/MPPE

人体、面部、手部关键点识别,动作识别

Primary LanguagePython

基于Intel Chainer 和姿势检测的动作识别

环境要求

  • Python 3.0+
  • Intel Chainer
  • NumPy
  • Six
  • Swig
  • Matplotlib
  • OpenCV
  • COCO API

目录结构

  • ActionRecognition

    • Actions
  • data

    • KTH
    • dpt
    • jabbing
  • datasets

    • coco
    • KTH
    • UCF101
  • img

  • PosturalRecognition

    • models
    • test
    • train
  • result

安装 COCO API

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI/
make
python setup.py install
cd ../../

如果在windows系统上安装,必须将VS中的VC++添加到系统PATH,否则会出现找不到相应文件

获取COCO数据集

mkdir datasets
cd datasets

mkdir coco
cd coco

wget http://images.cocodataset.org/zips/train2017.zip
wget http://images.cocodataset.org/zips/val2017.zip
wget http://images.cocodataset.org/annotations/annotations_trainval2017.zip

unzip train2017.zip
unzip val2017.zip
unzip annotations_trainval2017.zip

rm -f train2017.zip
rm -f val2017.zip
rm -f annotations_trainval2017.zip

在Intel devcloud 上应该检查解压完全完成后才可以删除压缩包

若需要训练,必须先做数据预处理,在预处理之后执行文件即可

python3 train_coco_pose_estimation.py

测试

python PosturalRecognition/test/get_person_pose_array.py

若要测试自己的图片,应当修改main,若需要绘制其他效果可以取消部分注释的代码

 

动作识别

训练

python ActionRecognition/train_action_from_pose.py

测试

通过get_person_pose_array获取信息,然后运行

python ActionRecognition/test_action_from_pose.py

其中,person02_boxing_d2_uncompperson05_walking_d1_uncomp 需要预先通过 PosturalRecognition/test/VideoCapture.py 进行预处理

最后输出动作发生的概率