetx_800mf.hef \
    --video_path video/test.mp4

打开 http://<Board_IP>:8000 查看带标注的视频流和视频分析界面。

USB 摄像头模式

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.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/centerpose_regnetx_800mf:latest \
  python web_detection.py \
    --model_path model/centerpose_regnetx_800mf.hef \
    --camera_id 0

REST API

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"

| 接口 | 方法 | 用途 | |---|---| | / | GET | Web 预览界面 | | /api/models/centerpose_regnetx_800mf/predict | POST | 单帧姿态推理 | | /api/video_feed | GET | 带标注的 MJPEG 流 | | /api/config | GET / POST | 读取或修改置信度/NMS 阈值 | | /api/video/upload | POST | 上传源视频 | | /api/video/analyze | POST | 启动离线视频分析 | | /api/video/status | GET | 读取分析进度 | | /api/video/download/{filename} | GET | 下载标注后的结果 |

实现细节

  • 源码：src/rpi5_hailo8_centerpose_regnetx_800mf/
  • Dockerfile：docker/hailo8/centerpose_regnetx_800mf.dockerfile
  • HEF：model/centerpose_regnetx_800mf.hef（14,609,405 字节）
  • 解码器处理 CenterPose 的 hm、wh、hps、reg、hm_hp、hp_offset 六个输出头，并把检测结果通过输入 letterbox 逆变换映射回原图。
  • CenterPose 使用原始 OpenCV BGR 顺序，因为归一化已编译进该 HEF。

输入与输出

输入：图像、视频或 USB 摄像头帧。输出：人物边界框、置信度、17 个 COCO 关键点及带标注的 MJPEG 预览。