2D人体姿态识别-Human3.6M与COCO数据集中，各人体骨骼关键点可视化及对应关节标注顺序（heatmap可视化，热力图和原图融合显示)

003-2.processData

---

前言

这篇文章里的案例使用的是Human3.6M数据集中S1人物的Sitting 1.55011271.mp4视频中的第13帧作为图片，分别将此帧在Human3.6M中的2D关节点标注和在COCO上训练过的Openpose检测出的Heatmap在这帧图片上进行可视化，并一一对照标出了Huamn3.6M中32个关键点和COCO数据集中19个关键点对应的身体部位，找出了在两个数据集中共同的身体部位及其关键点。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、最终结果展示

1. Human3.6M数据集中32个人体关键点可视化及含义

Human3.6M中的2D keypoints ground-truth可视化:

对比找到H36M中各关键点所对应的身体部位如下，黄色高光的部位表示H36M和COCO中共有的关键点：

其中右上图的骨架图来自于博文CSDN:human3.6m数据集格式解析中给出的部分关键点（keypoints），但这里的关键点并不完整。右下图和左表我整理出了完整的各关键点含义（注意有的身体部位被多个关键点重复标注了）。

---

2. COCO数据集中19个人体关键点可视化及含义

检测出的COCO keypoints heatmap可视化，取heatmap中置信度最高的点作为关节点标红:

对比找到COCO中各关键点所对应的身体部位如下，黄色高光的部位表示H36M和COCO中共有的关键点：

---

3. Human3.6M和COCO两个数据集中共同的身体部位及其关键点

二、代码展示

以下代码均在Jupyter notebook中运行

1.Human 3.6M部分

1） 引入库

• 在Jupyter中安装本地没有的package: （参考）直接在在Jupyter中安装Python第三方包

!pip install cdflib

输出如下：

import cdflib
import numpy as np
from matplotlib import pyplot as plt
import cv2 as cv

2）读入数据

代码如下（示例）：

• Human3.6M数据集中cdf文件的构成+用cdflib库处理cdf文件 （参考）2D人体姿态识别-对Human3.6M数据集预处理（1）：用python读取并处理cdf文件，cdflib包中各函数介绍，Human3.6M数据集2d关节点格式解读

#load a cdf file
cdf= cdflib.CDF('Sitting 1.55011271.cdf')

#Get the variables in the cdf file
x = cdf.varget("Pose")

#Get the keypoints and images at frame 13
x13 = x[:,14,:]
x13 = x13.reshape