CV / ViTPose

ViTPose-Small

ViTPose-Small 单人二维姿态估计模型，在 reComputer R Series + Hailo-8 上输出 17 个 COCO 关键点。

53 次下载

大小

31 MB

内存

4GB+

精度

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

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-hailo8-vitpose-small \
  --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/vit_pose_small:latest \
  python web_detection.py --model_path model/vit_pose_small.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/vit_pose_small/predict" \
  -F "file=@test.jpg"

Python

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

模型详情

reComputer R Series (CM5 + Hailo-8)

reComputer R Series（CM5 + Hailo-8）上的 ViTPose-Small

ViTPose-Small 执行单人二维姿态估计，输出 17 个 COCO 人体关键点。HEF 输出 64x48x17 热力图；应用逐通道取最大值，将坐标缩放至输入空间并绘制骨架。

打开 http://<Board_IP>:8000 查看网页预览。

模型信息

属性	值
架构	ViT-Small (ViTPose)
任务	Single-person pose estimation
输入	256x192x3 RGB (normalize_in_net ImageNet RGB)
输出	Heatmap 64x48x17 (17 COCO keypoints)
参数量	24.29M
运算量	17.17G
HEF	Hailo Model Zoo v2.19.0, Hailo-8

硬件与主机设置

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

使用演示视频运行

bash

sudo docker run --rm \
  --name cm5-hailo8-vitpose-small \
  --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/vit_pose_small:latest \
  python web_detection.py --model_path model/vit_pose_small.hef --video_path video/test.mp4

USB 摄像头模式

bash

sudo docker run --rm \
  --name cm5-hailo8-vitpose-small \
  --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/vit_pose_small:latest \
  python web_detection.py --model_path model/vit_pose_small.hef --camera_id 0

REST API

text

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

bash

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

端点	方法	用途
`/`	GET	网页预览界面
`/api/models/vit_pose_small/predict`	POST	17 个关键点（JSON）
`/api/video_feed`	GET	带骨架的 MJPEG 预览

实现说明

单人模式：模型假设人物位于裁剪区域中央。多人场景必须先使用检测器（YOLO）裁剪每个人。
后处理：逐热力图通道取最大值 → 64×48 坐标 → 缩放到 256×192 输入 → 反 letterbox 映射到原始帧。不使用 DARK 亚像素优化。
使用 ImageNet RGB 均值/标准差进行 normalize_in_net；没有 input_conversion，因此 letterbox 后输入原始 uint8 RGB。

开发说明

源模块: src/rpi5_hailo8_vit_pose_small/
Dockerfile: docker/hailo8/vit_pose_small.dockerfile
容器: ghcr.io/seeed-projects/recomputer-hailo8-cv/vit_pose_small:latest
系列: vit_pose (vit_pose_small / vit_pose_small_bn)

输入与输出

输入：图像、视频或 USB 摄像头帧。输出：17 个 COCO 关键点（x、y、置信度）以及带骨架叠加的 MJPEG 预览。