【“星睿O6”AI PC开发套件评测】姿态估计

本文介绍了瑞莎星睿 O6 (Radxa Orion O6) 开发板结合 YOLO 模型实现人体姿态识别的项目设计，包括环境搭建、预训练模型、工程代码和效果演示等。

项目介绍

准备工作：OpenCV 安装、Ultralytics 软件包安装、预训练模型下载等；
姿态估计：采用 YOLOv8 算法实现人体关键点检测；

准备工作

包括硬件连接、虚拟环境创建、OpenCV 安装、Ultralytics 库部署等。

硬件连接

使用 HDMI 数据线连接显示屏（也可使用 VNC 或 SSH 远程登录）；
USB 接口连接鼠标键盘；
网线连接 LAN 接口和路由器（或 WiFi 模块连接无线网）；
使用 PD 电源供电（或 ATX 电源供电）；

OpenCV 安装

为了避免影响系统 Python，这里采用创建虚拟环境的方案

创建并激活虚拟环境

mkdir ~/cv && cd ~/cv    # 创建 cv 文件夹，便于管理
python3 -m venv venv     # 创建虚拟环境 venv
source venv/bin/activate # 激活虚拟环境 venv

升级 pip 并安装 NumPy + OpenCV 全家桶

pip install -U pip numpy                          # 安装 numpy
pip install opencv-python opencv-contrib-python   # opencv 主模块及 contrib

验证安装

python3 -c "import cv2,sys,numpy;print('OpenCV:',cv2.__version__,'NumPy:',numpy.__version__)"

输出版本号

详见：OpenCV .

Ultralytics 部署

Ultralytics 基于多年在计算机视觉和人工智能领域的基础研究，在目标检测、跟踪、实例分割、图像分类和姿态估计等任务中表现出色。

使用系统或第三方轮子，安装 ultralytics 软件包

sudo apt update && sudo apt install -y python3-dev python3-pip libopenblas-dev
pip install ultralytics

验证安装

python3 -c "import ultralytics, sys, torch; print('ultralytics', ultralytics.__version__, '| torch', torch.__version__, '| Python', sys.version.split()[0])"

输出相应版本号

详见：ultralytics .

姿态识别

姿态识别（Pose Detection）或人体关键点检测（Human Keypoints Detection）是通过识别和定位人体的特定关节（如肩膀、肘部、膝盖等）来分析人体姿态和动作的技术。

该技术可在图像中检测出人体，并精确获取关键点的坐标信息，通常指定 17 到 24 个关键点。

在默认的 YOLOv8 姿势估计模型中，有17个关键点，每个关键点代表人体不同的部位。1-17 每个索引对应身体关节的映射分别为

鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左手肘、右肘、左手腕、右腕、左髋、右髋、左膝、右膝、左脚踝、右脚踝。

详见：姿势估计 - Ultralytics YOLO 文档 .

模型

获取目标模型（这里使用 YOLO 预训练模型 yolov8n-pose.pt 权重文件）；

wget https://github.com/ultralytics/assets/releases/download/v8.3.0/yolov8n-pose.pt

将其放置于 model 文件夹。

代码

终端执行 source ~/cv/venv/bin/activate 激活虚拟环境；
执行 touch pose_yolo.py 新建程序文件，并添加如下代码

#!/usr/bin/env python3
import cv2
from ultralytics import YOLO
import argparse

parser = argparse.ArgumentParser()
parser.add_argument('-i', '--image', default='./img/pos_dance.jpg')
args = parser.parse_args()
IMG_FILE = args.image

model = YOLO('./model/yolov8n-pose.pt')   # 关键点模型
# img = cv2.imread('./img/pos_dance.jpg')
img = cv2.imread(IMG_FILE)

results = model(img, imgsz=640, conf=0.25)   # 返回 Keypoints
# annotated = results[0].plot(kpt_radius=4, kpt_line=True)  # 画点+连线
annotated = results[0].plot(
    boxes=False,      # 无外框
    labels=False,     # 无标签
    conf=False,       # 无置信度
    kpt_radius=4,     # 点大小
    kpt_line=True     # 骨架连线
)

cv2.namedWindow("YOLO-Pose", cv2.WINDOW_NORMAL)
cv2.imshow("YOLO-Pose", annotated)
cv2.waitKey(0)
cv2.destroyAllWindows()

保存代码。