2006 年 11 月任天堂推出新一代電玩主機(jī)「Wii」，同時搭配具有「重力傳感器（或稱線性加速度計(jì)）」的游戲桿，讓玩電動不再只有香菇頭和按鍵，而是可以透過揮動手把來體驗(yàn)更仿真的運(yùn)動類游戲，如網(wǎng)球、桌球等，從此開啟「體感游戲」新世代。
　　雖然后續(xù)有更多廠商加入，甚至加入了陀螺儀（或稱角加速度器）來偵測手把轉(zhuǎn)動角度、速度，還有利用地磁傳感器來感知玩家面對的方向使得體感游戲更加逼真，但玩家對于手上握著的那個手把仍感到有些累贅。
　　2010 年 11 月微軟為了挽救Xbox360 的銷售業(yè)績推出了「Kinect」，這項(xiàng)劃時代的產(chǎn)品讓玩家從此拋開手把，只需擺動肢體就能操作游戲中的虛擬人物或?qū)ο蟆＿@項(xiàng)技術(shù)主要結(jié)合了一個紅外線雷射發(fā)射器（產(chǎn)生光斑）、一個紅外線攝影機(jī)及一個普通的彩色攝影機(jī)，經(jīng)過復(fù)雜計(jì)算后就能得出場景中各項(xiàng)對象的深度（距離）信息，進(jìn)而分析出玩家的骨架（頭、手、腳）位置及姿勢，如此即可精準(zhǔn)控制游戲的進(jìn)行。
　　也正因有這項(xiàng)便宜又好用的工具誕生，且可同時偵測多人（最多六人）的動作，所以有更多的互動游戲及應(yīng)用裝置產(chǎn)生。雖然后來微軟及其它廠商陸續(xù)推出改良產(chǎn)品，并將市場延伸至簡易型 3D 對象及室內(nèi)環(huán)境掃描用途，隨著風(fēng)潮淡去，2017 年微軟已正式停止生產(chǎn)這項(xiàng)產(chǎn)品。
　　好姨說：「為什么？為什么？為什么讓我用到一套這么好用的體感互動工具，以后我用不到怎么辦？」（星爺食神經(jīng)典橋段）。各位看倌請不用擔(dān)心，我?guī)痛蠹艺业搅艘粋€解決方案，只要用使用一組網(wǎng)絡(luò)攝影機(jī)加上 Intel 的 OpenVINO?開源軟件套件包中的 human-pose-estimation 預(yù)訓(xùn)練模型就可以辦到了。
　　星爺說：「只要有 OpenVINO?，人人都可是互動之神」。對！你沒聽錯，連 Kinect 這樣的深度傳感器都不用，不管你是用 CPU、GPU、VPU（神經(jīng)運(yùn)算棒）都可以一次搞定。

人體姿態(tài)定義
　　當(dāng)然以上是比較搞笑的說法，以 2D 人體姿態(tài)估測是無法完全取代像 Kinect 這類深度傳感器所產(chǎn)生的 3D 骨架（skeleton）分析，不過對大多數(shù)的姿態(tài)估測及互動應(yīng)用應(yīng)該還是游刃有余的，接下來就先幫大家說明一下什么是 2D 姿態(tài)估測及如何應(yīng)用。
　　一般來說人的姿態(tài)是包括 3D（上下左右前后）位置信息，但被拍成 2D 照片或視頻后，自然失去深度（前后位置）信息，所以僅能就人的肢體重要關(guān)節(jié)（關(guān)鍵）點(diǎn)位置進(jìn)行分析，進(jìn)而建立人體骨架及姿態(tài)。
　　目前最常見的 2D 姿態(tài)估測關(guān)鍵點(diǎn)開放數(shù)據(jù)集包括微軟 COCO（17點(diǎn)），CMU OpenPose（18/25點(diǎn)），MPII（16點(diǎn)），AI Challenge（14點(diǎn)），LSP（14點(diǎn)），F(xiàn)LIC（9點(diǎn)），本次要使用的為卡內(nèi)基梅隆大學(xué)（CMU）感知計(jì)算實(shí)驗(yàn)室所開源的 OpenPose 18 點(diǎn)骨架數(shù)據(jù)格式（如下圖a）。除此之外這個數(shù)據(jù)集還提供另三種輸出格式，用于表示人體骨架（25點(diǎn)）、臉部動作（70點(diǎn)）及手部動作（22點(diǎn)），如下圖所示。

　　OpenPose支持輸出格式，(a)類COCO 18點(diǎn)，(b) BODY 25點(diǎn)，(c) 臉部70點(diǎn)，(d)手部22點(diǎn)
　　此次會用到的 OpenPose 18 關(guān)鍵點(diǎn)格式和常用的微軟 COCO 17 關(guān)鍵點(diǎn)格式非常相似，最主要差別是編號序順不同及 OpenPose 多了脖子點(diǎn)作人體中心點(diǎn)。如有需要相互轉(zhuǎn)換時，可自行轉(zhuǎn)換。
MS COCO：（17點(diǎn)）
　　0：鼻子、1：左眼、2：右眼、3：左耳、4：右耳、5：左肩、6：右肩、7：左肘、8：右肘、9：左腕、10：右腕、11：左臀（腰）、12：右臀（腰）、13：左膝、14：右膝、15：左踝、16：右踝。
　　CMU OpenPose：（18點(diǎn)）（如上圖a）
　　0：鼻子、1：脖子、2：右肩、3：右肘、4：右腕、5：左肩、6：左肘、7：左腕、8：右臀（腰）、9：右膝、10：右踝、11：左臀（腰）、12：左膝、13：左踝、14：左眼、15：右眼、16：左耳、17：右耳。
人體姿態(tài)估測實(shí)作
　　接下來開始說明如何使用 Intel OpenVINO?結(jié)合 OpenPose 預(yù)訓(xùn)練模型「human-pose-estimation-0001」來完成「簡易體感控制系統(tǒng)」。這里還是使用Win 10 搭配 OpenVINO? 2019 R2 環(huán)境執(zhí)行，如果需要在 Linux 環(huán)境開發(fā)的，請自行參考官網(wǎng)提供安裝程序。
　　首先利用 OpenVINO?工具包的下載工具下載預(yù)訓(xùn)練好的模型「human-pose-estimation-0001」，更進(jìn)一步說明及使用方法可參考官方文件。
　　https://docs.openvinotoolkit.org/latest/_demos_human_pose_estimation_demo_README.html
　　/* 切換至下載工具路徑 */
　　cdC:Program Files(x86)IntelSWToolsopenvino_2019.2.242deployment_toolstoolsmodel_downloader
　　/*下載預(yù)訓(xùn)練模型到指定路徑 */
　　python3 downloader.py --namehuman-pose-estimation-0001 --output_dir 指定路徑名稱
　　完成下載后，會在指定路徑下得到三種格式（INT8、FP16、FP32）已優(yōu)化過 IR 中介檔（bin、xml），可直接給 OpenVINO?的推論引擎（Inference Engine）使用，不須再進(jìn)行模型優(yōu)化器（Model Optimizer）動作，其檔案存放路徑結(jié)構(gòu)如下所示。
　　/* 下載至指定路徑下的優(yōu)化模型中介文件存放路徑*/
　　指定路徑名稱
　　Transportation
　　human_pose_estimation
　　mobilenet-v1
　　dldt
　　INT8
　　human-pose-estimation-0001.bin (16MB)
　　human-pose-estimation-0001.xml (597KB)
　　FP16
　　human-pose-estimation-0001.bin (8MB)
　　human-pose-estimation-0001.xm (65KB)
　　FP32
　　human-pose-estimation-0001.bin (16MB)
　　human-pose-estimation-0001.xm (66KB)
　　由于 OpenVINO?在運(yùn)作時要引用很多路徑，所以執(zhí)行編譯及執(zhí)行前要先設(shè)定工作環(huán)境，只需依下列指令操作即可完成工作環(huán)境設(shè)定。
　　/* 切換至設(shè)定工作環(huán)境路徑 */
　　cd C:Program Files(x86)IntelSWToolsopenvino_2019.2.242bin
　　/* 執(zhí)行設(shè)定環(huán)境變量批處理文件 */
　　setupvars
　　目前 OpenVINO?提供的范例原始碼默認(rèn)會在下列路徑：
　　/* 范例程序原始碼路徑 */
　　C:Program Files(x86)IntelSWToolsopenvino_2019.2.242deployment_toolsinference_enginedemoshuman_pose_estimation_demo
　　本范例為 C++ 程序，這里使用 Visual Studio 2017 進(jìn)行編譯，默認(rèn)所有展示用的程序范例項(xiàng)目文件 Demos.sln 會在下面路徑。
　　/* 范例程序Visual Studio項(xiàng)目文件路徑 */
　　C:Users使用者名稱DocumentsIntelOpenVINOinference_engine_demos_build
　　本項(xiàng)目中共包含 22 個子項(xiàng)目，而 human_pose_estimation_demo 即為本次范例。如果想要修改內(nèi)容時，記得以系統(tǒng)管理員身份執(zhí)行 VS2017，以免因范例程序在 C:Program Files (x86) 下而無法直接編輯。如想直接使用，那進(jìn)行重建（編譯）后即可得到執(zhí)行檔 human_pose_estimation_demo.exe，默認(rèn)會生成在下面路徑。
　　/* 執(zhí)行文件生成路徑 */
　　C:Users使用者名稱DocumentsIntelOpenVINOinference_engine_demos_buildintel64Release
　　/* 執(zhí)行檔操作命令 */
　　human_pose_estimation_demo -i 輸入影片文件名 -m 模型優(yōu)化中介文件.xml-d 運(yùn)算裝置名稱
　　參數(shù)說明：
　　-i 輸入影像方式
　　目前這個范例可支持二種視頻輸入方式，一種是直接從網(wǎng)絡(luò)攝影機(jī)，直接設(shè)定 -i cam 即可，預(yù)設(shè)為第 0 號攝影機(jī)。另一種為從視頻檔案輸入，由于底層是利用 OpenCV 的 VideoCapture 讀取視頻影像，所以目前能支持的視頻格式不多，主要是以 *.avi, *.mp4 為主，可設(shè)定 -i xxx.mp4。
　　-m 模型優(yōu)化中介文件 .xml 所在路徑
　　一般來說推論計(jì)算數(shù)值精度可分為 FP32、FP16 及 INT8，而所需運(yùn)算時間也隨精度降低（推論速度提升），但通常推論正確率也會隨之略減。運(yùn)算時 CPU 及 GPU 三種精度都可使用，但 VPU（神經(jīng)運(yùn)算棒 NCS1、NCS2）則能選擇 FP16 格式運(yùn)行，要特別注意不要選錯。設(shè)定時如 -m 用戶指定路徑Transportationhuman_pose_estimationmobilenet-v1dldtFP16human-pose-estimation-0001.xml。
　　-d 運(yùn)算裝置名稱
　　可設(shè)為 CPU、GPU 和 MYRIAD，而 MYRIAD 就是 VPU，或稱神經(jīng)運(yùn)算棒，不管是 NCS 一代或二代皆設(shè)為 MYRIAD 即可，例如 -d MYRIAD。如果執(zhí)行時未插入神經(jīng)運(yùn)算棒至 USB，則程序會直接中斷。
　　實(shí)驗(yàn)結(jié)果
　　接下來我們就測試一下這個范例帶來的效果。這里使用四種測試裝置，分別是：
　　1.CPU：Intel i7-8950 8GBRAM
　　2.GPU：Intel UHD Graphics630
　　3.NCS1：Movidius (Intel)Neural Compute Stick（一代）
　　4.NCS2：Intel Neural ComputeStick 2（二代）
　　首先以視頻影像做為輸入進(jìn)行測試，分別測試不同裝置在不同精度下指令周期及人體姿態(tài)估測結(jié)果。為方便大家測試，我們直接從 YOUTUBE 下載了一段微軟 Kinect Dance 的測試影片（1280×720 30fps），
　　https://youtu.be/Y-iKWe-U9bY
　　并抽取其中五小段作為此次測試及比較依據(jù)，相關(guān)影片可直接到 GITHUB 下載。
　　https://github.com/OmniXRI/OpenVINO_human-pose-estimation
　　這里利用其中一小段影片測試，結(jié)果如下圖所示。大致上可看出姿態(tài)估測部份幾乎沒差，主要差異在指令周期，這里使用 FPS（每秒多少影格）作為單位，數(shù)值越高表示反應(yīng)速度越快。若能達(dá)到 30 FPS 以上則已達(dá)一般影片播放速度，滿足實(shí)時處理的需求。

　　從這些測試結(jié)果來看，目前在 CPU 部份，F(xiàn)P32 及 FP16 指令周期差別不大，表示 CPU 在處理浮點(diǎn)數(shù)上并沒有充份利用硬件特性（可能是軟件函式庫造成），但運(yùn)算數(shù)值精度降至 INT8 時，指令周期明顯提升快一倍。
　　而 GPU 部份，可以看出在浮點(diǎn)數(shù)計(jì)算上明顯有差異，所以 FP16 指令周期較 FP32 快了約 50%。奇怪的是 INT8 竟然和 FP32 接近，這是因?yàn)?GPU 本來就不支持整數(shù)運(yùn)算，所以應(yīng)該是函式庫自動把整數(shù)轉(zhuǎn)成 FP32 計(jì)算造成的結(jié)果。
　　再來是神經(jīng)運(yùn)算棒部份，NCS2 在硬件規(guī)格上優(yōu)于 NCS1，所以理所當(dāng)然指令周期較快，快了約兩倍。
　　再來測試不同影片內(nèi)容指令周期差異，為方便測試起見，這里統(tǒng)一使用 GPU FP16 的條件來對五小段影片進(jìn)行測試，這五段影片有單人、多人、動作簡單、大幅動作、輕微遮蔽及嚴(yán)重遮蔽。測試后發(fā)覺準(zhǔn)確度極高，只有在嚴(yán)重遮蔽或移動速度過快（影像局部模糊）時會有些失誤，大體上來看是非常不錯的。不同影像內(nèi)容在計(jì)算速度上會有些許差異，如下圖所示。
　　這里發(fā)現(xiàn)一個有趣的地方，就是影片長度較長（影格數(shù)較多）的，其指令周期會越來越快，不知是否是因影片被緩沖進(jìn)內(nèi)存中，所以減少一些訪問時間？
　　不同視頻指令周期比較

　　實(shí)際結(jié)果如下

　　最后是測試網(wǎng)絡(luò)攝影機(jī)，這里使用 800×600 的分辨率，分別以 CPU 及 GPU 進(jìn)行測試，測試時故意擺了一樣的姿勢方便比較運(yùn)算差異。這里的指令周期明顯比前面測試快了許多，主要原因是輸入視頻解析圖下降。測試時雖然只有半身，但還是可以很正確判斷出來，由此得知這個預(yù)訓(xùn)練好的模型真的很不錯。

　　寫到這里大家應(yīng)該已經(jīng)可以充份感受到 OpenPose 的威力了，只需 OpenVINO?加上一臺網(wǎng)絡(luò)攝影機(jī)就能搞定「簡易體感控制系統(tǒng)」。雖然目前看起來指令周期似乎有點(diǎn)慢，但對于簡單型的應(yīng)用已綽綽有余，只要善用圖像上所提取到的關(guān)節(jié)點(diǎn)坐標(biāo)，就可輕松開發(fā)體感游戲及各種人機(jī)互動應(yīng)用了。如果想要更深入了解的朋友，可自行研讀范例源碼。