CV / YOLOv8

YOLOv8s_pose

YOLOv8s 姿态估计，在 R20 HailoRT 平台上提供人体关键点检测。

大小

10.10 MB

内存

4GB+

精度

Hailo HEF / HailoRT 4.23.x

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-yolov8s-pose \
  --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-r20-cv/yolov8_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.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://<R20_IP>:8000/api/models/yolov8_pose/predict" \
  -F "file=@test.jpg"

Python

import requests

resp = requests.post(
    "http://<R20_IP>:8000/api/models/yolov8_pose/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

模型详情

YOLOv8 Pose 在 reComputer R 系列 (CM5 + Hailo) 上

YOLOv8 Pose 在 reComputer R 系列上通过 HailoRT FastAPI 演示返回人体边界框和关键点。

本页面改编自 reComputer-R20-CV 中的 rpi5_hailo8_yolov8_pose/README.md。适用于配备 PCIe Hailo-8 加速器的 reComputer R 系列 (CM5 + Hailo)。

硬件与主机设置

项目	值
主板	搭载 Raspberry Pi CM5 的 reComputer R 系列
加速器	Hailo-8 M.2 通过 PCIe，暴露为 `/dev/hailo0`
操作系统	Raspberry Pi OS Bookworm，aarch64
主机驱动	`hailo-all` apt 软件包
验证的 HailoRT	4.23.x；主机驱动、固件、原生库和 Python wheel 必须共享相同的主版本号.次版本号

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.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-r20-cv/yolov8_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.hef --video_path video/test.mp4

打开 http://<R20_IP>:8000 查看网页预览。该镜像包含模块源代码、演示视频、HailoRT Python wheel 以及下列 HEF 文件。

libhailort.so 的绑定挂载特意来自主机。如果您的固件不是 4.23.0，请将两个路径替换为 hailortcli fw-control identify 报告的版本；如果主版本号.次版本号不同，请重新构建镜像。

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-r20-cv/yolov8_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.hef --camera_id 0

切换 HEF 变体

通过传递不同的 --model_path 覆盖镜像默认值：

bash

sudo docker run --rm --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-r20-cv/yolov8_pose:latest \
  python web_detection.py --model_path model/yolov8m_pose.hef --video_path video/test.mp4

HEF 文件

HEF	大小	备注
`yolov8s_pose.hef`	10.10 MB	Small 姿态模型
`yolov8m_pose.hef`	30.14 MB	Medium 姿态模型

REST API

预测端点：

text

POST http://<R20_IP>:8000/api/models/yolov8_pose/predict

示例图片请求：

bash

curl -X POST "http://<R20_IP>:8000/api/models/yolov8_pose/predict" \
  -F "file=@test.jpg"

通用服务端点：

端点	方法	用途
`/`	GET	网页预览界面
`/api/models/yolov8_pose/predict`	POST	从上传的图片/视频或当前帧进行单帧推理
`/api/video_feed`	GET	MJPEG 预览流
`/api/config`	GET / POST	读取或更新运行时阈值
`/api/video/upload`	POST	上传视频以进行离线分析
`/api/video/analyze`	POST	开始离线分析
`/api/video/status`	GET	轮询分析进度
`/api/video/list`	GET	列出已上传和已处理的视频
`/api/video/download/{filename}`	GET	下载处理后的输出

开发说明

源代码模块：src/rpi5_hailo8_yolov8_pose/
Dockerfile：docker/hailo8/yolov8_pose.dockerfile
主服务：web_detection.py 封装了 HailoRT 推理、后处理、MJPEG 预览、REST 预测和离线视频分析。
更换自定义 HEF 时，请保持输出布局与模块后处理代码兼容，或更新 post_process_hailo()。

输入与输出

Input: image, video, or USB camera frame. Output: person boxes, confidences, keypoints, and annotated MJPEG preview.