Guia de início rápido: configurar o rastreamento de corpo do Kinect do Azure
Este guia de início rápido irá guiá-lo através do processo de execução do rastreamento de corpo no seu Azure Kinect DK.
Requisitos de sistema
O Body Tracking SDK requer uma GPU NVIDIA instalada no PC host. O requisito de PC host de rastreamento de corpo recomendado é descrito na página de requisitos do sistema.
Instalar software
Instale o driver NVIDIA mais recente
Transfira e instale o controlador NVIDIA mais recente para a sua placa gráfica. Drivers mais antigos podem não ser compatíveis com os binários CUDA redistribuídos com o SDK de rastreamento de corpo.
Visual C++ Redistribuível para Visual Studio 2015
Baixe e instale o Visual C++ Redistributable for Visual Studio 2015.
Configurar o hardware
Configurar o Azure Kinect DK
Inicie o Visualizador do Azure Kinect para verificar se o Azure Kinect DK está configurado corretamente.
Transferir o Body Tracking SDK
- Selecione o link para Baixar o SDK de rastreamento corporal
- Instale o Body Tracking SDK no seu PC.
Verificar o rastreamento do corpo
Inicie o Visualizador de Rastreamento de Corpo do Kinect do Azure para verificar se o SDK de Rastreamento de Corpo está configurado corretamente. O visualizador é instalado com o instalador msi do SDK. Você pode encontrá-lo no seu menu Iniciar ou em <SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe.
Se você não tiver uma GPU poderosa o suficiente e ainda quiser testar o resultado, poderá iniciar o Visualizador de Rastreamento de Corpo do Kinect do Azure na linha de comando pelo seguinte comando:<SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe CPU
Se tudo estiver configurado corretamente, uma janela com uma nuvem de pontos 3D e corpos rastreados deve aparecer.
Especificando o ambiente de execução do ONNX Runtime
O Body Tracking SDK suporta ambientes de execução de CPU, CUDA, DirectML (somente Windows) e TensorRT para inferir o modelo de estimativa de pose. Os K4ABT_TRACKER_PROCESSING_MODE_GPU padrões para execução CUDA no Linux e execução DirectML no Windows. Três modos adicionais foram adicionados para selecionar ambientes de execução específicos: K4ABT_TRACKER_PROCESSING_MODE_GPU_CUDA, K4ABT_TRACKER_PROCESSING_MODE_GPU_DIRECTMLe K4ABT_TRACKER_PROCESSING_MODE_GPU_TENSORRT.
Nota
O ONNX Runtime exibe avisos para opcodes que não são acelerados. Estes podem ser ignorados com segurança.
O ONNX Runtime inclui variáveis de ambiente para controlar o cache do modelo TensorRT. Os valores recomendados são:
- ORT_TENSORRT_ENGINE_CACHE_ENABLE=1
- ORT_TENSORRT_CACHE_PATH="nome do caminho"
A pasta deve ser criada antes de iniciar o rastreamento do corpo.
Importante
O TensorRT pré-processa o modelo antes da inferência, resultando em tempos de inicialização estendidos quando comparado a outros ambientes de execução. O cache do mecanismo limita isso à primeira execução, no entanto, é experimental e é específico para o modelo, versão ONNX Runtime, versão TensorRT e modelo GPU.
O ambiente de execução do TensorRT suporta FP32 (padrão) e FP16. FP16 negocia ~2x aumento de desempenho para redução mínima de precisão. Para especificar o PQ16:
- ORT_TENSORRT_FP16_ENABLE=1
DLLs necessárias para ambientes de execução do ONNX Runtime
| Modo | ORT 1,10 | CUDA 11.4.3 | CUDNN 8.2.2.26 | TensorRT 8.0.3.4 |
|---|---|---|---|---|
| CPU | MSVCP140 | - | - | - |
| onnxruntime | ||||
| CUDA | MSVCP140 | cudart64_110 | cudnn64_8 | - |
| onnxruntime | cufft64_10 | cudnn_ops_infer64_8 | ||
| onnxruntime_providers_cuda | cublas64_11 | cudnn_cnn_infer64_8 | ||
| onnxruntime_providers_shared | cublasLt64_11 | |||
| DirectML | MSVCP140 | - | - | - |
| onnxruntime | ||||
| DirectML | ||||
| TensorRT | MSVCP140 | cudart64_110 | - | Nvinfer |
| onnxruntime | cufft64_10 | nvinfer_plugin | ||
| onnxruntime_providers_cuda | cublas64_11 | |||
| onnxruntime_providers_shared | cublasLt64_11 | |||
| onnxruntime_providers_tensorrt | nvrtc64_112_0 | |||
| NVRTC-builtins64_114 |
Exemplos
Você pode encontrar os exemplos sobre como usar o SDK de rastreamento corporal aqui.