Snabbstart: Konfigurera Azure Kinect-brödtextspårning
Den här snabbstarten vägleder dig genom processen att få kroppsspårning att köras på din Azure Kinect DK.
Systemkrav
Body Tracking SDK kräver en NVIDIA GPU installerad på värddatorn. Det rekommenderade kravet för kroppsspårning av värddatorer beskrivs på sidan systemkrav .
Installera programvara
Installera den senaste NVIDIA-drivrutinen
Ladda ned och installera den senaste NVIDIA-drivrutinen för ditt grafikkort. Äldre drivrutiner kanske inte är kompatibla med CUDA-binärfilerna som omfördelas med SDK:et för brödtextspårning.
Visual C++ Redistributable för Visual Studio 2015
Ladda ned och installera Visual C++ Redistributable för Visual Studio 2015.
Konfigurera maskinvara
Konfigurera Azure Kinect DK
Starta Azure Kinect Viewer för att kontrollera att din Azure Kinect DK har konfigurerats korrekt.
Ladda ned SDK för kroppsspårning
- Välj länken för att ladda ned SDK: et för brödtextspårning
- Installera SDK:et för brödtextspårning på datorn.
Verifiera brödtextspårning
Starta Azure Kinect Body Tracking Viewer för att kontrollera att SDK:et för brödtextspårning är korrekt konfigurerat. Visningsprogrammet installeras med installationsprogrammet för SDK msi. Du hittar den på startmenyn eller på <SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe.
Om du inte har en tillräckligt kraftfull GPU och fortfarande vill testa resultatet kan du starta Azure Kinect Body Tracking Viewer på kommandoraden med följande kommando: <SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe CPU
Om allt är korrekt konfigurerat bör ett fönster med ett 3D-punktsmoln och spårade kroppar visas.
Ange ONNX Runtime-körningsmiljö
SDK:t för kroppsspårning stöder körningsmiljöerna CPU, CUDA, DirectML (endast Windows) och TensorRT för att härleda modellen för poseberäkning. Standardvärdet K4ABT_TRACKER_PROCESSING_MODE_GPU för CUDA-körning på Linux och DirectML-körning i Windows. Ytterligare tre lägen har lagts till för att välja specifika körningsmiljöer: K4ABT_TRACKER_PROCESSING_MODE_GPU_CUDA, K4ABT_TRACKER_PROCESSING_MODE_GPU_DIRECTMLoch K4ABT_TRACKER_PROCESSING_MODE_GPU_TENSORRT.
Kommentar
ONNX Runtime visar varningar för opcodes som inte accelereras. Dessa kan ignoreras på ett säkert sätt.
ONNX Runtime innehåller miljövariabler för att styra Cachelagring av TensorRT-modell. De rekommenderade värdena är:
- ORT_TENSORRT_ENGINE_CACHE_ENABLE=1
- ORT_TENSORRT_CACHE_PATH="pathname"
Mappen måste skapas innan brödtextspårning startas.
Viktigt!
TensorRT förprocesserar modellen före slutsatsdragning, vilket resulterar i utökade starttider jämfört med andra körningsmiljöer. Cachelagring av motorn begränsar detta till första körningen, men det är experimentellt och är specifikt för modellen, ONNX Runtime-versionen, TensorRT-versionen och GPU-modellen.
TensorRT-körningsmiljön stöder både FP32 (standard) och FP16. FP16 byter ~2x prestandaökning för minimal noggrannhetsminskning. Så här anger du FP16:
- ORT_TENSORRT_FP16_ENABLE=1
Obligatoriska DLL:er för ONNX Runtime-körningsmiljöer
| Läge | ORT 1.10 | CUDA 11.4.3 | CUDNN 8.2.2.26 | TensorRT 8.0.3.4 |
|---|---|---|---|---|
| Processor | 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 |
Exempel
Du hittar exemplen på hur du använder SDK :t för brödtextspårning här.