社区首页 >专栏 >MMSkeleton 快速开始，使用 WebCam 测试

MMSkeleton 快速开始，使用 WebCam 测试

GoCoding

发布于 2021-05-06 06:40:21

1.3K00

代码可运行

文章被收录于专栏：GoCodingGoCoding

运行总次数：0

代码可运行

本文将引导快速使用 MMSkeleton ，介绍用摄像头测试实时姿态估计。

MMSkeleton: https://github.com/open-mmlab/mmskeleton

安装

首先安装 MMDetection ，可见 MMDetection 使用。

然后安装 MMSkeleton ，

# 启用 Python 虚拟环境
conda activate open-mmlab

# 下载 MMSkeleton
git clone https://github.com/open-mmlab/mmskeleton.git
cd mmskeleton

# 安装 MMSkeleton
python setup.py develop

# 安装 nms op for person estimation
cd mmskeleton/ops/nms/
python setup_linux.py develop
cd ../../../

现有模型，视频测试

配置

configs/pose_estimation/pose_demo.yaml:

processor_cfg:
  video_file: resource/data_example/ta_chi.mp4
  detection_cfg:
    model_cfg: ../mmdetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py
    checkpoint_file: ../mmdetection/checkpoints/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb.pth
    bbox_thre: 0.8

选用的检测模型，如下：

Cascade R-CNN, R-50-FPN, 1x
- config: https://github.com/open-mmlab/mmdetection/tree/master/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py
- model: http://download.openmmlab.com/mmdetection/v2.0/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb.pth

运行

# verify that mmskeleton and mmdetection installed correctly
# python mmskl.py pose_demo [--gpus $GPUS]
python mmskl.py pose_demo --gpus 1

结果将会存到 work_dir/pose_demo/ta_chi.mp4。

现有模型，WebCam 测试

配置

configs/apis/pose_estimator.cascade_rcnn+hrnet.yaml:

detection_cfg:
  model_cfg: mmdetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py
  checkpoint_file: mmdetection/checkpoints/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb.pth
  bbox_thre: 0.8
estimation_cfg:
  model_cfg: mmskeleton/configs/pose_estimation/hrnet/pose_hrnet_w32_256x192_test.yaml
  checkpoint_file: mmskeleton://pose_estimation/pose_hrnet_w32_256x192
  data_cfg:
    image_size:
      - 192
      - 256
    pixel_std: 200
    image_mean:
      - 0.485
      - 0.456
      - 0.406
    image_std:
      - 0.229
      - 0.224
      - 0.225
    post_process: true

确认 detection_cfg estimation_cfg 的路径正确。

写码

编写 webcam.py，主要代码如下：

webcam.py: https://github.com/ikuokuo/start-deep-learning/blob/master/research/MMSkeleton/webcam.py

def main():
  args = parse_args()

  win_name = args.win_name
  cv.namedWindow(win_name, cv.WINDOW_NORMAL)

  with Camera(args.cam_idx, args.cam_width, args.cam_height, args.cam_fps) as cam:
    cfg = mmcv.Config.fromfile(args.cfg_file)
    detection_cfg = cfg["detection_cfg"]

    print("Loading model ...")
    model = init_pose_estimator(**cfg, device=0)
    print("Loading model done")

    for frame in cam.reads():
      res = inference_pose_estimator(model, frame)

      res_image = pose_demo.render(
          frame, res["joint_preds"], res["person_bbox"],
          detection_cfg.bbox_thre)

      cv.imshow(win_name, res_image)

      key = cv.waitKey(1) & 0xFF
      if key == 27 or key == ord("q"):
        break

  cv.destroyAllWindows()

运行

$ python webcam.py \
--cam_idx 2 --cam_width 640 --cam_height 480 --cam_fps 10 \
--cfg_file configs/apis/pose_estimator.cascade_rcnn+hrnet.yaml
Args
  win_name: webcam
  cam_idx: 2
  cam_width: 640
  cam_height: 480
  cam_fps: 10
  cfg_file: configs/apis/pose_estimator.cascade_rcnn+hrnet.yaml
CAM: 640.0x480.0 10.0
Loading model ...
Loading model done

效果，

摄像头参数，可见该文文末的 WebCam 摄像头使用。

Awesome Human Pose Estimation https://github.com/wangzheallen/awesome-human-pose-estimation
Awesome Skeleton based Action Recognition https://github.com/niais/Awesome-Skeleton-based-Action-Recognition

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2021-01-19，如有侵权请联系 cloudcommunity@tencent.com 删除

github