多目標姿態估計
一個openpose的姿態估計算法，這個算法可以檢測人體的18個關節點。
安裝OpenPose
這個是來自卡內基梅隆的開源算法，算法真的很魯棒，不信來看看效果。


openpose這個算法集成Convolutional Pose Machines、Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 和 Hand Keypoint Detection in Single Images 這三篇paper的研究。不得不說，效果的確是好啊。下面給出算法GitHub地址，安裝教程在ReadMe也寫得十分詳細了。

GitHub地址

https://github.com/CMU-Perceptual-Computing-Lab/openpose

好的，大家根據Readme上的教程安裝就好，官方算法是C++的，如果小伙伴還想用python版的就要去安裝PyOpenPose。GitHub地址：https://github.com/FORTH-ModelBasedTracker/PyOpenPose

安裝的教程也有人寫好了：https://blog.csdn.net/xizero00/article/details/77294595

Features
Functionality:
2D real-time
multi-person keypoint detection:
15 or 18 or 25-keypoint body/foot
keypoint estimation. Running time invariant
to number of detected people.
6-keypoint foot
keypoint estimation. Integrated together with the 25-keypoint
body/foot keypoint detector.
2x21-keypoint hand
keypoint estimation. Currently, running time depends on number of detected people.
70-keypoint face
keypoint estimation. Currently, running time depends on number of detected people.
3D real-time
single-person keypoint detection:
3-D triangulation from multiple single views.
Synchronization of Flir cameras handled.
Compatible with Flir/Point Grey cameras, but
provided C++ demos to add your custom input.
Calibration toolbox:
Easy estimation of distortion, intrinsic, and
extrinsic camera parameters.
Single-person tracking for further speed
up or visual smoothing.
Input: Image, video, webcam,
Flir/Point Grey and IP camera. Included C++ demos to add your custom
input.
Output: Basic image + keypoint
display/saving (PNG, JPG, AVI, …), keypoint saving (JSON, XML, YML, …), and/or keypoints as array class.
OS: Ubuntu (14, 16), Windows (8, 10), Mac OSX, Nvidia TX2.
Training and datasets:
OpenPose Training.
Foot dataset website.
Others:
Available: command-line demo, C++ wrapper, and
C++ API.
Python API.
Unity Plugin.
CUDA (Nvidia GPU), OpenCL (AMD GPU), and
CPU-only (no GPU) versions.
模型輸出接口
要想用這個算法，肯定要找到它輸出的接口啊。以PyOpenPose為例，輸出接口可以在這個文件中找到：PyOpenPose/scripts/OpLoop.py。這個是實時檢測的代碼。
使用接口的用例代碼如下：

op = OP.OpenPose((320, 240), (240, 240), (640, 480), “COCO”, OPENPOSE_ROOT + os.sep

• “models” + os.sep, 0, download_heatmaps)

op.detectPose(rgb)

res = op.render(rgb)

上面的是檢測Pose的，還有detectFace、detectHands等等功能，如果加上這些的話，速度可能會有點感人，所以只用detectPose的話還好。
寫游戲界面和邏輯
游戲界面就隨意發揮了，資源網上也很多，有個素材網站叫愛給網，在上面搜索拳皇就會彈出很多相關的資源。
游戲邏輯呢，先要清楚是要根據的動作來觸發游戲中動畫人物的動作，根據關節位置的變化來觸發，比如的手舉過頭頂要觸發某個動作，那么手腕關節的Y坐標一定會比頭頂的Y坐標要小(左上角為0，0坐標)，根據關節點的位置變化也可以推斷出其它動作。
關節點的坐標位置分布圖如下：

所有關節點的信息會以一個張量形式返回，所以只要根據對應下標就能取到對應的坐標。

總結

以上是生活随笔為你收集整理的多目标姿态估计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。