下载老师用ipy代码
https://codeload.github.com/TommyZihao/MMPose_Tutorials/zip/refs/heads/main
解压得到下述文件
激活你自己的mmpose环境进入mmpose代码下,环境创建参考
基于win10系统使用Conda对于OpenMMLab组件的安装_skyeKing_trueKing的博客-CSDN博客
将文件夹里的B1,B2拷贝至MMPose下
启动 anaconda prompt,激活mmpose对应的环境,进入本地的mmpose代码目录,输入jupyter notebook
通用参数说明
input 输入的单张图片或者视频
output-root 输出的结果存放的路径
device 使用的是gpu还是cpu,
bbox-thr 目标检测框的置信度阈值
kpt-thr 关键点检测的置信度阈值
nms-ths 俩个框的重合度超过这个阈值,就会判断是俩个框是重合的,保留最高的框
radius 可视化关键点的半径
thickness 可视化框的边框宽度
draw-bbox 是否画框
draw-heatmp 是否画热力图
show-kpt-idx 是否标定关键点的序号
预测单张图像
HRNet
# HRNet
!python demo/topdown_demo_with_mmdet.py \
demo/mmdetection_cfg/faster_rcnn_r50_fpn_coco.py \
https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_hrnet-w32_8xb64-210e_coco-256x192.py \
https://download.openmmlab.com/mmpose/top_down/hrnet/hrnet_w32_coco_256x192-c78dce93_20200708.pth \
--input data/test/multi-person.jpeg \
--output-root outputs/B1_HRNet_1 \
--device cuda:0 \
--bbox-thr 0.5 \
--kpt-thr 0.2 \
--nms-thr 0.3 \
--radius 8 \
--thickness 4 \
--draw-bbox \
--draw-heatmap \
--show-kpt-idx
先画框框选出人体,然后在进行自上而下的预测。所以使用了俩个模型,一个是目标检测模型,一个是关键点检测模型
demo/mmdetection_cfg/faster_rcnn_r50_fpn_coco.py | 目标检测配置文件 |
faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth | 目标检测模型(checkpoints权重文件) |
td-hm_hrnet-w32_8xb64-210e_coco-256x192.py | 关键点检测配置文件 |
hrnet_w32_coco_256x192-c78dce93_20200708.pth | 关键点检测模型(checkpoints权重文件) |
结果
RTMPose
# RTMPose
!python demo/topdown_demo_with_mmdet.py \
demo/mmdetection_cfg/faster_rcnn_r50_fpn_coco.py \
https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
projects/rtmpose/rtmpose/body_2d_keypoint/rtmpose-s_8xb256-420e_coco-256x192.py \
https://download.openmmlab.com/mmpose/v1/projects/rtmpose/rtmpose-s_simcc-aic-coco_pt-aic-coco_420e-256x192-fcb2599b_20230126.pth \
--input data/test/multi-person.jpeg \
--output-root outputs/B1_RTM_1 \
--device cuda:0 \
--bbox-thr 0.5 \
--kpt-thr 0.5 \
--nms-thr 0.3 \
--radius 8 \
--thickness 4 \
--draw-bbox \
--draw-heatmap \
--show-kpt-idx
结果
预测视频
修改input后面的参数为视频路径
B1_HRNet_2
B1_RTM_2