多人姿态关键点检测:OpenPose的飞桨复现
来源:http://www.tudoupe.com时间:2022-01-14
【论文复现】多人姿态关键点检测:OpenPose的飞桨复现
0. 导入
跳舞的火柴人



1. 项目简介
该项目给出了Paddle版本的OpenPose实现及其简单应用,该项目主要参照
pytorch-openpose
,在AI Studio平台上利用Paddle修改并重写了代码,并且完成了模型参数的转化工作。
该项目的内容总结如下:
- 给出了Paddle框架实现的多人姿态关键点提取的网络代码实现,
- 给出了针对15、18、25人体姿态关键点提取模型参数以及人脸部70个关键节点和手部21个关键节点的模型及其参数,
- 给出了使用改代码的实例并对结果做出了可视化展示。
2. OpenPose概述
OpenPose是第一个实时从单张RGB图片提取多人体骨骼框架的系统,该代码库的作者是Ginés Hidalgo,Zhe Cao,Tomas Simon,Shih-En Wei,Yaadhav Raaj,Hanbyul Joo,andYaser Sheikh 。官方代码地址 Openpose 。Openpose内置了提取人体姿态15、18、25个关键点和人脸部70个关键点、手部21个关键节点的解决方案。下面将以人的姿态关键点为例展开介绍,脸部和手部的关键点类似。
网络结构是一个全卷积的结构,该网络的设计思路在于使用步长大于1的卷积层扩大感受野,使网络能够对人体其他部位有整体的认知,最后的网络输出是包含人体关键节点的热力图,每张热力图表示人的单个节点的位置,网络结构图如下所示。(图片来源:
Convolutional Pose Machines
)

在文章
Convolutional Pose Machines
中,网络只能提取单人的pose,为了使它能够泛化到多人姿态的估计,后续的文章
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
提出了人体关键节点关联场(PAF:Part Affinity Fields)的概念,使用PAF关联同一个人的节点,该文章也给出了关联节点后处理步骤的算法。下图给出了PAF的示意图。(图片来源:
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
)

这里只给出了十分简洁的介绍,有兴趣的读者可以到原文中查看细节。推荐阅读顺序
- Convolutional Pose Machines
- Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
- OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
3. 代码结构
- /home/aistudio/openpose: 主要代码目录
- /home/aistudio/openpose/models: 模型代码
- /home/aistudio/openpose/postprocess: 后处理代码
- /home/aistudio/openpose/detectors: 主提取关键点类及其方法
- /home/aistudio/openpose/images: 演示实例图片
- /home/aistudio/data/data66164: 内置的模型参数文件
4. 如何使用
4.1 下载依赖包
4.2 创建网络,加载参数,读入数据
4.3 可视化展示结果
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4UpAOioH-1642136142773)(output_19_2.png)]](/dataimg/allimg/20220114/d8764d1137e55acb5e7eb55c5ed9d9f1.png)
4.4 其他模型
- 检测人体25个关键节点
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VKLQXNsW-1642136142773)(output_23_1.png)]](/dataimg/allimg/20220114/f8156ab7a4e789afb6759a3bc2ab38e9.png)
- 检测手部关键节点
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FSwpwoOo-1642136142773)(output_26_1.png)]](/dataimg/allimg/20220114/26a0063269546a4352746c507918d4d1.png)
- 检测脸部关键节点
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Y8n3Rz8D-1642136142774)(output_29_1.png)]](/dataimg/allimg/20220114/225325998333473bc41c09a208d1f6c0.png)
4.5 可视化展示PAF
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jYMYSqeY-1642136142774)(output_32_1.png)]](/dataimg/allimg/20220114/804920c666d431ec0bde9777ac1f4bf8.png)
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2ybgtm7P-1642136142774)(output_33_0.png)]](/dataimg/allimg/20220114/69c7b8bb4d98b1b41220721fe53f98ab.png)
About this code
Several pose estimation model written in Paddle (No code for training). This code is heavily copied from pytorch-openpose .
Original project: Openpose
Paper: OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
If this work is useful for you, please cite
@article{8765346,
author = {Z. {Cao} and G. {Hidalgo Martinez} and T. {Simon} and S. {Wei} and Y. A. {Sheikh}},
journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence},
title = {OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields},
year = {2019}
}
@inproceedings{simon2017hand,
author = {Tomas Simon and Hanbyul Joo and Iain Matthews and Yaser Sheikh},
booktitle = {CVPR},
title = {Hand Keypoint Detection in Single Images using Multiview Bootstrapping},
year = {2017}
}
@inproceedings{cao2017realtime,
author = {Zhe Cao and Tomas Simon and Shih-En Wei and Yaser Sheikh},
booktitle = {CVPR},
title = {Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields},
year = {2017}
}
@inproceedings{wei2016cpm,
author = {Shih-En Wei and Varun Ramakrishna and Takeo Kanade and Yaser Sheikh},
booktitle = {CVPR},
title = {Convolutional pose machines},
year = {2016}
}
上一篇:大白菜安装win10专业版系统
下一篇:大白菜u盘pe重装教程
相关新闻
- 2022-01-28 S32DS——PE调试器使用
- 2022-01-28 华硕M2N-MX SE主板如何进入bios设置
- 2022-01-28 华硕B85-A主板如何是通过bios设置u盘
- 2022-01-27 ltraISO 生成u盘启动盘后处理事项
- 2022-01-27 华硕P5QL-CM主板如何通过bios设置u盘
- 2022-01-27 微pe怎么安装原版win11 微pe安装原版
- 2022-01-26 win10 esd系统怎么用pe安装
- 2022-01-26 电脑系统装机教程图解(电脑装机
- 2022-01-25 非mbr怎么激活
- 2022-01-25 eprime安装教程
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
