• blobFromImage() à docs.opencv.org

• Deep Learning based Human Pose Estimation using OpenCV @ learnopencv.com et le OpenPose @ github.com/spmallick L'article et le code python pour tester.

Il faut télécharger les Model Weights: ce sont des *.caffemodel de GoogLeNet trained network de caffe.berkeleyvision.org
Les models sont trouvable à: kaggle.com model_zoo puis installer venv et opencv-python, tester avec le script OpenPoseImage.py: ça marche très bien mais le calcul demande 1,2 seconde sur mon PC sans GPU ! Le résultat est l'image en début d'article.

• Deep learning: How OpenCV’s blobFromImage works Explications détaillées de la théorie et de l'utilisation de OpenCV blobFromImage.

• Installation de RealSense D455
• rs-opencv les sources sur GitHub. premier essai avec realsense_detect_skeleton.py

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

• installation_de_cuda
• image = 368*368 FPS = 7
• image = 184*184 FPS = 15

La compilation fût laborieuse mais le résultat est bluffant.

• skeleton-rs @ github.com/sergeLabo Détection de squelette avec capteur RealSense pour visualisation dans le Blender Game Engine
• skeleton-blender @ github.com/sergeLabo Visualisation dans le Blender Game Engine de la Détection de squelette avec capteur RealSense et OpenCV

Capture du personnage et envoi du skeleton en OSC avec NImate de Delicode, logiciel propriétaire, utilisation possible sans Licence mais avec des limitations (un seul squellette …)

Réception des messages osc avec oscpy dans Blender BGE 2.79b

animation_delicode_ni_mate_tools_279.py