OpenVINO People Detectionサンプルを動かしてみたが

モデルは生成できたので、実際のプログラムについて学習するため、まずはOpenVINOを使った人物検出のサンプルを動かそうとしています。

実施ステップ自体は、以下を除いて順調でした。

  • ダウンロードしたモデルのパスが指示されたものと違う場所に保存される
  • 以下を実行していないと、ライブラリが見つからずエラーになる
    https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html#additional-GPU-steps

動画処理のサーバーと、結果表示のサーバーを立ち上げた後、以下のコマンドで推論エンジンを動かします。オプションがいっぱい…

$ python main.py -i resources/Pedestrain_Detect_2_1_1.mp4 -m /opt/intel/openvino_2020.2.120/deployment_tools/open_model_zoo/tools/downloader/intel/person-detection-retail-0013/FP16/person-detection-retail-0013.xml -d GPU -pt 0.6 | ffmpeg -v warning -f rawvideo -pixel_format bgr24 -video_size 768x432 -framerate 24 -i - http://localhost:8090/fac.ffm
/home/hajime/anaconda3/lib/python3.7/importlib/_bootstrap.py:219: RuntimeWarning: compiletime version 3.6 of module 'openvino.inference_engine.ie_api' does not match runtime version 3.7
  return f(*args, **kwds)
/home/hajime/git/people-counter-python/inference.py:64: DeprecationWarning: IEPlugin class is deprecated. Please use IECore class instead.
  self.plugin = IEPlugin(device=device)
/home/hajime/git/people-counter-python/inference.py:73: DeprecationWarning: Reading network using constructor is deprecated. Please, use IECore.read_network() method instead
  self.net = IENetwork(model=model_xml, weights=model_bin)

何か処理している模様(コマンドtopで確認)

Tasks: 396 total,   1 running, 298 sleeping,   0 stopped,   0 zombie
%Cpu(s):  4.3 us,  1.5 sy,  0.0 ni, 93.5 id,  0.6 wa,  0.0 hi,  0.1 si,  0.0 st
KiB Mem : 16229240 total,  4563420 free,  3769144 used,  7896676 buff/cache
KiB Swap: 32226300 total, 32226300 free,        0 used. 11937984 avail Mem 

  PID USER      PR  NI    VIRT    RES    SHR S  %CPU %MEM     TIME+ COMMAND     
22442 hajime    20   0 7655008 569916 148320 S  42.5  3.5   0:45.51 python      
22443 hajime    20   0  625216  50556  31144 S   7.3  0.3   0:00.35 ffmpeg      
 9388 hajime    20   0 4316264 661736 216508 S   7.0  4.1 123:09.63 firefox     
 9516 hajime    20   0 2905272 312560  93984 S   4.7  1.9  64:51.66 WebExtensi+ 
 3615 root      20   0  500308 130992  78716 S   3.0  0.8  18:16.52 Xorg        
 3818 hajime    20   0 4398420 343244 112984 S   1.7  2.1  17:00.24 gnome-shell 
 4213 hajime    20   0  836384  47336  30168 S   1.3  0.3   0:36.15 gnome-term+ 
 8023 hajime    20   0 2991952 241960 166936 S   0.7  1.5   3:49.20 Web Content 
18103 hajime    20   0  730636  54768  29292 S   0.7  0.3   0:00.56 node        
    1 root      20   0  225980   9844   6784 S   0.3  0.1   0:43.63 systemd     
  809 root     -51   0       0      0      0 S   0.3  0.0   0:39.39 irq/51-SYN+ 
 1648 root     -51   0       0      0      0 S   0.3  0.0   3:37.85 irq/184-nv+ 
17219 hajime    20   0 3361916 337700 242180 S   0.3  2.1   5:23.82 Web Content 
17955 root      20   0  510784  36504  28704 S   0.3  0.2   0:00.14 ffserver    
19914 root      20   0       0      0      0 I   0.3  0.0   0:00.13 kworker/0:+ 
22511 root      20   0       0      0      0 I   0.3  0.0   0:00.02 kworker/u2+ 
22561 hajime    20   0   52472   4300   3472 R   0.3  0.0   0:00.08 top        

人物もまったり検出

Published to person <- {"count": 0}
Published to person <- {"count": 0}
Published to person <- {"count": 0}
Published to person <- {"count": 0}
Published to person <- {"total": 1}
Published to person <- {"count": 1}
Published to person <- {"count": 1}
Published to person <- {"count": 1}
Published to person <- {"count": 1}
Published to person <- {"count": 1}

でも http://localhost:8080 がエラー。検出結果見られず。
何故かログオフして、サーバーを起動しなおしたら、無事に動きました。

-i オプションを、サンプル動画の代わりにCAMとすると、PCのカメラ画像から人物の検出を行ってくれます。2人以上の人でも検出することができました。

Intel NCS2で推論を実行するには、こちらを参照に環境セットアップを行って、PCを再起動した上で、Intel NCS2をUSBポートに挿し、-d MYRIADオプションを指定して実行して下さい。

$ python main.py -i resources/Pedestrain_Detect_2_1_1.mp4 -m /opt/intel/openvino_2020.2.120/deployment_tools/open_model_zoo/tools/downloader/intel/person-detection-retail-0013/FP16/person-detection-retail-0013.xml -d MYRIAD -pt 0.6 | ffmpeg -v warning -f rawvideo -pixel_format bgr24 -video_size 768x432 -framerate 24 -i - http://localhost:8090/fac.ffm

コメント

  1. […] 前回の投稿の続きです。今回は学習済みモデルとしてNVIDIAがPyTorchで学習させたSSD300のモデルを利用を検討してみます。検討にあたり、NVIDIAがPyTorchで学習させたSSD300のモデルの特徴を分析してみます。 […]

タイトルとURLをコピーしました