LabVIEW 人体关键点识别

<人脸关键点检测>

人脸关键点检测是指给定人脸图像，定位出人脸面部的关键点，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓区域的点，由于受到姿态和遮挡等因素的影响，人脸关键点检测是一个富有挑战性的任务。人脸关键点是人脸各个部位的重要特征点，通常是轮廓点与角点。

<模型>

人脸检测：face-detection-retail-0005

35点特征点：facial-landmarks-35-adas-0002

推理逻辑：首先检测人脸—>截取人脸—>特征点识别

LabVIEW 人脸检测推理

，时长00:32
LabVIEW 35点特征点检测
，时长00:32

<人体特征点检测>

人体骨骼关键点检测是诸多计算机视觉任务的基础，例如姿态估计，行为识别，人机交互，虚拟现实，智能家居，以及无人驾驶等等。由于人体具有柔韧性，会出现各种姿态，人体任何部位的变化都会产生新的姿态，同时关键点的可见性受姿态、穿着、视角等影响非常大，而且还面临着遮挡、光照等环境的影响，使得人体骨骼关键点检测成为计算机视觉领域中一个极具挑战性的课题。

比较新的模型YOLO11-POSE

YOLO11 For LabVIEW_一篇文章搞明白(这个对模型有详细讲解)

，时长01:22
这里着重介绍下2D Whole-body Pose Estimation（DWPose）

DWPose是由IDEA研究院开发的一种高效全身姿态估计模型,其全称为”Effective Whole-body Pose Estimation with Two-stages Distillation”。23年8月份发布，该模型采用了两阶段蒸馏的方法,能够准确估计人体的全身姿态,包括身体、脚部、面部和手部（全面超越OpenPose）

DWPose的主要特点包括:

高效性:通过两阶段蒸馏,实现了高效的模型压缩,在保持准确性的同时大幅降低了计算开销。

全身姿态:不仅能估计身体主要关节点,还包括脚部、面部和手部的详细姿态。

论文链接：https://arxiv.org/pdf/2307.15880.pdf

源码链接：https://github.com/IDEA-Research/DWPose

<模型结构>

Inputs

Image, name: x, shape: 1, 3, 384, 288 in the format B, C, H, W, where:

• B – batch size （批量大小）
• C – number of channels(RGB—>BGR)
• H – image height (图像的高)
• W – image width（图像的宽）

Image Normalization：[0-1]

Outputs

输出2项，1332882，1333842

通过高斯拟合找出峰值计算133个XY坐标(比HeatMap算法升级了不少)

详细方法看论文

，时长00:18
<补充阅读>
OpenVINO 2024..4 For LabVIEW

LabVIEW环境作者使用OpenVINO开源工具进行推理。

打开模型—>推理数据—>销毁模型，3步轻松完成模型推理。LabVIEW推理模型相当简单，一看就会

<相关文章列表>

LabVIEW玩转视觉大模型_Segment_Anything2

YOLO11 For LabVIEW_一篇文章搞明白