多目标姿态估计

Posted 2020-12-07 wujianming-110117

多目标姿态估计

一个openpose的姿态估计算法，这个算法可以检测人体的18个关节点。

安装OpenPose

 这个是来自卡内基梅隆的开源算法，算法真的很鲁棒，不信来看看效果。

 

openpose这个算法集成Convolutional Pose Machines、Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 和 Hand Keypoint Detection in Single Images 这三篇paper的研究。不得不说，效果的确是好啊。下面给出算法GitHub地址，安装教程在ReadMe也写得十分详细了。

GitHub地址

https://github.com/CMU-Perceptual-Computing-Lab/openpose

好的，大家根据Readme上的教程安装就好，官方算法是C++的，如果小伙伴还想用python版的就要去安装PyOpenPose。GitHub地址：https://github.com/FORTH-ModelBasedTracker/PyOpenPose

安装的教程也有人写好了：https://blog.csdn.net/xizero00/article/details/77294595

 

  Features

• Functionality:
• 2D real-time multi-person keypoint detection:
• 15 or 18 or 25-keypoint body/foot keypoint estimation. Running time invariant to number of detected people.
• 6-keypoint foot keypoint estimation. Integrated together with the 25-keypoint body/foot keypoint detector.
• 2x21-keypoint hand keypoint estimation. Currently, running time depends on number of detected people.
• 70-keypoint face keypoint estimation. Currently, running time depends on number of detected people.
• 3D real-time single-person keypoint detection:
• 3-D triangulation from multiple single views.
• Synchronization of Flir cameras handled.
• Compatible with Flir/Point Grey cameras, but provided C++ demos to add your custom input.
• Calibration toolbox:
• Easy estimation of distortion, intrinsic, and extrinsic camera parameters.
• Single-person tracking for further speed up or visual smoothing.
• Input: Image, video, webcam, Flir/Point Grey and IP camera. Included C++ demos to add your custom input.
• Output: Basic image + keypoint display/saving (PNG, JPG, AVI, ...), keypoint saving (JSON, XML, YML, ...), and/or keypoints as array class.
• OS: Ubuntu (14, 16), Windows (8, 10), Mac OSX, Nvidia TX2.
• Training and datasets:
• OpenPose Training.
• Foot dataset website.
• Others:
• Available: command-line demo, C++ wrapper, and C++ API.
• Python API.
• Unity Plugin.
• CUDA (Nvidia GPU), OpenCL (AMD GPU), and CPU-only (no GPU) versions.

模型输出接口

要想用这个算法，肯定要找到它输出的接口啊。以PyOpenPose为例，输出接口可以在这个文件中找到：PyOpenPose/scripts/OpLoop.py。这个是实时检测的代码。

使用接口的用例代码如下：

op = OP.OpenPose((320, 240), (240, 240), (640, 480), "COCO", OPENPOSE_ROOT + os.sep + "models" + os.sep, 0, download_heatmaps)

op.detectPose(rgb)
res = op.render(rgb)

上面的是检测Pose的，还有detectFace、detectHands等等功能，如果加上这些的话，速度可能会有点感人，所以只用detectPose的话还好。

写游戏界面和逻辑

游戏界面就随意发挥了，资源网上也很多，有个素材网站叫爱给网，在上面搜索拳皇就会弹出很多相关的资源。

游戏逻辑呢，先要清楚是要根据的动作来触发游戏中动画人物的动作，根据关节位置的变化来触发，比如的手举过头顶要触发某个动作，那么手腕关节的Y坐标一定会比头顶的Y坐标要小(左上角为0，0坐标)，根据关节点的位置变化也可以推断出其它动作。

关节点的坐标位置分布图如下：

 

  所有关节点的信息会以一个张量形式返回，所以只要根据对应下标就能取到对应的坐标。