Mediapipe를 사용한 맞춤형 인간 포즈 분류

OpenCV의 도움으로 Mediapipe를 사용하여 사용자 지정 포즈 분류 만들기
GitHub: CustomPose-Classification-Mediapipe

샘플 출력


동영상




영상




데모



Yoga Pose Dataset을 사용하여 사용자 정의 인간 포즈 분류를 생성하겠습니다.

1. 리포지토리 복제:



git clone https://github.com/naseemap47/CustomPose-Classification-Mediapipe.git
cd CustomPose-Classification-Mediapipe

종속성 설치



pip3 install -r requirements.txt

데이터세트 다운로드:



wget -O yoga_poses.zip http://download.tensorflow.org/data/pose_classification/yoga_poses.zip

데이터세트 정보:


  • 5개의 클래스: 의자, 코브라, 개, 나무 및 전사
  • 훈련 및 테스트 데이터 포함
  • 학습 및 테스트 데이터 결합

  • ├── Dataset
    │   ├── Chair
    │   │   ├── 1.jpg
    │   │   ├── 2.jpg
    │   │   ├── ...
    │   ├── Cobra
    │   │   ├── 1.jpg
    │   │   ├── 2.jpg
    │   │   ├── ...
    .   .
    .   .
    

    2. 클래스별 Landmark Dataset 생성


  • -i , --dataset __ 데이터 세트 경로
  • -o , --save __ CSV 파일을 저장할 경로

  • python3 poseLandmark_csv.py -i data/ -o data.csv
    

    CSV 파일은 에 저장됩니다.

    3. 인간 포즈를 예측하기 위한 딥러닝 모델 생성


  • -i , --dataset __ CSV 데이터 경로
  • -o , --save __ model.h5 파일을 저장할 경로

  • python3 poseModel.py -i data.csv -o model.h5
    

    모델은 에 저장되고 모델 지표는 metrics.png에 저장됩니다.

    4. 추론



    테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시
  • -m , --model __ 저장된 모델 경로.h5
  • -c , --conf __ 포즈 클래스를 감지하기 위한 최소 예측 conf (0
  • -i , --source __ 이미지 또는 비디오의 경로, 웹캠 사용 Zero(0)
  • --save __ 이미지(ImageOutput Dir) 또는 비디오("output.avi")를 저장합니다.

  • # Image
    python3 inference.py --model model.h5 --conf 0.75 --source data/test/image.jpg
    # Video
    python3 inference.py --model model.h5 --conf 0.75 --source data/test/video.mp4
    # web-cam
    python3 inference.py --model model.h5 --conf 0.75 --source 0
    ###### to save ######
    # Image
    python3 inference.py --model model.h5 --conf 0.75 --source data/test/image.jpg --save
    # Video
    python3 inference.py --model model.h5 --conf 0.75 --source data/test/video.mp4 --save
    # web-cam
    python3 inference.py --model model.h5 --conf 0.75 --source 0 --save
    

    창을 종료하려면 — Q 키를 누르십시오.

    커스텀 포즈 분류


    이 저장소 복제:



    git clone https://github.com/naseemap47/CustomPose-Classification-Mediapipe.git
    cd CustomPose-Classification-Mediapipe
    git checkout custom
    

    1. 커스텀 포즈 데이터셋 가져오기



    예시:

    ├── Dataset
    │   ├── Pose_1
    │   │   ├── 1.jpg
    │   │   ├── 2.jpg
    │   │   ├── ...
    │   ├── Pose_2
    │   │   ├── 1.jpg
    │   │   ├── 2.jpg
    │   │   ├── ...
    .   .
    .   .
    


    2. 클래스별 Landmark Dataset 생성


  • -i , --dataset __ 데이터 세트 경로
  • -o , --save __ CSV 파일을 저장할 경로

  • python3 poseLandmark_csv.py -i <path_to_data_dir> -o <path_to_save_csv>
    


    CSV 파일은 에 저장됩니다.

    3. 인간 포즈를 예측하기 위한 딥러닝 모델 생성


  • -i , --dataset __ CSV 데이터 경로
  • -o , --save __ model.h5 파일을 저장할 경로

  • python3 poseModel.py -i <path_to_save_csv> -o <path_to_save_model>
    


    모델은 에 저장되고 모델 지표는 metrics.png에 저장됩니다.

    4. 추론



    inference.py 열기
    43행 변경: 클래스 이름에 따라 클래스 순서를 작성하십시오.

    테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시
  • -m , --model __ 저장된 모델 경로.h5
  • -c , --conf __ 포즈 클래스를 감지하기 위한 최소 예측 conf (0
  • -i , --source __ 이미지 또는 비디오의 경로, 웹캠 사용 Zero(0)
  • --save __ 이미지(ImageOutput Dir) 또는 비디오("output.avi")를 저장합니다.

  • python3 inference.py --model <path_to_model> --conf <model_prediction_confidence> --source <image or video or web-cam>
    # to save
    python3 inference.py --model <path_to_model> --conf <model_prediction_confidence> --source <image or video or web-cam> --save
    


    테스트 이미지, 비디오 또는 웹캠에 예상 포즈 클래스 표시

    창을 종료하려면 — Q 키를 누르십시오.

    감사합니다…

    좋은 웹페이지 즐겨찾기