1. 簡介
可以實現單人/多人的人體動作、臉部表情、手指運動等姿態估計。
三個算法模式
1. body_25: 偵測25個關節點
2. coco: 偵測18個關節點
3. mpi: 偵測15個關節點
2. 基礎使用 (Windows)
-
Video
bin\OpenPoseDemo.exe --video examples/media/video.avi
-
Images
bin\OpenPoseDemo.exe --image_dir examples/media/
-- image_dir
: 存圖片的資料夾路徑 -
Wecam
bin\OpenPoseDemo.exe
-
保存json檔
bin\OpenPoseDemo.exe --image_dir examples/media/ --write_json output\
bin\OpenPoseDemo.exe --video examples/media/video.avi --write_json output\
-- write_json
: 存放json的資料夾路徑 -
保存照片
bin\OpenPoseDemo.exe --image_dir examples/media/ --write_images output\
-- write_images
: 存放照片的資料夾路徑 -
保存影片
bin\OpenPoseDemo.exe --video examples/media/video.avi --write_video output\result.avi
-- write_video
: 輸出影片的路徑與名稱
3. 常見Flag
--video input.mp4
: Read video.
--image_dir path_to_images/
: Run on a folder with images.
--write_video path.avi
: Save video.
--write_images folder_path
: Save processed images on a folder.
--write_json folder_path
: Save processed images’ json on a folder.
--display 0
: Display window not opened.
--model_pose MPI
: Model to use, affects number keypoints, speed and accuracy.
4. Pose Output Format
-
JSON檔內關節點資訊
pose_keypoints_2d,包含(x, y, score)三項資訊x和y即為圖像中的關節點座標位置,取值範圍可以是[0,1], [-1,1], [0, source size], [0, output size] 等等, 取決於 keypoint_scale flag的值。
score表示信心值,做了normalization,取值範圍[0,1],越接近1表示預測越準確。
-
BODY_25 (25個關節點)
-
COCO (18個關節點)
5. 常見報錯
-
error == cudaSuccess (2 vs. 0) out of memory
解決方法一 : 改變處理分辨率
命令行添加--net_resolution 176x256
,後面大小可以自行定義。解決方法二: 改變模式
命令行添加--model_pose COCO