这是一个基于CPN（Cascaded Pyramid Network）和YOLOv8实现的多目标人体姿态识别应用，可以通过视频进行实时的识别人体的十七个关键点。
首先从github上克隆整个项目：
git clone https://github.com/KRK11/AttitudeRecognition.git
接着转到先目录下后安装所需要的包：
pip install requirements.txt
注意：requirements.txt文件中注释掉了有关pytorch的下载，请自行安装pytorch。
快速使用视频实时检测功能：
python run.py --model x --source y
其中x为训练好的模型（可以填入data/my9-3.pth），y为视频地址或者为0（代表摄像头输入）
（注意：在github上由于无法上传超过100M的文件，因此以下目录结构可能会有部分缺失，同时由于模型文件大于100M，因此暂时无法上传模型文件）
- 📂 AttitudeRecognition - 主项目目录
- 📂 cpn - CPN模型相关代码
- 📂 resnet - ResNet模型代码
- 📄 bottle_neck.py - 残差网络的块定义
- 📄 conv.py - 卷积操作定义
- 📄 resnet.py - ResNet模型定义
- 📄 restnet50.pth - ResNet50预训练模型
- 📄 global_net.py - global网络定义
- 📄 network.py - 网络定义
- 📄 refine_net.py - refine网络定义
- 📂 resnet - ResNet模型代码
- 📂 data - 存储训练结果的文件，其中已经预训练完成3个模型
- 📄 my9-3.pth - 模型文件
- 📄 my18-4.pth - 模型文件
- 📄 original7-5.pth - 模型文件
- 📂 data_generate - 数据集生成
- 📄 version1.py - 数据集生成版本1
- 📄 version2.py - 数据集生成版本2
- 📄 version3.py - 数据集生成版本3
- 📄 version4.py - 数据集生成版本4
- 📄 version5.py - 数据集生成版本5
- 📂 image - 图像素材文件夹
- 📂 result_analysis - 结果分析文件夹，保存对结果进行分析的多份代码
- 📄 analysis.py - 可视化分析代码
- 📄 coco_calculate.py - COCO指标计算代码
- 📄 my_calculate.py - 可视化分析代码
- 📄 mytest.py - 生成label文件脚本
- 📂 run - 运行结果保存文件夹
- 📂 my9-3 lim 0.18 - 对应模型阈值为0.18下的视频运行结果
- 📂 my18-4 lim 0.004 - 对应模型阈值为0.004下的视频运行结果
- 📹 merge.mp4 - 已经完成的一个有趣的视频结果
- 📂 test - 测试相关
- 📂 DataSet - 多轮训练后的数据相关
- 📂 mAP0.6-5 - mAP为0.605的result.json文件
- 📂 utils - 工具函数
- 📄 image_utils.py - 图像处理工具
- 📄 model_utils.py - 模型处理工具
- 📄 os.utils.py - 系统操作工具
- 📂 venv - 虚拟环境，其中已经安装了部分包
- 📂 video - 视频素材文件夹
- 📄 arguments.py - 训练，预测，运行等控制台参数解析文件
- 📄 dataset.py - 数据加载文件
- 📄 main.py - 各类冗杂代码，为编写过程中测试各个函数功能的草稿
- 📄 predict.py - 预测脚本
- 📄 requirements.txt - 依赖文件
- 📄 run.pt - 运行文件
- 📄 test.py - 测试脚本
- 📂 cpn - CPN模型相关代码
可根据以下命令行获取对应的控制台命令。
python train.py --help
python test.py --help
python predict.py --help
python run.py --help
标准文件格式或者数据集格式可以在dataset中进行修改，也可以通过data_generate下的不同版本生成对应数据集，但是格式均是一致的。等有时间再完善下面部分。