百度AI攻略：实现人体姿态判定打分

【使用攻略】【人体关键点识别】

1.方案介绍
百度推出了人体关键点识别，检测图像中的人体并返回人体矩形框位置，精准定位21个核心关键点，包含头顶、五官、颈部、四肢主要关节部位，支持多人检测、大动作等复杂场景。支持多人体检测，检测图像中的所有人体，标记出每个人体的坐标位置；不限人体数量，适应人体轻度遮挡、截断的情况。

人体关键点识别的功能特点可以应用到体育健身，根据人体关键点信息，分析人体姿态、运动轨迹、动作角度等，辅助运动员进行体育训练，分析健身锻炼效果，提升教学效率。在这些应用中对人体姿态的判定是一个关键，通过姿态判定进而判断运动员或者体育爱好者的动作是否符合要求，对于体操，瑜伽等对姿态要求比较高的体育活动；甚至是体感游戏都有很好的帮助。

2.方案思路及实现
本攻略通过人体关键点，计算出人的 左右手臂，左右肩部，左右腿部以及左右髋部8个夹角，进而与要求标准夹角及允许的误差范围进行对比。从而实现人体姿态的判定及打分。我开发的功能在提供姿态打分的同时，提供原图基础上的渲染图及动作分析图，方便运动员进行分析。主要内容包括以下方面：

2.1平台接入
具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

2.2 百度人体关键点功能调用：
请参照我的另外一篇文章：第四期【百度大脑新品体验】人体关键点识别
https://ai.baidu.com/forum/topic/show/954123

2.3 其他方面：
夹角计算：通过余弦计算。
关键点过滤：对于不同置信度的关键点以不同的颜色显示在渲染图及分析图上，0.9分以上的用绿色，0.5-0.9用黄色，0.5以下用红色。方便用户识别。
渲染图：在原图上进行渲染，显示关键点和主要连线，包括身体，四肢，头部，脸部增加一条中轴线从头顶到鼻子到颈部。
分析图：在新的图片上显示关键点和主要连线，包括身体，四肢，头部，脸部增加一条中轴线从头顶到鼻子到颈部，方便用户查看人脸方向。同时显示每个位置的夹角及是否满足要求，如果符合显示绿色，如果不符显示红色。方便运动员进行分析。

判定分数：100*通过的夹角数量/总识别出来的夹角数量

3 实现效果及测试：

案例1：一个经典的体操鞍马动作：

要求四肢平直，右腿与身体平直，左腿75度左右。以下为具体的角度要求：

required_pose1={
'shoulder_left_angle':[15,10],
'shoulder_right_angle':[60,10],
'hip_left_angle':[180,10],
'hip_right_angle':[75,10],

'arm_left_angle':[180,10],
'arm_right_angle':[180,10],
'leg_left_angle':[180,10],
'leg_right_angle':[180,10]
}

上面的每组数值第一个为要求的角度，第二个为允许误差空间。

下面为渲染图，分析图和报告：

 

处理时长:0.71秒
person_num: 1
左肩：13.0,符合
右肩：57.5,符合
左髋：175.6,符合
右髋：71.6,符合
左臂：171.2,符合
右臂：173.1,符合
左腿：171.9,符合
右腿：178.8,符合
动作评分：100.0

 

案例2：多人双手张开动作：

动作模板，双手张开：

required_pose2={
'shoulder_left_angle':[90,10],
'shoulder_right_angle':[90,10],
'hip_left_angle':[170,10],
'hip_right_angle':[170,10],

'arm_left_angle':[180,10],
'arm_right_angle':[180,10],
'leg_left_angle':[180,10],
'leg_right_angle':[180,10]
}

渲染图：

分析图：

报告：

处理时长:4.00秒
person_num: 2
左肩：93.6,符合
右肩：99.5,符合
左髋：165.8,符合
右髋：171.7,符合
左臂：171.9,符合
右臂：180.0,符合
左腿：174.5,符合
右腿：175.2,符合
动作评分：100.0

左肩：116.6,不符
右肩：108.4,不符
左髋：156.8,不符
右髋：164.7,符合
左臂：175.2,符合
右臂：180.0,符合
左腿：nan,不符
右腿：175.2,符合
动作评分：50.0

案例3，瑜伽动作：

动作模板：

required_pose3={
'shoulder_left_angle':[180,10],
'shoulder_right_angle':[80,10],
'hip_left_angle':[110,10],
'hip_right_angle':[80,10],

'arm_left_angle':[45,10],
'arm_right_angle':[45,10],
'leg_left_angle':[30,10],
'leg_right_angle':[55,10]
}

渲染图：

分析图：

报告：

处理时长:0.82秒
person_num: 1
左肩：172.1,符合
右肩：79.0,符合
左髋：108.1,符合
右髋：81.9,符合
左臂：37.4,符合
右臂：36.9,符合
左腿：9.0,不符
右腿：48.2,符合
动作评分：87.5

4 关键代码

import numpy as np
#求角度
def GetCrossAngle(l1p1,l1p2,l2p1,l2p2):
    arr_0 = np.array([(l1p2['x'] - l1p1['x']), (l1p2['y'] - l1p1['y'])])
    arr_1 = np.array([(l2p2['x'] - l2p1['x']), (l2p2['y'] - l2p1['y'])])
    cos_value = (float(arr_0.dot(arr_1)) / (np.sqrt(arr_0.dot(arr_0)) * np.sqrt(arr_1.dot(arr_1))))   
    result = 180-(np.arccos(cos_value) * (180/np.pi))
    result = round(result,1)
    return result

#判断角度是否符合要求
def angle_if(d,beginkey,middlekey,endkey,draw,color,setFont,text='',required=None):
    total=0
    score=0
    if ((beginkey in d)&(endkey in d)&(middlekey in d)):
        total=1
        angle=GetCrossAngle(d[beginkey],d[middlekey],d[middlekey],d[endkey])
        result=text+str(angle)
        if required:
            #print(str(required[0]))
            if abs(angle-required[0])

5,测试结果及与竞品的对比

整体测试下来发现，百度人体关键点识别对人体关键点有较强的识别能力，在此基础上构建的人体姿态判定打分功能的效果很好，速度也很快。可以广泛的应用于体育健身及娱乐互动等方面。

现在国内做人体关键点产品的除了百度还有商汤和Face++，在这里也做一个简单的对比。

FACE++

Face++对应的功能名称是：人体骨骼关键点检测 API。效果为传入图片进行人体检测和骨骼关键点检测，定位并返回人体14个关键点（头、颈、肩、肘、手、臀、膝、脚）等部位。支持对图片中的所有人体进行骨骼检测

具体点位如下图所示：

分析效果如图：

商汤科技：

支持14 点人体关键点定位，通过 RGB 图像输入超实时给出人体头、肩、腰、腿等位置。分析效果如图所示：

通过对比可以发现，功能方面，Face++和商汤科技都是检测14个点，百度是21个点。百度多的点主要是在面部，这对于判定人脸的朝向和面部表情有很大帮助（大家可以对比一下渲染图，百度可以渲染出脸部朝向，其他的两个不行）这一点对于一些应用场景是很有用的。性价比方面，百度现在有50000次/天免费调用量，这对于测试和小型应用都足够了。对于商业应用的的价格也很低，所以百度性价比的优势也很大。

 

6,优化建议

就像手部有关键点识别和手势识别一样，建议百度直接建立一个人体姿态识别的新功能，直接返回人体的姿态识别的结果。可以在夹角的基础上增加更多的内容。对于有这方面需要的用户，用的也更方便。