Opencv学习笔记 OpenPose 姿势检测 （二）

z13228604287

OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用，基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣、舆情监测等领域具有广阔的应用前景，人们更加熟悉的应用就是抖音尬舞机。

  

窗口程序集名	保 留	保 留	备 注
窗口程序集_启动窗口
变量名	类 型	数组	备 注
网络	神经网络
关键点颜色	标量	18
COCO关键点	整数型
COCO坐标	二维坐标数据结构i	19

子程序名	返回值类型	公开	备 注
__启动窗口_创建完毕

COCO模型定义 ()
COCO关键点 ＝ 18
视觉_从文件读取咖啡 (网络.指针, “C:\Users\hanyo\Desktop\pose_deploy_linevec.prototxt”, “C:\Users\hanyo\Desktop\pose_iter_440000.caffemodel”)
如果真 (网络.空 ())
返回 ()
填充调色板 (关键点颜色, 18)

子程序名	返回值类型	公开	备 注
_按钮1_被单击

变量名	类 型	静态	数组	备 注
图片	多维矩阵
斑点	多维矩阵
网络输出块	多维矩阵
网络输出部件	多维矩阵向量
检测到的关键点	姿势关键点容器
关键点列表	姿势关键点向量
关键坐标	二维坐标数据结构i
i	整数型
j	整数型
个人关键点	整数容器
指数A	整数型
指数B	整数型
坐标A	二维坐标数据结构i
坐标B	二维坐标数据结构i

视觉_图像读取 (图片.指针, 编辑框1.内容, #读入_颜色 )
如果真 (图片.空 ())
返回 ()
' 生成输入blob
视觉_来自图像的斑点ZS (图片.指针, 斑点.指针, 1 ÷ 255, 368 × 图片.列 () ÷ 图片.行 (), 368)
网络.设置输入S (斑点.指针, “”)
' 向前通过网络
网络.向前S (“”, 网络输出块.指针)
视觉_分裂斑点 (网络输出块.指针, 图片.列 (), 图片.行 (), 网络输出部件.指针)
视觉_获取姿势关键点 (网络输出部件.指针, 检测到的关键点.指针, 关键点列表.指针)
判断循环首 (i ＜ COCO关键点)
j ＝ 0
判断循环首 (j ＜ 检测到的关键点.取向量尺寸 (i))
检测到的关键点.取向量坐标 (i, j, 关键坐标)
视觉_圆圈i (图片.指针, 关键坐标, 5, 关键点颜色 [i ＋ 1], -1, #线类型_线_AA, 0)
j ＝ j ＋ 1
判断循环尾 ()
i ＝ i ＋ 1
判断循环尾 ()
视觉_获取姿势个人关键点 (网络输出部件.指针, 检测到的关键点.指针, 个人关键点.指针)
i ＝ 0
判断循环首 (i ＜ COCO关键点 － 1)
j ＝ 0
判断循环首 (j ＜ 个人关键点.尺寸 ())
指数A ＝ 个人关键点.取向量元素值 (j, COCO坐标 [i ＋ 1].横坐标)
指数B ＝ 个人关键点.取向量元素值 (j, COCO坐标 [i ＋ 1].纵坐标)
如果真 (指数A ＝ -1 或 指数B ＝ -1)
j ＝ j ＋ 1
到循环尾 ()
关键点列表.取坐标 (指数A, 坐标A)
关键点列表.取坐标 (指数B, 坐标B)
视觉_线i (图片.指针, 坐标A, 坐标B, 关键点颜色 [i ＋ 1], 3, #线类型_线_AA, 0)
j ＝ j ＋ 1
判断循环尾 ()
i ＝ i ＋ 1
判断循环尾 ()
' COCO 输出格式
' 鼻子– 0，颈部– 1，右肩– 2，右肘– 3，右手腕– 4，
' 左肩– 5，左肘– 6，左手腕– 7，右臀部– 8，
' 右膝– 9, 右脚踝 – 10, 左臀部 – 11, 左膝盖 – 12,
' 踝关节 – 13, 右眼 – 14, 左眼 – 15, 右耳 – 16,
' 左耳 – 17, 背景 – 18
视觉_显示图像 (“小白鼠”, 图片.指针)
视觉_等待按键 (0)

子程序名	返回值类型	公开	备 注
填充调色板
参数名	类 型	参考	可空	数组	备 注
颜色	标量
长度	整数型

变量名	类 型	静态	数组	备 注
i	整数型

计次循环首 (长度, i)
置随机数种子 (i)
颜色 [i].赋值3 (取随机数 (64, 200), 取随机数 (100, 255), 取随机数 (100, 255))
计次循环尾 ()

子程序名	返回值类型	公开	备 注
COCO模型定义

COCO坐标 [1].赋值 (1, 2)
COCO坐标 [2].赋值 (1, 5)
COCO坐标 [3].赋值 (2, 3)
COCO坐标 [4].赋值 (3, 4)
COCO坐标 [5].赋值 (5, 6)
COCO坐标 [6].赋值 (6, 7)
COCO坐标 [7].赋值 (1, 8)
COCO坐标 [8].赋值 (8, 9)
COCO坐标 [9].赋值 (9, 10)
COCO坐标 [10].赋值 (1, 11)
COCO坐标 [11].赋值 (11, 12)
COCO坐标 [12].赋值 (12, 13)
COCO坐标 [13].赋值 (1, 0)
COCO坐标 [14].赋值 (0, 14)
COCO坐标 [15].赋值 (14, 16)
COCO坐标 [16].赋值 (0, 15)
COCO坐标 [17].赋值 (15, 17)
COCO坐标 [18].赋值 (2, 17)
COCO坐标 [19].赋值 (5, 16)

i支持库列表	支持库注释
cv	(未知支持库)

.版本 2<br /> .支持库 cv<br /> <br /> .程序集 窗口程序集_启动窗口<br /> .程序集变量 网络, 神经网络<br /> .程序集变量 关键点颜色, 标量, , "18"<br /> .程序集变量 COCO关键点, 整数型<br /> .程序集变量 COCO坐标, 二维坐标数据结构i, , "19"<br /> <br /> .子程序 __启动窗口_创建完毕<br /> <br /> COCO模型定义 ()<br /> COCO关键点 ＝ 18<br /> 视觉_从文件读取咖啡 (网络.指针, “C:\Users\hanyo\Desktop\pose_deploy_linevec.prototxt”, “C:\Users\hanyo\Desktop\pose_iter_440000.caffemodel”)<br /> .如果真 (网络.空 ())<br />     返回 ()<br /> .如果真结束<br /> 填充调色板 (关键点颜色, 18)<br /> <br /> .子程序 _按钮1_被单击<br /> .局部变量 图片, 多维矩阵<br /> .局部变量 斑点, 多维矩阵<br /> .局部变量 网络输出块, 多维矩阵<br /> .局部变量 网络输出部件, 多维矩阵向量<br /> .局部变量 检测到的关键点, 姿势关键点容器<br /> .局部变量 关键点列表, 姿势关键点向量<br /> .局部变量 关键坐标, 二维坐标数据结构i<br /> .局部变量 i, 整数型<br /> .局部变量 j, 整数型<br /> .局部变量 个人关键点, 整数容器<br /> .局部变量 指数A, 整数型<br /> .局部变量 指数B, 整数型<br /> .局部变量 坐标A, 二维坐标数据结构i<br /> .局部变量 坐标B, 二维坐标数据结构i<br /> <br /> <br /> 视觉_图像读取 (图片.指针, 编辑框1.内容, #读入_颜色)<br /> .如果真 (图片.空 ())<br />     返回 ()<br /> .如果真结束<br /> ' 生成输入blob<br /> 视觉_来自图像的斑点ZS (图片.指针, 斑点.指针, 1 ÷ 255, 368 × 图片.列 () ÷ 图片.行 (), 368)<br /> 网络.设置输入S (斑点.指针, “”)<br /> ' 向前通过网络<br /> 网络.向前S (“”, 网络输出块.指针)<br /> 视觉_分裂斑点 (网络输出块.指针, 图片.列 (), 图片.行 (), 网络输出部件.指针)<br /> 视觉_获取姿势关键点 (网络输出部件.指针, 检测到的关键点.指针, 关键点列表.指针)<br /> .判断循环首 (i ＜ COCO关键点)<br />     j ＝ 0<br />     .判断循环首 (j ＜ 检测到的关键点.取向量尺寸 (i))<br />         检测到的关键点.取向量坐标 (i, j, 关键坐标)<br />         视觉_圆圈i (图片.指针, 关键坐标, 5, 关键点颜色 [i ＋ 1], -1, #线类型_线_AA, 0)<br />         j ＝ j ＋ 1<br />     .判断循环尾 ()<br />     i ＝ i ＋ 1<br /> .判断循环尾 ()<br /> 视觉_获取姿势个人关键点 (网络输出部件.指针, 检测到的关键点.指针, 个人关键点.指针)<br /> i ＝ 0<br /> .判断循环首 (i ＜ COCO关键点 － 1)<br />     j ＝ 0<br />     .判断循环首 (j ＜ 个人关键点.尺寸 ())<br />         指数A ＝ 个人关键点.取向量元素值 (j, COCO坐标 [i ＋ 1].横坐标)<br />         指数B ＝ 个人关键点.取向量元素值 (j, COCO坐标 [i ＋ 1].纵坐标)<br />         .如果真 (指数A ＝ -1 或 指数B ＝ -1)<br />             j ＝ j ＋ 1<br />             到循环尾 ()<br />         .如果真结束<br />         关键点列表.取坐标 (指数A, 坐标A)<br />         关键点列表.取坐标 (指数B, 坐标B)<br />         视觉_线i (图片.指针, 坐标A, 坐标B, 关键点颜色 [i ＋ 1], 3, #线类型_线_AA, 0)<br />         j ＝ j ＋ 1<br />     .判断循环尾 ()<br />     i ＝ i ＋ 1<br /> .判断循环尾 ()<br /> ' COCO 输出格式<br /> ' 鼻子– 0，颈部– 1，右肩– 2，右肘– 3，右手腕– 4，<br /> ' 左肩– 5，左肘– 6，左手腕– 7，右臀部– 8，<br /> ' 右膝– 9, 右脚踝 – 10, 左臀部 – 11, 左膝盖 – 12,<br /> ' 踝关节 – 13, 右眼 – 14, 左眼 – 15, 右耳 – 16,<br /> ' 左耳 – 17, 背景 – 18<br /> <br /> 视觉_显示图像 (“小白鼠”, 图片.指针)<br /> 视觉_等待按键 (0)<br /> <br /> .子程序 填充调色板<br /> .参数 颜色, 标量, 参考 数组<br /> .参数 长度, 整数型<br /> .局部变量 i, 整数型<br /> <br /> .计次循环首 (长度, i)<br />     置随机数种子 (i)<br />     颜色 <i>.赋值3 (取随机数 (64, 200), 取随机数 (100, 255), 取随机数 (100, 255))<br /> .计次循环尾 ()<br /> <br /> .子程序 COCO模型定义<br /> <br /> COCO坐标 [1].赋值 (1, 2)<br /> COCO坐标 [2].赋值 (1, 5)<br /> COCO坐标 [3].赋值 (2, 3)<br /> COCO坐标 [4].赋值 (3, 4)<br /> COCO坐标 [5].赋值 (5, 6)<br /> COCO坐标 [6].赋值 (6, 7)<br /> COCO坐标 [7].赋值 (1, 8)<br /> COCO坐标 [8].赋值 (8, 9)<br /> COCO坐标 [9].赋值 (9, 10)<br /> COCO坐标 [10].赋值 (1, 11)<br /> COCO坐标 [11].赋值 (11, 12)<br /> COCO坐标 [12].赋值 (12, 13)<br /> COCO坐标 [13].赋值 (1, 0)<br /> COCO坐标 [14].赋值 (0, 14)<br /> COCO坐标 [15].赋值 (14, 16)<br /> COCO坐标 [16].赋值 (0, 15)<br /> COCO坐标 [17].赋值 (15, 17)<br /> COCO坐标 [18].赋值 (2, 17)<br /> COCO坐标 [19].赋值 (5, 16)

链接：https://pan.baidu.com/s/1VSYkILerRQsoDiIhl-6eTQ
提取码：4ypk
复制这段内容后打开百度网盘手机App，操作更方便哦


QQ 交流群：164579213

cybermoo

爽，还是很爽的，现阶段搞OPenCV只能用C++和Python，C++和Python真不爽啊。楼主掐着个CV.fne库不公布，不地道啊！！！