AI(Openpose)로 타격 형식 분석
개시하다
나는 몇 개이미지에서의 인물 검출와 이미지에서 자세, 뼈 검사 추측를 시험해 보았는데, 차이가 별로 없어서 실제 데이터로 분석해야 한다.
그러자 2018년 5월께 중학생의 타격 자세를 분석하기 시작했다.
컨디션
창 분석
분석 대상
연습을 방해하고 측면에서 공을 던지는 모습을 촬영했다(각 선수는 1분 정도)
분석 결과
선수의 영상을 사용할 수 없기 때문에 다음 설명은 데이터로 자신(야구 문외한)의 타격 이미지와 데이터...(못생겼지만 용서해 주세요.)
OpenPose의 뼈 추정 결과
수치 분석 결과
타구의 시작, 끝 전의 눈, 어깨, 허리, 무릎, 발목 위치의 변화를 그리다
위치의 변화에 따라
고찰하다.
수치 분석 결과에서 다음과 같은 내용을 볼 수 있다.
분석 방법
① 애니메이션 → 이미지 → ② 골격검측 → ③ 분석 → ④ 애니메이션으로 돌아가 상당히 빙빙 돌았다.
영상에서 실시간 형식으로 해석되지 않았습니다.(GPU 환경이 없기 때문에...)
1. 비디오를 이미지로 분할(OpenCV)
2. 한 이미지 한 이미지 한 이미지 분할된 이미지에 대해 골격 검사 & 좌표의 CSV 출력(DeNA/Chainer_Realtime_Multi-Person_Pose_Estimation
3. 좌표 CSV 읽기, 결과 그리기(Pandas)
4. 해석 결과의 이미지를 애니메이션으로 변환(OpenShot)
※ 50초짜리 영상 약 1천500장(스마트폰 카메라는 30FPS인 것 같다)윈도우즈 단말기에서 약 1500장의 이미지를 골격으로 검사하는 데 6시간, Colaboratory는 4시간이 걸렸다.
(밤에 자기 전에 열심히 훈련하고 아침에 출근하기 전에 또 열심히 훈련한 다음에 천천히 뼈를 검출한다...GPU면 빠르지 않을까(원시...)
얻은 물건
데이터 절구의 중요성을 보다
데이터 절구의 중요성을 보다
판단 기준의 중요성
만약 숫자를 판단하는 어떤 기준이 없다면 해석 결과는 하나의 결과에 불과하고 활용할 수 없을 것이다...
소통의 중요성
덤
앞으로 하고 싶은 거.
마지막으로,,,, 전문가, 당신의 데이터를 기다리고 있습니다(웃음)
2018/7/23 추기
약 1500장의 이미지의 골격 검사
Reference
이 문제에 관하여(AI(Openpose)로 타격 형식 분석), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/nanako_ut/items/1a9ce5d4eca672b38d2d텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)