目录
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