PaddleHub检测肢体和手部关键点(2.0版本)

PaddleHub检测肢体和手部关键点

openpose_hands_estimation

openpose_hands_estimation是基于 ‘Hand Keypoint Detection in Single Images using Multiview Bootstrapping’ 构建的用于手部关键点检测的模型，该模型需要与openpose_body_estimation模型联合使用检测肢体和手部关键点，因此使用该模型前，请先安装openpose_body_estimation。

openpose_hands_estimation
模型链接：https://www.paddlepaddle.org.cn/hubdetail?name=openpose_hands_estimation&en_category=KeyPointDetection

openpose_body_estimation

openpose_body_estimation是基于’Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields’构建的用于肢体关键点检测的模型，该模型可以与openpose_hands_estimation模型联合使用检测肢体和手部关键点。

NOTE： 如果您在本地运行该项目示例，需要首先安装PaddleHub。如果您在线运行，需要首先fork该项目示例。之后按照该示例操作即可。

openpose_body_estimation
模型链接：https://www.paddlepaddle.org.cn/hubdetail?name=openpose_body_estimation&en_category=KeyPointDetection

环境：PaddlePaddle2.0.0rc PaddleHub2.0.0b1 lopenpose_hands_estimati 1.0.0(最新版) openpose_body_estimation 1.0.0(最新版)

一、安装新版Hub

!pip install paddlehub==2.0.0b1 -i https://pypi.tuna.tsinghua.edu.cn/simple

二、定义待预测照片并安装模型

以本示例中文件夹下shou.jpg为待预测图片

image = "shou.jpg"

!hub install openpose_hands_estimation
!hub install openpose_body_estimation

三、API预测

识别输入图片中的所有人手部关键点。

参数

• img (numpy.ndarray|str): 图片数据，使用图片路径或者输入numpy.ndarray，BGR格式；
• save_path (str): 图片保存路径， 默认为’openpose_hand’；
• scale (list): 搜索关键点时使用图片的不同尺度；
• visualization (bool): 是否将识别结果保存为图片文件；

返回

• res (dict): 识别结果的列表，列表元素为 dict, 有以下两个字段：
  • data : 可视化图片内容（numpy.ndarray，BGR格式）；
  • all_hand_peaks: 图片中手部关键点坐标

import paddlehub as hub

model = hub.Module(name='openpose_hands_estimation')
result = model.predict(image,visualization=True)
print(result)

四、命令行预测

!hub run openpose_hands_estimation --input_path "shou.jpg"

五、实现效果

点我进入项目