[Jetson Nano] tf-pose-estimation

0) 개요

이번 글에서는 OpenPose를 TensorFlow로 구현된 tf-pose-estimation 프로젝트에 대한 사용 방법과 테스트 결과를 정리해보았습니다. 또한 실시간성을 테스트하기 위해 USB 카메라를 사용하여 진행했습니다.

 

1) TensorFlow 설치

1. 라이브러리 설치

$  sudo apt-get update 

$  sudo apt-get -y install libhdf5-serial-dev hdf5-tools 

$  sudo apt-get -y install python3-pip 

$  sudo apt-get -y install zlib1g-dev zip libjpeg8-dev libhdf5-dev 

$  sudo pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor 

 

2. TensorFlow 설치

$  pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.13.1+nv19.4 --user || \ pip3 install --no-cache-dir --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.13.1+nv19.4 --user 

 

2) tf-pose-estimation 설치

1. 라이브러리 설치

$  pip3 install --upgrade cython 

$  sudo apt-get -y install libopenblas-dev 

$  sudo apt-get -y install liblapacke-dev 

$  sudo apt-get -y install gfortran 

$  sudo apt-get -y install llvm-7* 

$  sudo apt-get -y install python3-scipy 

$  sudo apt-get -y install python3-matplotlib 

$  pip3 install tqdm 

$  pip3 install slidingwindow 

$  pip3 install pycocotools 

 

2. 환경 변수 설정

$  echo 'export PATH="/usr/lib/llvm-7/bin:$PATH"' >> ~/.bash_profile 

$  source ~/.bash_profile 

 

3. tf-pose-estimation 프로젝트 설치

$  cd ~/ && git clone https://github.com/ildoonet/tf-pose-estimation.git 

$  cd ~/tf-pose-estimation/tf_pose/pafprocess 

$  sudo apt-get -y install swig 

$  swig -python -c++ pafprocess.i && python3 setup.py build_ext --inplace 

$  cd ~/tf-pose-estimation 

 

3) tf-pose-estimation 실행 및 결과

1. tf-pose-estimation 실행

$  cd ~/tf-pose-estimation 

$  python3 run_jetson_nano.py --model=mobilenet_v2_small --resize=432x368 

 

2. 결과

• 사전 학습된 모델 : mobilenet_v2_small 
• 해상도 : 432x368
• 속도 : 약 3 FPS

tf-pose-estimation을 실행해본 결과로 mobilenet_v2_small 모델과 432x368 해상도 기준으로 하였을때, 약 3 FPS의 속도로 처리되었습니다. 그리고 저는 추가적으로 각 관절 데이터를 사용하여 각도 계산을 통해 특정 관절 포인트의 각도를 계산 및 테스트를 해보았는데 이렇게 tf-pose-estimation를 사용하여 여러 많은 프로젝트에서 활용 가능할 것으로 보입니다.