【openpose】学习集锦

使用openpose的两种方式

1. 在本地PC上装好caffe，然后编译openpose（小白劝退操作！）
2. 在 colab 上进行操作，已经有现成的 -> jupyter notebook <-可用

符合Project Aruora的两个模型

• BODY_25 -- 25个点（跑通）
• COCO -- 18个点（未找到模型）

输出的关节点信息（官方文档 >url<）（掘金中文博客：https://cloud.tencent.com/developer/article/1396323）

colab openpose jupyte笔记中执行识别的语句，其中加上选项 --write_json ./output/就会把识别到的关节点数据导出
!cd openpose && ./build/examples/openpose/openpose.bin --model_pose BODY_25 --video ../video.mp4 --write_json ./output/ --display 0 --write_video ../openpose.avi

BODY_25

image.png
输出的json格式：
{"version":1.3,"people":[{"person_id":[-1],"pose_keypoints_2d":[x1, y1,c1,...,x25,y25,c25],"face_keypoints_2d":[],"hand_left_keypoints_2d":[],"hand_right_keypoints_2d":[],"pose_keypoints_3d":[],"face_keypoints_3d":[],"hand_left_keypoints_3d":[],"hand_right_keypoints_3d":[]},{"person_id":[-1],...}]
格式分析：

1. 为什么会有两个 "person_id":[-1] ？
   答：因为colab的识别视频出现两个人，而 person_id 只会是 -1
2. "pose_keypoints_2d " 的 x y c，分别是什么意思？
   答：x是横像数点位置，y是竖像素点位置，c是置信度

COCO

image.png

下周迭代的功能

1. 运用COCO模型识别18个点
2. 录制一段自己的深蹲视频，二十秒即可，然后上传到colab来识别
3. 编译 Openpose ，利用 python 的api来实现批量化得到模型（有两种做法，一种是用python去调用shell，另一种就是完全用Python的api）