paddlehub 安装 及 使用 预训练模型 检测人体骨骼关键点

飞桨官方网站：https://www.paddlepaddle.org.cn/

 

使用过程记录：

 

用conda创建虚拟环境：

conda create -n paddle python=3.6 

激活：

conda activate paddle

 

paddle安装: 官网：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/2.0/install/pip/windows-pip.html

python -m pip install paddlepaddle==2.0.0 -i https://mirror.baidu.com/pypi/simple

测试安装成功：

 

 

paddlehub文档：https://paddlehub.readthedocs.io/zh_CN/develop/index.html

paddlehub安装：

pip install paddlehub -i https://pypi.doubanio.com/simple

安装成功测试：

 

PaddleHub支持修改预训练模型存放路径：

• 如已设置${HUB_HOME}环境变量，则预训练模型、配置等文件都存放在${HUB_HOME}指示的路径下

• 如未设置${HUB_HOME}环境变量，则存放在$HOME指示的路径下

 

human_pose_estimation_resnet50_mpii

飞桨地址：https://www.paddlepaddle.org.cn/hubdetail?name=human_pose_estimation_resnet50_mpii&en_category=KeyPointDetection

 

安装opencv：

pip install opencv-python -i https://pypi.doubanio.com/simple

matplotlib安装：

pip install matplotlib -i https://pypi.doubanio.com/simple

 

测试代码：

import cv2
import paddlehub as hub

pose_estimation = hub.Module(name="human_pose_estimation_resnet50_mpii")

result = pose_estimation.keypoint_detection(images=[cv2.imread('./James.jpg')])
print(result)

运行测试代码：(其中预训练模型已经下载到HUB_HOME环境变量所在的位置了)

 

输出可视化：增加visualization=True

import cv2
import paddlehub as hub

pose_estimation = hub.Module(name="human_pose_estimation_resnet50_mpii")

result = pose_estimation.keypoint_detection(images=[cv2.imread('./James.jpg')],visualization=True)
print(result)

结果如图：

PaddleHub Serving可以部署一个在线人脸关键点检测服务。

服务启动命令：

hub serving start -m human_pose_estimation_resnet50_mpii

 

测试代码：

import requests
import json
import cv2
import base64


def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')


# 发送HTTP请求
data = {'images':[cv2_to_base64(cv2.imread("./James.jpg"))]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/human_pose_estimation_resnet50_mpii"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(r.json()["results"])

运行结果：

 

 

其他PaddleHub预训练模型使用，也类似此操作。

 

官方网站：https://www.paddlepaddle.org.cn/