在人机交互场景中,机器可以识别人的手势、肢体动作、表情,你可知背后的核心技术是什么吗?
没错,就是关键点检测技术,它能帮你实现精准的人机交互任务,如手势控制、智能健身、体感游戏等, 还可以识别交通违规、打架斗殴、违规操作等异常行为。
话不多说,我们直接看效果:
古语云:工欲善其事,必先利其器!要高质量实现关键点检测任务,没有利器怎么能行!今天给大家奉上的这个开源算法PP-TinyPose,仅凭端侧微弱算力,使用飞桨轻量化推理引擎Paddle Lite,单人场景FP16推理竟可达到超高帧率122FPS、精度51.8%AP,绝对可以称得上一把利刃。话不多说,赶紧送上传送门,如果觉得还不错,还请Star鼓励哦!
⭐项目链接 ⭐
https://github.com/PaddlePaddle/PaddleDetection
那关键点检测算法这么多,PP-TinyPose到底强在哪里呢?下面就给大家强势揭秘。
关键点检测算法往往需要部署在轻量化、边缘端设备上,因此长期以来都存在一个难题:精度高、速度则慢、算法体积也随之增加。而PP-TinyPose的出世彻底打破了这个僵局,采用Top-Down的方式,先应用3.3M、150FPS的超轻量检测网络
PP-PicoDet
检测出人体,再用基于Lite-HRNet的移动端优化模型,检测对应关键点,由此确保关键点检测的
高精度
,同时扩大数据集,减小输入尺寸,预处理与后处理加入AID、UDP和DARK等策略,保证模型的
高性能
。实现
速度在FP16下122FPS的情况下,精度也可达到51.8%AP
,不仅比其他类似实现速度更快,精度更是提升了130%。
以上视频引用于公开数据[3]
PP-TinyPose除了在日常关键点检测任务上拥有
极强的通用性
,针对
小目标出现在大尺幅图像中的产业常见难题场景
完成一系列针对性的优化,从而对小目标进行关键点检测时,依然能保持同样的精度与速度,效果直接看图:
以上图片引用于公开数据[1]
更特别的是,PP-TinyPose还能同时实现多人关键点检测,且效果超强!不仅对于检测人数无限制,其速度和精度也依旧优秀!与开源界其他类似实现相比,检测人数、精度与性能上均有明显优势,直接上图对比:
以上视频引用于公开数据[3]
为了满足产业开发者在摄像头、车辆、机顶盒、手机等边缘端部署的强烈需求,PP-TinyPose借助飞桨轻量化推理引擎Paddle Lite的能力,为大家提供超便捷的边缘侧部署方案,并提供在手机端部署的保姆级教程及效果展示Demo,让大家快速从“想用”升级到“能用”然后快速上线。
赶紧点击下方链接下载APP体验吧!
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.3/configs/keypoint/tiny_pose
除了技术产品本身的优势,PP-TinyPose在产业场景实际落地的速度和效果也极其优秀。
以摔倒检测为例,在上海泰思通公司的实际业务中,应用PP-TinyPose检测出人体关键点,结合逻辑规则进行行为分析,历时一周就实现了“实时人物摔倒识别”部署在Windows服务器上的Nvidia GeForce RTX3070,耗时仅15ms,高效率地保障了工作人员及公司资产的安全。
除此之外,PP-TinyPose的能力可以快速被应用到异常行为识别、等更多高价值领域发挥作用。
是不是迫不及待想体验了呢?
赶紧上项目首页体验一下吧:
https://github.com/PaddlePaddle/PaddleDetection
[1] Lin T Y, Maire M, Belongie S, et al. Microsoft coco: Common objects in context[C]//European conference on computer vision. Springer, Cham, 2014: 740-755.
[2] Kay W, Carreira J, Simonyan K, et al. The kinetics human action video dataset[J]. arXiv preprint arXiv:1705.06950, 2017.
[3] YouTube. (2016, August 10). 100 People of Dance [Video file]. Retrieved from https://www.youtube.com/watch?v=qrTi2aLx8dw
[4] Myznik, E. (2020, June 22). Photo by Egor Myznik on unsplash. Beautiful Free Images & Pictures. Retrieved November 16, 2021, from https://unsplash.com/photos/NkGGF6BvU88.
[5] TaiSiTong. (2021 November 3).