rk3588人体姿态识别，应用项目及部署方法
RK3588内置NPU计算单元，算力高达6top，支持部署一些轻量级算法。其中，用于检测人物行为的，可采用yolov8_pose人体姿态识别算法，通过对人体部位，如：鼻子、肩膀、肘部、腕部、髋部、膝盖、踝部等部位进行定位分析，实现人体姿态识别。
用RK3588+yolov8_pose算法，可以用于智慧养老项目检测老人生活状态，并提供跌倒、久坐提醒等；也可以用于AI智能健身，帮助用于健身锻炼中的动作指导、错误姿势纠正等；还可以用于工业现场的违规行为识别等，包括疲劳打瞌睡、弯腰探头、单手操作、久坐不动、离岗等行为检测。
这里简单说一下部署方法，详情可以参考定昌的维基百科教程：
http://wikicn.gzdcsmt.com/wendang_id_18.html#son164
RK3588部署yolov8_pose，需要先在PC端搭建编译环境，再将模型编译成瑞芯微支持的RKNN 格式。
编译生成的可执行文件和之前转换的rknn模型文件，拷贝到开发板运行。
推理输出的pose结果图片效果如下：
下面介绍一款支持部署人体姿态识别算法的RK3588开发板(DC_A588)，其支持参数性能及支持部署算法如下：
项目 | DC_A588 |
CPU | RK3588，八核64位(4xCortex-A76+4xCortex-A55)，8nm先进工艺，主频最高2.4GHz |
NPU算力 | 6TOPS |
运行内存+内部存储 | 32GB+256GB |
摄像头 | 双MIPI摄像头输入 或通过MIPICSI转AHD转接板实现8路AHD摄像头输入 |
操作系统 | Android11/debian11/ubuntu20.04,2204,2404/银河麒麟V10/星光麒麟V1.0/开源鸿蒙4.13 |
支持部署模型 | 一、YOLO 系列目标检测 / 分割 / 姿态 / 旋转检测 基础检测：yolov5、v6、yolov7、yolov8、yolov10、yolox 分割任务：yolov8_seg、yolov5_seg 旋转检测：yolov8_obb 姿态估计：yolov8_pose 开放域 YOLO：yolo_world 二、百度飞桨 Paddle 系列 目标检测：Ppyoloe 语义分割：ppseg 文字识别：PPOCR_V4 三、图像分割模型 deeplabv3 四、人脸识别 / 车牌识别 人脸识别：retinaface 车牌识别：LPRNet 五、音频相关模型 音频分类 / 事件：Yamnet 语音识别：whisper 六、轻量化 / 基础骨干网络 Resnet、Mobilenet、Lite_transformer 七、大语言模型 & 多模态大模型 DeepSeek-R1-Distill、Qwen3、Qwen2.5-VL-3B-Instruct、Qwen2-VL、Qwen2-VL-2B-Instruct、Qwen modelsLLAMA models、TinyLLAMA models、Phi modelsChatGLM3-6BGemma2、Gemma3InternLM2 models、MiniCPM models、TeleChat modelsMiniCPM-V-2_6、Janus-Pro-1B、InternVL2-1B |
对以上支持人体姿态识别部署的RK3588开发板感兴趣的，欢迎给我们客服致电或在线留言，另外我们有资深AI算法工程师全程跟踪指导，期待和你合作。