iOS-TensorFlow Lite的多人姿势估计

最近在研究TensorFlow Lite ,发现Google 还真是区别对待呀。安卓亲儿子什么都要完善一些,不光是文档清晰详细,连demo也是更加完整。像iOS这端的多人姿势预测就没有写demo,因此只能靠自己一点一点摸索。自己也是好一阵捣鼓终于完成了多人姿势预测

1.首先我们需要多人姿势估计的模型

模型可以去TensorFlow的官网上下载,多人姿势模型如图我们得选择TFLite这个模块

截屏2022-06-29 下午5.26.51.png

2.解读模型要求

inputs:

视频或图像的帧,表示为动态形状的int32(对于TF.js)或uint8(对于TF Lite)shape:1xHxWx3,其中H和W需要是32的倍数,可以在运行时确定。通道顺序为RGB,值为[0,255](注意:输入图像的大小控制着速度与精度之间的权衡,因此请选择最适合您的应用程序的值)

outputs:

返回float32类型的[1,6,56]
其中第一个参数是固定值不用管
第二个是可以检测到的最大数量 为6。
第三个表示预测的边界框/关键点位置和分数,其中17 * 3(51个数据)表示17个关键点 第一个是X坐标,第二个是Y坐标,第三个是置信分数---[y_0, x_0, s_0, y_1, x_1, s_1, …, y_16, x_16, s_16]对应[鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左髋、右髋、左膝、右膝、左踝、右踝]。剩下的5个---[ymin、xmin、ymax、xmax、score]表示边界框的区域和总的置信分数

3.部分关键代码

解释器的创建和输入输出的创建
// 创建文件路径
     guard let modelPath = Bundle.main.path(
        forResource: fileInfo.name,
        ofType: "tflite")// 格式一定要tflite,如果不是说明模块下载错误
    else {
      // 失败处理
    }
// 解释器的自定义 (也可以省略)
    var options = Interpreter.Options()
    options.threadCount = 4
// 创建解释器 interpreter 需要设置为全局  var interpreter: Interpreter
    interpreter = try Interpreter(modelPath: modelPath, options: options, delegates: delegates) 
// [1xHxWx3] H和W需要是32的倍数  根据需求调整越大越精准
    try interpreter.resizeInput(at: 0, to: Tensor.Shape.init([1,256,256,3]))
    try interpreter.allocateTensors()
    inputTensor = try interpreter.input(at: 0)
    try interpreter.invoke()
    outputTensor = try interpreter.output(at: 0)
数据结构
import UIKit

// 性能检测
struct Times {
  var preprocessing: TimeInterval
  var inference: TimeInterval
  var postprocessing: TimeInterval
  var total: TimeInterval { preprocessing + inference + postprocessing }
}

/// 身体的关键点
enum BodyPart: String, CaseIterable {
  case nose = "nose"
  case leftEye = "left eye"
  case rightEye = "right eye"
  case leftEar = "left ear"
  case rightEar = "right ear"
  case leftShoulder = "left shoulder"
  case rightShoulder = "right shoulder"
  case leftElbow = "left elbow"
  case rightElbow = "right elbow"
  case leftWrist = "left wrist"
  case rightWrist = "right wrist"
  case leftHip = "left hip"
  case rightHip = "right hip"
  case leftKnee = "left knee"
  case rightKnee = "right knee"
  case leftAnkle = "left ankle"
  case rightAnkle = "right ankle"

  var position: Int {
    return BodyPart.allCases.firstIndex(of: self) ?? 0
  }
}

struct KeyPoint {
  var bodyPart: BodyPart = .nose
  var coordinate: CGPoint = .zero
/// 置信分数
  var score: Float32 = 0.0
}

struct Person {
  var keyPoints: [KeyPoint]
/// 总置信分数
  var score: Float32
}
对相机捕捉到的像素缓存进行处理输出Data
private func multiPreprocess(_ pixelBuffer: CVPixelBuffer) -> Data?{
        let sourcePixelFormat = CVPixelBufferGetPixelFormatType(pixelBuffer)
        assert(
          sourcePixelFormat == kCVPixelFormatType_32BGRA
            || sourcePixelFormat == kCVPixelFormatType_32ARGB)
       // 如果一开始没有resize shape这个地方输出的将是[1x1x1x3]
        let dimensions = inputTensor.shape.dimensions
        let inputWidth = CGFloat(dimensions[1])// 32的倍数才行
        let inputHeight = CGFloat(dimensions[2])// 32的倍数才行
        let imageWidth = CGFloat(Int(pixelBuffer.size.width/32) * 32)
        let imageHeight = CGFloat(Int(pixelBuffer.size.height/32) * 32)

        let cropRegion = self.cropRegion ??
          initialCropRegion(imageWidth: imageWidth, imageHeight: imageHeight)
        self.cropRegion = cropRegion

        let rectF = RectF(
          left: cropRegion.left * imageWidth,
          top: cropRegion.top * imageHeight,
          right: cropRegion.right * imageWidth,
          bottom: cropRegion.bottom * imageHeight)

        // Detect region
        let modelSize = CGSize(width: inputWidth, height: inputHeight)
// 处理图像数据可以用TensorFlow example中的方法
        guard let thumbnail = pixelBuffer.cropAndResize(fromRect: rectF.rect, toSize: modelSize) else {
          return nil
        }

        // Remove the alpha component from the image buffer to get the initialized `Data`.
        guard
          let inputData = thumbnail.rgbData(
            isModelQuantized: inputTensor.dataType == .uInt8, imageMean: imageMean, imageStd: imageStd)
        else {
          os_log("Failed to convert the image buffer to RGB data.", type: .error)
          return nil
        }
        return inputData
    }
输出模型
private func postMultiprocess(imageSize: CGSize, modelOutput: Tensor) -> [Person]?{
        // 长宽处理成32的倍数
        let imageWidth = CGFloat(Int(imageSize.width/32) * 32)
        let imageHeight = CGFloat(Int(imageSize.height/32) * 32)

        let cropRegion = self.cropRegion ??
          initialCropRegion(imageWidth: imageWidth, imageHeight: imageHeight)

        let minX: CGFloat = cropRegion.left * imageWidth
        let minY: CGFloat = cropRegion.top * imageHeight

        var output = modelOutput.data.toArray(type: Float32.self)
        var dataArr = Array<Array<Float32>>()
        let dimensions = modelOutput.shape.dimensions
        let numKeyPoints = dimensions[2]
          while output.count > 0 {
              var tempArr = [Float32]()
              for (indexNum, obj) in output.enumerated() {
                  if indexNum < numKeyPoints{
                      tempArr.append(obj)
                      output.remove(at: 0)
                  }
              }
              dataArr.append(tempArr)
          }
        // 批处理维度,它总是等于1
        _ = CGFloat(modelOutput.shape.dimensions[1])
        // 实例检测的最大数量(6)
        _ = CGFloat(modelOutput.shape.dimensions[2])
        
        let inputWidth = CGFloat(inputTensor.shape.dimensions[1])
        let inputHeight = CGFloat(inputTensor.shape.dimensions[2])
        let widthRatio = (cropRegion.width * imageWidth / inputWidth)
        let heightRatio = (cropRegion.height * imageHeight / inputHeight)

        // Translate the coordinates from the model output's [0..1] back to that of
        // the input image
        
        var personArr = [Person]()
        for arr in dataArr {
            var keyPoints: [KeyPoint] = []
            for idx in 0...16{
                let x = ((CGFloat(arr[idx * 3 + 1]) * inputWidth) * widthRatio) + minX
                let y = ((CGFloat(arr[idx * 3 + 0]) * inputHeight) * heightRatio) + minY
                let score = arr[idx * 3 + 2]
                let keyPoint = KeyPoint(
                  bodyPart: BodyPart.allCases[idx], coordinate: CGPoint(x: x, y: y), score: score)
                keyPoints.append(keyPoint)
            }
            let totalScore = arr[numKeyPoints - 1]
            personArr.append(Person(keyPoints: keyPoints, score: totalScore))
        }

        return personArr
    }
多人姿势估计
func estimateMultiPose(on pixelBuffer: CVPixelBuffer) throws -> ([Person], Times) {
        guard !isProcessing else {
          throw PoseEstimationError.modelBusy
        }
        isProcessing = true
        defer {
          isProcessing = false
        }
        // 每次肢体检测的开始时间
        let preprocessingStartTime: Date
        let inferenceStartTime: Date
        let postprocessingStartTime: Date

        // 过程的时间
        let preprocessingTime: TimeInterval
        let inferenceTime: TimeInterval
        let postprocessingTime: TimeInterval

        preprocessingStartTime = Date()
        guard let data = multiPreprocess(pixelBuffer) else {
          throw PoseEstimationError.preprocessingFailed
        }
        preprocessingTime = Date().timeIntervalSince(preprocessingStartTime)

        inferenceStartTime = Date()
        do {
          // 将数据拷贝进解释器
          try interpreter.copy(data, toInputAt: 0)
          try interpreter.invoke()
          outputTensor = try interpreter.output(at: 0)
        } catch {
          throw PoseEstimationError.inferenceFailed
        }
        inferenceTime = Date().timeIntervalSince(inferenceStartTime)
        postprocessingStartTime = Date()
        guard let resultArr = postMultiprocess(imageSize: pixelBuffer.size, modelOutput: outputTensor) else {
          throw PoseEstimationError.postProcessingFailed
        }
        postprocessingTime = Date().timeIntervalSince(postprocessingStartTime)

        let times = Times(
          preprocessing: preprocessingTime,
          inference: inferenceTime,
          postprocessing: postprocessingTime)
        return (resultArr, times)
    }

到此整个处理的流程就结束了,CVPixelBuffer可以通过相机捕获

func captureOutput(
    _ output: AVCaptureOutput, didOutput sampleBuffer: CMSampleBuffer,
    from connection: AVCaptureConnection
  ) 

也可以自己找图片转换(CGImage转换成CVPixelBuffer)。反正很灵活,想怎么玩都行

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351

推荐阅读更多精彩内容