本帖最后由 z13228604287 于 2021-10-8 21:09 编辑
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 | 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)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 | | | 有效对数 | | | | 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 () 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, “”) 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 )循环判断首 ()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 循环判断尾 (i < 18 )视觉_显示图像 (“小白鼠”, 图片.指针 )视觉_等待按键 (0 )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 ()
|