參考：?在 Python 中使用機器學習進行人體姿勢估計姿態檢測是計算機視覺領域的一個活躍研究領域。https://mp.weixin.qq.com/s/D_sTpTp_pkLeO2nrcjgpaA

?

什么是姿態估計？

姿態估計是一種跟蹤人或物體運動的計算機視覺技術。這通常通過查找給定對象的關鍵點位置來執行。基于這些關鍵點，我們可以比較各種動作和姿勢并得出見解。姿態估計在增強現實、動畫、游戲和機器人領域得到了積極的應用。

目前有幾種模型可以執行姿態估計。下面給出了一些姿勢估計的方法：

Open pose

Pose net

Blaze pose

Deep Pose

Dense pose

Deep cut

選擇任何一種模型而不是另一種可能完全取決于應用程序。此外，運行時間、模型大小和易于實現等因素也可能是選擇特定模型的各種原因。因此，最好從一開始就了解你的要求并相應地選擇模型。

在本文中，我們將使用 Blaze pose檢測人體姿勢并提取關鍵點。該模型可以通過一個非常有用的庫輕松實現，即眾所周知的Media Pipe。

Media Pipe——Media Pipe是一個開源的跨平臺框架，用于構建多模型機器學習管道。它可用于實現人臉檢測、多手跟蹤、頭發分割、對象檢測和跟蹤等前沿模型。

Blaze Pose Detector?——大部分姿態檢測依賴于由 17 個關鍵點組成的 COCO 拓撲結構，而Blaze姿態檢測器預測 33 個人體關鍵點，包括軀干、手臂、腿部和面部。包含更多關鍵點對于特定領域姿勢估計模型的成功應用是必要的，例如手、臉和腳。每個關鍵點都使用三個自由度以及可見性分數進行預測。Blaze Pose是亞毫秒模型，可用于實時應用，其精度優于大多數現有模型。該模型有兩個版本：Blazepose lite 和 Blazepose full，以提供速度和準確性之間的平衡。

Blaze 姿勢提供多種應用程序，包括健身和瑜伽追蹤器。這些應用程序可以通過使用一個額外的分類器來實現，比如我們將在本文中構建的分類器。

你可以在此處了解有關Blaze Pose Detector的更多信息:?https://ai.googleblog.com/2020/08/on-device-real-time-body-pose-tracking.html

2D 與 3D 姿態估計

姿勢估計可以在 2D 或 3D 中完成。2D 姿態估計通過像素值預測圖像中的關鍵點。而3D姿態估計是指預測關鍵點的三維空間排列作為其輸出。

為姿態估計準備數據集

我們在上一節中了解到，人體姿勢的關鍵點可以用來比較不同的姿勢。在本節中，我們將使用Media Pipe庫本身來準備數據集。我們將拍攝兩個瑜伽姿勢的圖像，從中提取關鍵點并將它們存儲在一個 CSV 文件中。

你可以通過此鏈接從 Kaggle 下載數據集：https://www.kaggle.com/niharika41298/yoga-poses-dataset

該數據集包含 5 個瑜伽姿勢，但是，在本文中，我只采用了兩個姿勢。如果需要，你可以使用所有這些，程序將保持不變。

import?mediapipe?as?mp
import?cv2
import?time
import?numpy?as?np
import?pandas?as?pd
import?os
mpPose?=?mp.solutions.pose
pose?=?mpPose.Pose()
mpDraw?=?mp.solutions.drawing_utils?#?For?drawing?keypoints
points?=?mpPose.PoseLandmark?#?Landmarks
path?=?"DATASET/TRAIN/plank"?#?enter?dataset?path
data?=?[]
for?p?in?points:
????????x?=?str(p)[13:]
????????data.append(x?+?"_x")
????????data.append(x?+?"_y")
????????data.append(x?+?"_z")
????????data.append(x?+?"_vis")
data?=?pd.DataFrame(columns?=?data)?#?Empty?dataset

在上面的代碼片段中，我們首先導入了有助于創建數據集的必要庫。然后在接下來的四行中，我們將導入提取關鍵點所需的模塊及其繪制工具。

接下來，我們創建一個空的 Pandas 數據框并輸入列。這里的列包括由Blaze姿態檢測器檢測到的 33 個關鍵點。每個關鍵點包含四個屬性，即關鍵點的 x 和 y 坐標（從 0 到 1 歸一化），z 坐標表示以臀部為原點且與 x 的比例相同的地標深度，最后是可見度分數。可見性分數表示地標在圖像中可見或不可見的概率。

count?=?0

for?img?in?os.listdir(path):

????????temp?=?[]

????????img?=?cv2.imread(path?+?"/"?+?img)

????????imageWidth,?imageHeight?=?img.shape[:2]

????????imgRGB?=?cv2.cvtColor(img,?cv2.COLOR_BGR2RGB)

????????blackie?=?np.zeros(img.shape)?#?Blank?image

????????results?=?pose.process(imgRGB)

????????if?results.pose_landmarks:

????????????????#?mpDraw.draw_landmarks(img,?results.pose_landmarks,?mpPose.POSE_CONNECTIONS)?#draw?landmarks?on?image

????????????????mpDraw.draw_landmarks(blackie,?results.pose_landmarks,?mpPose.POSE_CONNECTIONS)?#?draw?landmarks?on?blackie

????????????????landmarks?=?results.pose_landmarks.landmark

????????????????for?i,j?in?zip(points,landmarks):

????????????????????????temp?=?temp?+?[j.x,?j.y,?j.z,?j.visibility]

????????????????data.loc[count]?=?temp

????????????????count?+=1

????????cv2.imshow("Image",?img)

????????cv2.imshow("blackie",blackie)

????????cv2.waitKey(100)

data.to_csv("dataset3.csv")?#?save?the?data?as?a?csv?file

在上面的代碼中，我們單獨遍歷姿勢圖像，使用Blaze姿勢模型提取關鍵點并將它們存儲在臨時數組“temp”中。

迭代完成后，我們將這個臨時數組作為新記錄添加到我們的數據集中。你還可以使用Media Pipe本身中的繪圖實用程序來查看這些地標。

在上面的代碼中，我在圖像以及空白圖像“blackie”上繪制了這些地標，以僅關注Blaze姿勢模型的結果。空白圖像“blackie”的形狀與給定圖像的形狀相同。

應該注意的一件事是，Blaze姿態模型采用 RGB 圖像而不是 BGR（由 OpenCV 讀取）。

獲得所有圖像的關鍵點后，我們必須添加一個目標值，作為機器學習模型的標簽。你可以將第一個姿勢的目標值設為 0，將另一個設為 1。之后，我們可以將這些數據保存到 CSV 文件中，我們將在后續步驟中使用該文件創建機器學習模型。

你可以從上圖中觀察數據集的外觀。

創建姿勢估計模型

現在我們已經創建了我們的數據集，我們只需要選擇一種機器學習算法來對姿勢進行分類。在這一步中，我們將拍攝一張圖像，運行 blaze 姿勢模型（我們之前用于創建數據集）以獲取該圖像中人物的關鍵點，然后在該測試用例上運行我們的模型。

該模型有望以高置信度給出正確的結果。在本文中，我將使用 sklearn 庫中的 SVC（支持向量分類器）來執行分類任務。

from?sklearn.svm?import?SVC
data?=?pd.read_csv("dataset3.csv")
X,Y?=?data.iloc[:,:132],data['target']
model?=?SVC(kernel?=?'poly')
model.fit(X,Y)
mpPose?=?mp.solutions.pose
pose?=?mpPose.Pose()
mpDraw?=?mp.solutions.drawing_utils
path?=?"enter?image?path"
img?=?cv2.imread(path)
img?=?cv2.cvtColor(img,?cv2.COLOR_BGR2RGB)
results?=?pose.process(imgRGB)
if?results.pose_landmarks:
????????landmarks?=?results.pose_landmarks.landmark
????????for?j?in?landmarks:
????????????????temp?=?temp?+?[j.x,?j.y,?j.z,?j.visibility]
????????y?=?model.predict([temp])
????????if?y?==?0:
????????????asan?=?"plank"
????????else:
????????????asan?=?"goddess"
????????print(asan)
????????cv2.putText(img,?asan,?(50,50),?cv2.FONT_HERSHEY_SIMPLEX,1,(255,255,0),3)
????????cv2.imshow("image",img)

在上面的代碼行中，我們首先從 sklearn 庫中導入了 SVC（支持向量分類器）。我們已經用目標變量作為 Y 標簽訓練了我們之前在 SVC 上構建的數據集。

然后我們讀取輸入圖像并提取關鍵點，就像我們在創建數據集時所做的那樣。

最后，我們輸入臨時變量并使用模型進行預測。現在可以使用簡單的 if-else 條件檢測姿勢。

模型結果

從上面的圖像中，你可以觀察到模型已經正確地對姿勢進行了分類。你還可以在右側看到Blaze姿勢模型檢測到的姿勢。

在第一張圖片中，如果你仔細觀察，一些關鍵點是不可見的，但姿勢分類是正確的。由于Blaze姿態模型給出的關鍵點屬性的可見性，這是可能的。

結論

姿勢檢測是機器學習領域的一個活躍研究領域，并提供了多種實際應用。在本文中，我們嘗試開發一個這樣的應用程序，并通過姿勢檢測來解決問題。

我們了解了姿勢檢測和幾個可用于姿勢檢測的模型。出于我們的目的選擇了 blaze 姿勢模型，并了解了它相對于其他模型的優缺點。

最后，我們使用 sklearn 庫中的支持向量分類器構建了一個分類器來對瑜伽姿勢進行分類。為此，我們還構建了自己的數據集，可以使用更多圖像進一步擴展。

你也可以嘗試其他機器學習算法而不是 SVM，并相應地比較結果

總結

以上是生活随笔為你收集整理的计算机视觉--Python实现人体姿态估计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。