СИСТЕМА ОЦЕНКИ ПОЗЫ В РЕАЛЬНОМ ВРЕМЕНИ НА ОСНОВЕ ОПТИМИЗИРОВАННОЙ МОДЕЛИ BLAZEPOSE-LITE ДЛЯ НИЗКОРЕСУРСНЫХ УСТРОЙСТВ

0 1

Аннотация

В данном исследовании предлагается оптимизированная система оценки позы в реальном времени на основе модели BlazePose-Lite, специально адаптированной для устройств с ограниченными вычислительными ресурсами, таких как смартфоны, платы Raspberry Pi и ноутбуки начального уровня. Актуальность работы обусловлена растущей потребностью в системах определения позы человека в реальном времени для фитнес-приложений, реабилитационных комплексов, мобильного мониторинга здоровья и встроенных AI-решений, где вычислительные мощности зачастую ограничены. Основная цель исследования — повысить скорость инференса модели BlazePose-Lite при сохранении точности оценки позы. Методология включает многоэтапный процесс оптимизации: конвертацию в TensorFlow Lite с использованием квантования FP16 и INT8, структурную обрезку модели (pruning), упрощение вычислительного графа за счёт слияния операторов, а также временное сглаживание с применением экспоненциального скользящего среднего (EMA) и фильтра Калмана. Оптимизированная модель была протестирована на нескольких устройствах с низкими ресурсами. Производительность оценивалась по следующим метрикам: FPS, задержка (latency), загрузка CPU, использование RAM, а также точностные показатели ключевых точек (PCK и RMSE). Экспериментальные результаты показали, что INT8-квантованная версия BlazePose-Lite обеспечивает увеличение скорости инференса в 2–3 раза, достигая 26–32 FPS на смартфонах среднего уровня и 12–16 FPS на Raspberry Pi 4, при этом размер модели уменьшился до 75%. Потеря точности составляет всего 1–3%, что делает оптимизированную модель пригодной для реальных приложений. Практическая значимость исследования заключается в обеспечении создания надёжных, эффективных и внедряемых систем отслеживания позы человека для IoT-фитнес-устройств, мобильных коучинговых приложений и встроенных платформ умного здравоохранения.