【学习记录】Online Realtime Action Recognition based on OpenPose使用教程

一、环境配置

1.使用anaconda创建一个新环境 py36OpenPose

conda create -n py36OpenPose python=3.6

2.按顺序安装以下模块

conda install tensorflow-gpu=1.13
pip install opencv-python==3.4.2.17
pip install keras==2.2.4
pip install scikit-learn==0.19
pip install pandas
pip install matplotlib

二、下载预训练模型

1.下载地址:http://www.mediafire.com/file/qlzzr20mpocnpa3/graph_opt.pb
在这里插入图片描述
2.把下载好的预训练模型放到 \Pose\graph_models\VGG_origin目录中
在这里插入图片描述

三、测试和训练

1.把需要测试的视频放到项目目录中
在这里插入图片描述
2.输入命令开始测试

python main.py --video=1.mp4

3.在开始训练之前我们需要收集视频里的数据,打开main.py,取消如下注释

在这里插入图片描述
在这里插入图片描述
4.再次运行测试命令,可以得到收集数据的txt文本

python main.py --video=1.mp4

在这里插入图片描述

5.用excel表打开txt文件,另存为.csv格式,保存到 项目目录\Action\training下
在这里插入图片描述
6.打开 项目目录\Action\training\train.py文件,修改以下两处地方在这里插入图片描述
在这里插入图片描述

7.运行train,py开始训练

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
OpenPose是一个能够从单张RGB图片中实时提取多人体骨骼框架的系统。它的代码库作者是Ginés Hidalgo, Zhe Cao, Tomas Simon, Shih-En Wei, Yaadhav Raaj, Hanbyul Joo和Yaser Sheikh。OpenPose内置了提取人体姿态的关键点解决方案,包括15、18、25个关键点的姿态以及70个人脸部关键点和21个手部关键节点。为了实现多人姿态估计,OpenPose使用了人体关键节点关联场(PAF:Part Affinity Fields)的概念。这个概念在文章Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields中提出。PAF可以用来关联同一个人的不同节点。关联节点的后处理算法也在该文章中给出。OpenPose使用一种算法来判断每个关键点对是否属于同一个人,即判断partA是否已经在列表中,如果是,则将partB添加到partA所在的列表中。这样可以建立多人之间的关联。123 #### 引用[.reference_title] - *1* *2* [多人姿态关键点检测:OpenPose的飞桨复现](https://blog.csdn.net/m0_63642362/article/details/122491871)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item] - *3* [OpenPose 基于OpenCV DNN 的多人姿态估计](https://blog.csdn.net/oJiMoDeYe12345/article/details/88900830)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值