pose_estimation_avec_opencv
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédenteProchaine révisionLes deux révisions suivantes | ||
detection_d_un_squelette_dans_une_image [2021/03/19 09:19] – [Capture avec RealSense D455, Caffe Model et OpenCV] serge | pose_estimation_avec_opencv [2021/07/05 19:45] – [La documentation] serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
- | ====== | + | ====== |
- | + | <WRAP center round box 80% centeralign> | |
- | <WRAP center round box 60% centeralign> | + | **{{tagpage> |
- | **{{tagpage> | + | |
- | </ | + | |
- | <WRAP center round box 60% centeralign> | + | |
- | **[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]** | + | |
</ | </ | ||
Ligne 13: | Ligne 9: | ||
</ | </ | ||
<WRAP centeralign> | <WRAP centeralign> | ||
- | Une pin-up pour vendre | + | Une pin-up pour promouvoir |
</ | </ | ||
</ | </ | ||
- | **Ce sujet est très actuel, un concours a eu lieu en 2019. Nous allons essayer de trouver, construire un projet qui détecterait un squelette, envoie les datas en OSC pour les visualisent dans Blender, les exploiter dans PureData ou autre ....** | + | =====OpenCV blobFromImage===== |
- | =====Des collections de données, des concours===== | + | ====La documentation==== |
- | ====Principes==== | + | * **[[https:// |
- | * **[[https:// | + | |
- | * **[[https:// | + | |
- | * Réseau de neurones: **[[https://fr.wikipedia.org/ | + | |
- | * Convolution: | + | |
- | ====Des datas==== | + | |
- | * **[[https:// | + | |
- | ====Projets==== | + | ====Exemple==== |
- | ===COCO=== | + | |
- | * [[https://cocodataset.org/#home|Common Object in Context]]. COCO is a large-scale object detection, segmentation, | + | |
- | * [[https://cocodataset.org/# | + | |
- | ===MPII Human Pose=== | + | Il faut télécharger les Model Weights: ce sont des *.caffemodel de GoogLeNet trained network de [[http://caffe.berkeleyvision.org/model_zoo.html|caffe.berkeleyvision.org]] téléchargeable à: [[https:// |
- | | + | |
- | ===Human Pose Evaluator Dataset === | ||
- | * [[https:// | ||
- | |||
- | ====Les normes COCO et MPI==== | ||
- | COCO Output Format Nose – 0, Neck – 1, Right Shoulder – 2, Right Elbow – 3, Right Wrist – 4, Left Shoulder – 5, Left Elbow – 6, Left Wrist – 7, Right Hip – 8, Right Knee – 9, Right Ankle – 10, Left Hip – 11, Left Knee – 12, LAnkle – 13, Right Eye – 14, Left Eye – 15, Right Ear – 16, Left Ear – 17, Background – 18 \\ | ||
- | MPII Output Format Head – 0, Neck – 1, Right Shoulder – 2, Right Elbow – 3, Right Wrist – 4, Left Shoulder – 5, Left Elbow – 6, Left Wrist – 7, Right Hip – 8, Right Knee – 9, Right Ankle – 10, Left Hip – 11, Left Knee – 12, Left Ankle – 13, Chest – 14, Background – 15 | ||
- | |||
- | * [[https:// | ||
- | Les points sont les articulations. Les os sont définis par des couples de points. Facile 8-) | ||
- | <code python> | ||
- | if MODE is " | ||
- | nPoints = 18 | ||
- | POSE_PAIRS = [[1, 0], [1, 2], [1, 5], [2, 3], [3, 4], [5, 6], [6, 7], [1, 8], [8, 9], [9, 10], [1, 11], | ||
- | [11, 12], [12, 13], [0, 14], [0, 15], [14, 16], [15, 17]] | ||
- | elif MODE is " | ||
- | nPoints = 15 | ||
- | POSE_PAIRS = [[0, 1], [1, 2], [2, 3], [3, 4], [1, 5], [5, 6], [6, 7], [1, 14], [14, 8], [8, 9], [9, 10], | ||
- | [14, 11], [11, 12], [12, 13]] | ||
- | </ | ||
- | Cubemos utilise le MODE COCO. | ||
- | |||
- | |||
- | =====OpenCV===== | ||
- | * **[[https:// | ||
- | |||
- | Il faut télécharger les Model Weights: ce sont des *.caffemodel de GoogLeNet trained network from http:// | ||
- | Les models sont trouvable à: https:// | ||
- | puis installer venv et opencv-python, | ||
{{ : | {{ : | ||
- | * [[https:// | ||
- | + | ===== Capture avec RealSense D455 ===== | |
- | ====Capture avec RealSense D455, Caffe Model et OpenCV==== | + | |
* [[https:// | * [[https:// | ||
- | * | + | * [[https://github.com/sergeLabo/ |
- | <WRAP center round todo 60%> | + | |
- | mettre sur github | + | |
- | </WRAP> | + | |
- | + | ||
- | Image provisoire en mode pyjama | + | |
- | {{ :media_14: | + | |
+ | ===Sans GPU, avec CPU=== | ||
Marche bien mais le FPS = 0.7 sur mon portable avec les 4 CPU à fond: normal les **fichiers de poids font 200 Mo**, c'est beaucoup trop m( | Marche bien mais le FPS = 0.7 sur mon portable avec les 4 CPU à fond: normal les **fichiers de poids font 200 Mo**, c'est beaucoup trop m( | ||
- | =====Autres trucs===== | + | ===Avec GPU: GTX 1060=== |
- | ===OpenPose=== | + | * [[installation_de_cuda|]] |
- | | + | |
- | + | | |
- | ===OPT=== | + | La compilation fût laborieuse mais le résultat est bluffant. |
- | * **[[http://openptrack.org/overview-3d-skeleton-tracking-pose-recognition-with-opt/|3D Skeleton Tracking & Pose Recognition with OPT]]** @ openptrack.org A voir pour Pose Recognition | + | |
- | =====Logiciels propriétaires payants===== | + | =====Visualisation dans le Blender Game Engine===== |
- | ===Nuitrack 60 €=== | + | * **[[https://github.com/sergeLabo/ |
- | * [[https:// | + | |
- | ===Cubemos 75 €=== | ||
- | * [[skeleton_tracking_de_cubemos_logiciel_proprietaire|]] | ||
- | {{tag> | + | {{tag> |
pose_estimation_avec_opencv.txt · Dernière modification : 2021/12/14 09:19 de serge