人体姿势估计
文章平均质量分 71
2d pose estimation
点PY
If you cannot risk, you cannot grow. If you cannot grow, you cannot become you best. If you cannot become you best, you cannot be happy. If you cannot be happy, what else matters?
展开
-
姿态估计评价指标
如果两个预测关节位置与真实肢体关节位置之间的距离几乎小于肢体长度的一半,则认为肢体被检测到。它在躯干直径的一定比例内测量预测关节与真实关节之间的距离,称为检测关节百分比 (PDJ)。PCK 通常是相对于被包围在边界框内的对象的比例来设置的。深度学习算法需要适当的评估指标才能在训练过程中很好地学习分布,并在推理过程中表现良好。PDJ 有助于实现定位精度,这缓解了 PCP 的缺点,因为所有关节的检测标准都基于相同的距离阈值。因为 OKS 用于计算距离 (0-1),所以它显示了预测关键点与真实关键点的接近程度。原创 2022-11-14 11:11:30 · 1942 阅读 · 0 评论 -
基于Part Affinity Fields的姿态估计后处理笔记
给定一组被检测到的身体部位(如图5a中的红色和蓝色点所示),我们如何将它们组合起来,形成一个未知数量的人的全身姿势?测量这种关联的一种可能的方法是检测肢体上每对部分之间的一个额外中点,并检查候选部分检测之间的发生率,如图5b所示。在测试过程中,我们通过计算沿着连接候选部分位置的线段上对应的PAF上的线积分来衡量候选部分检测结果之间的关联。对于所有其他的点,这个向量都是零值的。特别地,对于两个候选部分位置d_j1和d_j2,我们采样预测的部分亲和场,L_c沿着线段来衡量对他们的关联的置信度,原创 2022-11-11 14:40:40 · 417 阅读 · 0 评论 -
基于Labelme的动物骨架绘制
文章目录coco annotator安装coco annotator安装dockercoco annotatorgit clone https://github.com/jsbroks/coco-annotatorcd coco-annotatordocker-compose up原创 2022-04-02 14:23:33 · 566 阅读 · 2 评论 -
基于openpifpaf的跌倒算法检测
文章目录跌倒检测算法改进版检测结果应用参考跌倒检测算法最初概念化的跌倒检测算法相对简单。我首先选择了颈部作为稳定的参考点(与摆动的手臂和腿相比)。接下来,我根据定义整个人的边界框计算人的感知高度。然后,我以帧为间隔计算了颈部点之间的垂直距离。如果垂直距离超过人感知高度的一半,则算法将发出跌倒信号。然而,在浏览了多个关于人们跌倒的 YouTube 视频后,我意识到有不同的跌倒方式和方向。当视野处于一定角度时,一些跌倒没有被检测到,因为受害者的运动似乎没有剧烈变化。我的模型也不够健壮,当人们弯腰系鞋带或直原创 2022-01-18 19:46:36 · 4113 阅读 · 0 评论 -
人体姿态估计论文合集
2018Simple Baselines for Human Pose Estimation and Trackingcode: https://github.com/leoxiaobin/pose.pytorch摘要:近年来,人们在姿态估计方面取得了重大进展,人们对姿态跟踪的兴趣也越来越大。同时,算法的整体和系统复杂度也增加,使得算法的分析和比较更加困难。这项工作提供了简单而有效的基线方法。它们有助于激励和评估该领域的新想法。最先进的结果是在具有挑战性的基准上取得的。...原创 2022-01-09 14:32:01 · 3683 阅读 · 0 评论 -
ST-GCN论文简读以及复现
code: https://github.com/yysijie/st-gcn文章目录普通卷积与图卷积普通卷积图卷积数据输入数据结构数据预处理图划分策略网络结构复现普通卷积与图卷积普通卷积在理解图卷积之前,需要认识一下传统的卷积。对于一个3×3的卷积操作而言,相当于把3×3的卷积核在图像上滑动。每一次会有对应的9个数字相乘之后相加,然后得到一个最终的值。在这里,换一个角度来看,图像上的每一个数字都是一个特征,而卷积的操作,是以一个像素点为中心,将其周围的8个点连同它自己的特征加权(卷积核的值)后.原创 2021-10-14 09:01:57 · 3409 阅读 · 3 评论 -
openpose(windows安装)
文章目录软件准备下载openposecmake编译编译工程设置启动项运行程序软件准备cmake: 3.21.3Visual Studio: 2017cuda: 11.4cudnn:与cuda适配的版本下载openposehttps://github.com/CMU-Perceptual-Computing-Lab/openpose/releasescmake编译第一次config后,出现下图点击BUILD_PYTHON后,再一次Configure然后点击Generate,最后O原创 2021-10-13 13:24:09 · 1422 阅读 · 5 评论 -
基于人体骨架检测的安全警戒线
文章目录背景方法人体骨架提取空间关系分析背景在校园安防中学生安全是第一位的,在本篇博文中,将简单介绍一个小demo,楼道栏杆安全检测。方法第一步骨架提取,第二步人体骨架关键部位与栏杆的空间关系分析人体骨架提取参考https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch空间关系分析取0-1段关节,即脖子,作为与栏杆相交的判断依据。如下图所示。设定栏杆在图像中的位置,由于场景是固定不变的,栏杆也不会原创 2021-10-09 16:25:53 · 343 阅读 · 0 评论 -
基于LSTM的多摄像头、多目标、实时摔倒检测
code: https://github.com/taufeeque9/HumanFallDetectionpaper: https://www.bvm-workshop.org/bvm2021/postersession/s01/文章目录Introductionmethods识别和跟踪多目标特征提取摔倒与否的分类后处理Introduction摔倒检测的重要性老人摔倒很危险每年大概有25%-35%的老人会摔倒受害者经常无助且无法寻求帮助现有摔倒检测方法的不足扩散的昂贵的基于.原创 2021-09-24 18:21:53 · 1573 阅读 · 4 评论 -
PifPaf: Composite Fields for Human Pose Estimation论文简读
code: https://github.com/cwlroda/falldetection_openpifpaf文章目录摘要方法结果摘要我们提出了一种新的自下而上的多人二维人体姿态估计方法,特别适合于城市移动性,如自动驾驶汽车和交付机器人。新的方法,PifPaf,使用零件强度字段(PIF)来定位身体部位,并使用零件关联字段(PAF)来将身体部位相互关联起来,以形成完整的人体姿势。我们的方法在低分辨率和拥挤、杂乱和封闭的场景中优于以前的方法,这要感谢(i)我们新的复合字段PAF编码细粒度信息和(ii.原创 2021-09-24 14:36:23 · 458 阅读 · 0 评论 -
利用VOTT进行动作识别标注以及可视化
文章目录VOTT 安装创建工程视频标注标注结果可视化VOTT 安装https://github.com/microsoft/VoTT创建工程视频标注进行每帧之间的切换利用VOTT自带的SSD目标检测进行第一帧的框选对第一帧结果进行tags的选择,即动作类别Alt+A选中所有框,按CTRL+C对其进行复制,并切换到下一帧,进行框位置和大小的微调。结果导出标注结果可视化import jsonimport osimport cv2import matplotlib.pypl原创 2021-09-01 09:02:27 · 1005 阅读 · 0 评论 -
基于骨架的行为识别论文1
code: https://github.com/yfsong0709/ResGCNv1文章目录摘要论文的贡献摘要基于骨骼的动作识别的一个基本问题是如何提取所有骨骼关节的判别特征。然而,这项任务的最先进的(SOTA)模型的复杂性往往非常复杂和过度参数化,其中模型训练和推理的低效率阻碍了该领域的发展,特别是对于大规模的行动数据集。在这项工作中,我们提出了一个基于图卷积网络(GCN)的高效但强的基线,其中三个主要的改进被聚合,即早期融合的多输入分支(MIB),具有瓶颈结构和部分注意(PartAtt)块的剩原创 2021-08-27 15:05:17 · 1073 阅读 · 1 评论 -
You Only Watch Once论文简读以及demo运行
code: https://github.com/wei-tim/YOWO文章目录应用背景算法结构实验结果demo运行应用背景视频动作定位是在视频中定位出正在执行动作的主体并识别出动作的问题。很显然该问题包括:在多帧中定位主体和动作分类。在对关键帧(当前帧)进行动作分类时,很显然要考虑之前的数据。作者提出的算法正是在这一观察下,结合3D-CNN 提取时空信息和2D CNN 提取位置信息再特征融合,并参考YOLO检测方法提出来的。不同于以往类似Faster R-CNN两阶段方法,先生成大量.原创 2021-08-18 09:02:17 · 529 阅读 · 11 评论