CV / MSPN 姿态估计

MSPN RegNetX-800MF

MSPN（多阶段姿态网络）搭配 RegNetX-800MF 骨干网络，通过 HailoRT 实现实时单人姿态估计，输出 17 个 COCO 关键点。

大小

1.3 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。

平台

推理引擎

快速开始

部署

sudo docker run --rm \
  --name cm5-hailo-mspn-pose \
  --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/mspn_regnetx_800mf:latest \
  python web_detection.py --model_path model/*.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/mspn_pose/predict" \
  -F "file=@test.jpg"

Python

import requests

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

模型详情

MSPN RegNetX-800MF on reComputer R Series (CM5 + Hailo-10H)

MSPN (Multi-Stage Pose Network) with RegNetX-800MF backbone for single-person pose estimation with 17 COCO keypoints, running on Hailo-10H via HailoRT.

This page targets reComputer R Series (CM5 + Hailo-10H) with a PCIe Hailo-10H accelerator.

Model Info

Property	值
Architecture	MSPN + RegNetX-800MF
Task	Single Person Pose Estimation
Input	256×192×3 RGB
Output	17 keypoints (COCO format)
Parameters	7.17M
Hardware AP	69.8%
FPS	2034
Source	Hailo Model Zoo

COCO Keypoints

ID	Name	ID	Name	ID	Name
0	nose	6	right_shoulder	13	left_knee
1	left_eye	7	left_elbow	14	right_knee
2	right_eye	8	right_elbow	15	left_ankle
3	left_ear	9	left_wrist	16	right_ankle
4	right_ear	10	right_wrist
5	left_shoulder	11	left_hip
		12	right_hip

硬件与主机设置

项目	值
开发板	reComputer R Series with Raspberry Pi CM5
加速器	Hailo-10H over PCIe, exposed as `/dev/hailo0`
操作系统	Raspberry Pi 操作系统 Bookworm, aarch64
主机驱动	`hailo-all` apt 包

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

# 重启后
hailortcli fw-control identify
ls /dev/hailo0

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

使用演示视频运行

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/mspn_regnetx_800mf:latest \
  python web_detection.py --video_path video/test.mp4

打开 http://<R20_IP>:8000 查看 Web 预览。镜像包含模块源码、演示视频、HailoRT Python wheel 以及下列 HEF 文件。

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:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/mspn_regnetx_800mf:latest \
  python web_detection.py --camera_id 0

HEF 文件

HEF	大小	备注
`mspn_regnetx_800mf.hef`	1.3 MB	Pose estimation model

REST API

预测端点：

text

P操作系统T http://<R20_IP>:8000/api/models/mspn_pose/predict

示例图片请求：

bash

curl -X P操作系统T "http://<R20_IP>:8000/api/models/mspn_pose/predict" \
  -F "file=@test.jpg"

通用服务端点：

Endpoint	方法	用途
`/`	GET	Web 预览界面
`/api/models/mspn_pose/predict`	P操作系统T	Single-frame keypoint inference
`/api/models/mspn_pose/visualize`	P操作系统T	Pose overlay visualization
`/api/models/mspn_pose/keypoints`	GET	Keypoint definitions
`/api/video_feed`	GET	MJPEG 预览流

开发说明

源模块： src/hailo10h_mspn_regnetx_800mf/
Dockerfile： docker/hailo10h/mspn_regnetx_800mf.dockerfile
主服务： web_detection.py wraps HailoRT inference, post-processing, MJPEG preview, and REST prediction.

输入与输出

Input: image (256x192 RGB). Output: 17 keypoints with x, y, confidence (COCO format).