[发明专利]通过加速OpenPose推理获取人体姿态的方法

摘要

本发明公开了一种通过加速OpenPose推理获取人体姿态的方法，包括如下步骤：S1：通过OpenCV获取输入的包含人体姿态信息的视频流，并获取单帧图像；S2：对单帧图像进行处理，得到优化模型的输入数据；S3：模型结构重构；S4：降低OpenPose模型中参数的精度；S5：获得优化结果；S6：获取输出数据；S7：获取人体姿态数据。该方法利用TensorRT对OpenPose网络结构进行重构，并优化了网络参数的精度，得到了推理速度快、推理结果准确的优化模型，利用该优化模型可以快速获取人体姿态数据，为模型在实际应用部署中打下良好基础。

主权项

1.通过加速OpenPose推理获取人体姿态的方法，其特征在于，包括如下步骤：S1：获取视频流：通过OpenCV获取输入的包含人体姿态信息的视频流，并获取单帧图像，其中，所述图像为3通道的BGR格式的图像；S2：单帧图像处理：创建一个TensorRT的数据缓冲区，该数据缓冲区用于在GPU和内存之间传输数据；创建一个输入数组，大小为N×C×W×H，其中，N表示一次输入到TensorRT中图片的数量，C、H、W分别表示输入图像的通道数量、图像高度和宽度；取出单帧图像中每个通道的数据，并按照BGR的顺序将每个通道的数据分别保存到输入数组中；将输入数组传到TensorRT的数据缓冲区中，作为优化模型的输入；S3：模型结构重构：加载原始OpenPose的模型，获取网络结构，然后通过TensorRT对网络中的卷积层、偏置层和激活层进行重构，将其组合成一层；S4：降低数据精度：使用TensoRT将OpenPose模型中的单精度fp32的参数优化成半精度fp16的参数，得到优化后的OpenPose的模型；S5：获得优化结果：将S2中获得的缓冲数据输入到S4获得的优化后的OpenPose模型中，经过优化的网络推理后，得到优化结果，之后，用该结果更新TensorRT的数据缓冲区；S6：获取输出数据：将数据缓冲区内的更新后的缓冲数据从GPU拷贝到内存中，创建一个和OpenPose网络输出大小相同的数组作为输出数组，将数据缓冲区中的数据保存到输出数组中；S7：获取人体姿态数据：使用OpenPose中生成人体姿态部分算法对输出数组进行处理，得到人体姿态，用于后续人体姿态分析。