pose_estimation_avec_opencv
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédenteDernière révisionLes deux révisions suivantes | ||
detection_d_un_squelette_dans_une_image [2021/03/22 07:32] – [Les normes COCO et MPI] serge | pose_estimation_avec_opencv [2021/07/10 09:13] – [Pose Estimation avec OpenCV] serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
- | ====== Pose Estimation | + | ====== Pose Estimation |
- | + | <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 |
</ | </ | ||
</ | </ | ||
+ | {{ : | ||
+ | =====OpenCV blobFromImage===== | ||
+ | ====La documentation==== | ||
+ | * **[[https:// | ||
- | **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 ....** | + | ====Exemple==== |
- | =====Des collections de données, des concours===== | + | * **[[https:// |
- | ====Principes==== | + | |
- | * **[[https:// | + | |
- | | + | |
- | * Réseau de neurones: **[[https://fr.wikipedia.org/wiki/R%C3%A9seau_de_neurones_r%C3%A9currents|RNN]]** @fr.wikipedia.org | + | |
- | * Convolution: | + | |
- | ====Des datas==== | + | |
- | * **[[https:// | + | |
- | ====Projets==== | + | 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://www.kaggle.com/ |
- | ===COCO=== | + | |
- | | + | |
- | * [[https://cocodataset.org/#keypoints-2019|COCO 2019 Keypoint Detection Task]] **Le concours de détection de squelette** Je n'ai pas trouvé le gagnant :?: | + | |
- | ===MPII Human Pose=== | ||
- | * [[http:// | ||
- | |||
- | ===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]] | ||
- | </ | ||
- | |||
- | <WRAP group> | ||
- | <WRAP half column> | ||
- | {{: | ||
- | Un squelette de kinect. | ||
- | </ | ||
- | <WRAP half column> | ||
- | {{: | ||
- | Un squelette COCO. | ||
- | </ | ||
- | </ | ||
- | |||
- | |||
- | =====OpenCV blobFromImage===== | ||
- | * **[[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, Caffe Model et OpenCV==== | + | ===== Capture avec RealSense D455 ===== |
* [[https:// | * [[https:// | ||
- | * [[https:// | + | * [[https:// |
===Sans GPU, avec CPU=== | ===Sans GPU, avec CPU=== | ||
Ligne 90: | Ligne 37: | ||
La compilation fût laborieuse mais le résultat est bluffant. | La compilation fût laborieuse mais le résultat est bluffant. | ||
- | =====Autres trucs===== | + | =====Visualisation dans le Blender Game Engine===== |
- | ===OpenPose=== | + | * **[[https:// |
- | * **[[https:// | + | * **[[https://github.com/sergeLabo/ |
- | + | ||
- | ===OPT=== | + | |
- | * **[[http://openptrack.org/overview-3d-skeleton-tracking-pose-recognition-with-opt/ | + | |
- | * | + | |
- | =====Logiciels propriétaires payants===== | + | |
- | ===Nuitrack 60 €=== | + | |
- | * [[https://github.com/3DiVi/ | + | |
- | ===Cubemos 75 €=== | ||
- | * [[skeleton_tracking_de_cubemos_logiciel_proprietaire|]] | ||
- | {{tag> | + | {{tag> |
pose_estimation_avec_opencv.txt · Dernière modification : 2021/12/14 09:19 de serge