shape = frames[0].shape[:2]

    results = []
    for anno in tqdm(my_part):
        frames = extract_frame(anno['filename'])
        det_results = detection_inference(det_model, frames)
        # * Get detection results for human
        det_results = [x[0] for x in det_results]
        for i, res in enumerate(det_results):
            # * filter boxes with small scores
            res = res[res[:, 4] >= args.det_score_thr]
            # * filter boxes with small areas
            box_areas = (res[:, 3] - res[:, 1]) * (res[:, 2] - res[:, 0])
            assert np.all(box_areas >= 0)
            res = res[box_areas >= args.det_area_thr]
            det_results[i] = res

        shape = frames[0].shape[:2]
        anno['img_shape'] = shape
        anno = pose_inference(anno, pose_model, frames, det_results, 
                              compress=args.compress)
        anno.pop('filename')
        results.append(anno)

shape = frames[0].shape[:2]
anno['img_shape'] = shape

shape = frames[0].shape[:2] 这段代码涉及到 Python 的列表切片语法。

首先来看 frames[0]。frames 是一个列表或者数组,包含了从视频中提取的若干帧。frames[0] 表示获取列表中第一个元素,即第一帧。

接下来是 .shape。frames[0] 表示一个图像或视频帧,它有宽、高和通道数三个属性,这些属性构成了这个图像的形状。.shape 可以获取这个形状信息。

最后是 [:2]。这是 Python 列表切片的语法,用于获取列表的部分元素。[:2] 表示获取从索引 0 到索引 1 (不包括索引 2) 的元素,也就是获取宽和高两个维度的信息,不包括通道数。

所以 shape = frames[0].shape[:2] 的作用是:

1. 获取 frames 列表中的第一个元素,也就是第一帧图像。
2. 获取这个第一帧图像的形状信息。
3. 只保留形状中的宽和高两个维度,不包括通道数。
4. 将这个宽高信息赋值给变量 shape。

这样做的目的是为了记录下视频帧的尺寸信息,以便后续的姿态估计处理。

 anno = pose_inference(anno, pose_model, frames, det_results, compress=args.compress)
 anno.pop('filename')
 results.append(anno)

这段代码涉及到了对anno字典的处理:

1. anno = pose_inference(anno, pose_model, frames, det_results, compress=args.compress)

   • 这一行使用预训练的姿态估计模型pose_model对当前的anno字典、提取的视频帧frames以及目标检测结果det_results进行姿态估计。
   • 估计结果被保存到anno字典中。
   • compress=args.compress表示是否压缩结果。

2. anno.pop('filename')

   • 这一行从anno字典中移除'filename'键值对。
   • 之前已经提取了视频帧,不再需要'filename'信息了。

3. results.append(anno)

   • 这一行将更新后的anno字典添加到results列表中。
   • results列表用于保存最终的所有结果。

总结一下这段代码的作用:

1. 使用姿态估计模型对当前的anno字典进行处理,获得姿态估计结果并更新到anno字典中。
2. 从anno字典中移除不再需要的'filename'信息。
3. 将更新后的anno字典添加到results列表中,以便后续使用。

这个过程是整个计算流程的一个重要步骤,用于将目标检测和姿态估计的结果组织成一个统一的数据结构,以便后续的分析和处理。

pyskl/tools/data/custom_2d_skeleton.py at main · kennymckormick/pyskl · GitHub