基于 OpenCV 和 OpenPose 的棒球挥杆人体姿势估计

最新推荐文章于 2024-08-08 07:49:42 发布

小白学视觉

最新推荐文章于 2024-08-08 07:49:42 发布

阅读量918

点赞数

文章标签： python java 人工智能编程语言机器学习

本文链接：https://blog.csdn.net/qq_42722197/article/details/121847838

版权

本文介绍了如何结合OpenPose和OpenCV实现棒球挥杆的人体姿势估计。通过读取视频，应用OpenPose模型进行关键点检测，并在帧上绘制骨架。进一步地，文章展示了如何构建一个Streamlit Web应用，让用户可以上传视频进行分析，并通过Google Colab或Streamlit Share进行部署。

摘要由CSDN通过智能技术生成

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

介绍

人体姿态估计是一个非常有趣的领域，如果我们能够将诸如棒球摆动或投球等运动的人体姿势量化为数据，那么我们或许能够将数据转化为有用的见解，例如伤害预防或高级训练。

有一些开源人体姿态估计，例如PoseNet和OpenPose，OpenPose 由 CMU 团队开发并得到广泛应用。

OpenPose

OpenPose 团队使用两个不同的数据集提供了两个预训练模型：多人数据集 (MPII) 和 COCO 数据集。COCO 模型产生 18 个点，MPII 模型产生 15 个点，我们将在这项工作中使用 MPII。

设置模型

首先，我们需要下载模型并将其保存到项目文件夹中。

protoFile = "openpose/mpi/pose_deploy_linevec_faster_4_stages.prototxt" 
weightsFile = "openpose/mpi/pose_iter_160000.caffemodel"

然后我们使用OpenCV的dnn模块来加载模型；

net = cv2.dnn.readNetFromCaffe(protoFile, weightsFile)

阅读视频

然后我们使用OpenCV逐帧读取视频：

# capture video
cap = cv2.VideoCapture(video_path)
# Check if video file is opened successfully
if (cap.isOpened() == False):
  print("Error opening video stream or file")
# Read until video is completed
while(cap.isOpened()):
# Capture frame-by-frame
    ret, frame = cap.read()
      if ret == True:
        frame = cv2.resize(frame, (width_out, int(width_out*height/width)), cv2.INTER_AR