Python OpenCV – 姿势估计

什么是姿态估计？

姿势估计是一种计算机视觉技术，用于从图像中预测身体的构型 （POSE）。它之所以重要，是因为有大量的应用程序可以从技术中受益。

人体姿势估计定位身体关键点，以准确识别给定图像的个体的姿势。这些估计在 3D 或 2D 中执行。

人体姿态估计的主要过程包括两个基本步骤： i） 定位人体关节/关键点 ii） 将这些关节分组为有效的人体姿态配置

第一步，主要重点是找到人类每个关键点的位置。例如：头、肩、臂、手、膝、踝。第二步是将这些关节分组为有效的人体姿势配置，这决定了身体部位之间的成对项。

图 （b） 表示检测关键点，图 （a） 表示关键点的分组

什么 OpenCV 的 ？

OpenCV Python 是一个 Python 绑定库，旨在解决计算机视觉问题。它主要专注于图像处理、视频捕获和分析，包括人脸检测和对象检测等功能。

用途 python 中的 OpenCV ：

OpenCV Python 只不过是与 Python 一起使用的原始 C++ 库的包装类。使用此功能，所有 OpenCV 数组结构都与 NumPy 数组相互转换。这使得它更容易与其他使用 NumPy 的库集成。例如，SciPy 和 Matplotlib 等库。

要了解有关 OpenCV 的更多信息，https://opencv.org/about/

您可以使用的数据集：

在数据集选择中，COCO 和 MPII 是最近情况下的默认选择。特别是，COCO 是一个著名的数据集，因为它具有非常宽的人体姿势和大量的图像。LSP 和 FLIC 数据集也与 COCO 和 MPII 一起使用。

COCO - Common Objects in Context
MPII Human Pose Dataset - Max Planck Institute for Informatics
Visual Geometry Group - University of Oxford
​
​

您可以使用此位置提供的脚本下载模型权重文件。

OpenCV 中的人体姿态估计代码

在本节中，我们将了解如何在 OpenCV 中加载经过训练的模型并检查输出。为了简单起见，我们将讨论仅适用于单人姿势估计的代码。如果存在多个人，则这些输出可用于查找帧中每个人的姿势。我们将在以后的文章中介绍多人案例。

首先，从下面下载代码和模型文件。图像和视频输入有单独的文件。如果您在运行代码时遇到任何困难，请仔细阅读 README 文件。

第 1 步：下载模型权重

使用代码随附的 getModels.sh 文件将所有模型权重下载到相应的文件夹中。请注意，配置 proto 文件已存在于文件夹中。

• Python3 语言

检查文件夹以确保已下载模型二进制文件（.caffemodel 文件）。如果您无法运行上述脚本，则可以单击此处下载 MPII 模型，单