2D Pose人體關鍵點實時檢測(Python/Android /C++ Demo)

目錄

2D Pose人體關鍵點實時檢測(Python/Android /C++ Demo)

1.人體關鍵點數據集

（1）COCO數據集

（2）MPII數據集

（3）關鍵點示意圖

2.人體關鍵點Demo（Python版本）

3.人體關鍵點Demo（C++版本）

4.人體關鍵點Demo（Android版本）

5.人體關鍵點檢測效果

6.人體關鍵點檢測訓練代碼

7.博客推薦：人臉檢測+人體檢測C++ Android實現

---

人體關鍵點檢測（Human Keypoints Detection）又稱為人體姿態估計2D Pose，是計算機視覺中一個相對基礎的任務，是人體動作識別、行為分析、人機交互等的前置任務。一般情況下可以將人體關鍵點檢測細分為單人/多人關鍵點檢測、2D/3D關鍵點檢測，同時有算法在完成關鍵點檢測之后還會進行關鍵點的跟蹤，也被稱為人體姿態跟蹤。

本博客提供2D Pose的Python代碼，以及C++版本的推理代碼，還提供Android Demo APP，已經集成了輕量化版本的人體檢測模型和人體姿態估計模型，在普通手機可實時檢測。

來，先看個Android Demo的效果圖：

?2D Pose人體關鍵點檢測整套Android源碼：2D Pose人體關鍵點實時檢測Android源碼，?整套項目源碼，主要內容包含有：??

（1）2D?Pose人體關鍵點檢測Android Demo整套源碼，可以直接在本地Android studio構建

（2）已經集成了輕量化版本的人體檢測模型和2D?Pose人體關鍵點檢測模型，在普通手機可實時檢測（CPU多線程約70ms, GPU約50ms）

（3）核心算法均采用C++實現，有效提高性能，開發者可輕松進行二次開發

（4）Android Demo支持多線程CPU處理，以及GPU(OpenCL)加速,可支持多人人體關鍵點檢測

（5）人體關鍵點檢測APP demo免費體驗：Android人體檢測和人體關鍵點檢測APPDemo安裝包-Android文檔類資源-CSDN下載，或者鏈接: https://pan.baidu.com/s/1ywiBsJMZlIZoLAu0UZAOFg 提取碼: bunc?

本篇博客不含訓練代碼，若有需要請詳看這篇博客《https://panjinquan.blog.csdn.net/article/details/125502259》

Repo推薦：

個人repo(Python版):?https://github.com/PanJinquan/Human-Keypoints-Detection

個人repo(C++版):https://github.com/PanJinquan/Human-Pose-Estimation-Lite-cpp

??Android Demo,支持CPU多線程和GPU加速，可實時檢測(這是APP Demo APP）Android人體檢測和人體關鍵點檢測APPDemo安裝包-Android文檔類資源-CSDN下載

2D Pose人體關鍵點檢測整套Android源碼：2D Pose人體關鍵點實時檢測Android源碼

《Simple Baselines for Human Pose Estimation and Tracking》https://github.com/Microsoft/human-pose-estimation.pytorch

《Deep High-Resolution Representation Learning for Human Pose Estimation》https://github.com/leoxiaobin/deep-high-resolution-net.pytorch

---

1.人體關鍵點數據集

（1）COCO數據集

下載地址：http://cocodataset.org/

COCO人體關鍵點標注，最多標注全身的17個關鍵點，平均一幅圖像2個人，最多有13個人；

人體關鍵點標注，每個人體關鍵點個數的分布情況，其中11-15這個范圍的人體是最多的，有接近70000人，6-10其次，超過40000人，后面依次為16-17,2-5,1.

（2）MPII數據集

下載地址：http://human-pose.mpi-inf.mpg.de/#download

?人體關鍵點標注了全身16個關鍵點及其是否可見的信息，人數：train有28821，test有11701，有409種人類活動；使用mat的struct格式；行人框使用center和scale標注，人體尺度關于200像素高度。也就是除過了200

（3）關鍵點示意圖

數據集	關鍵點示意圖? ? ? ? ??	關鍵點說明
COCO		# 圖像左右翻轉時，成對的關鍵點（訓練時用于數據增強） flip_pairs=[[1, 2], [3, 4], [5, 6], [7, 8],[9, 10], [11, 12], [13, 14], [15, 16]] # 關鍵點連接線序號（用于繪制圖像） skeleton =[[15, 13], [13, 11], [16, 14], [14, 12], [11, 12], [5, 11], [6, 12], [5, 6], [5, 7], [6, 8], [7, 9], [8, 10], [0, 1], [0, 2], [1, 3], [2, 4]] # 每個關鍵點序號對應人體關鍵點的意義 "keypoints": { 0: "nose", 1: "left_eye", 2: "right_eye", 3: "left_ear", 4: "right_ear", 5: "left_shoulder", 6: "right_shoulder", 7: "left_elbow", 8: "right_elbow", 9: "left_wrist", 10: "right_wrist", 11: "left_hip", 12: "right_hip", 13: "left_knee", 14: "right_knee", 15: "left_ankle", 16: "right_ankle" }
MPII		# 圖像左右翻轉時，成對的關鍵點（訓練時用于數據增強） flip_pairs = [[0, 5], [1, 4], [2, 3], [10, 15], [11, 14], [12, 13]] # 關鍵點連接線序號（用于繪制圖像） skeleton=[[0, 1], [1, 2], [3, 4], [4, 5], [2, 6], [6, 3], [12, 11], [7, 12], [11, 10], [13, 14], [14, 15], [8, 9], [8, 7], [6, 7], [7, 13]] # 每個關鍵點序號對應人體關鍵點的意義 "keypoints": {0: "r_ankle", 1: "r_knee", 2: "r_hip", 3: "l_hip", 4: "l_knee", 5: "l_ankle", 6: "pelvis", 7: "thorax", 8: "upper_neck", 9: "head_top", 10: " r_wrist", 11: "r_elbow", 12: "r_shoulder", 13: "l_shoulder", 14: "l_elbow", 15: "l_wrist" }
human3.6M
kinect		JointType_SpineBase = 0 # 脊柱底 JointType_SpineMid = 1 # 脊柱中間 JointType_Neck = 2 # 脖子 JointType_Head = 3 # 額頭 JointType_ShoulderLeft = 4 JointType_ElbowLeft = 5 JointType_WristLeft = 6 JointType_HandLeft = 7 JointType_ShoulderRight = 8 JointType_ElbowRight = 9 JointType_WristRight = 10 JointType_HandRight = 11 JointType_HipLeft = 12 JointType_KneeLeft = 13 JointType_AnkleLeft = 14 JointType_FootLeft = 15 JointType_HipRight = 16 JointType_KneeRight = 17 JointType_AnkleRight = 18 JointType_FootRight = 19 JointType_SpineShoulder = 20 JointType_HandTipLeft = 21 JointType_ThumbLeft = 22 JointType_HandTipRight = 23 JointType_ThumbRight = 24 JointType_Count = 25

2.人體關鍵點Demo（Python版本）

git clone https://github.com/PanJinquan/Human-Keypoints-Detection

目前僅僅提供推理代碼，相關訓練代碼和數據，可以跟博主交流一起學習，可以支持自定義人體關鍵點進行訓練。

人體關鍵點和手部關鍵點原理差不多的，只要有相關數據即可訓練模型。

運行demo：

python demo.py

3.人體關鍵點Demo（C++版本）

git clone?https://github.com/PanJinquan/Human-Pose-Estimation-Lite-cpp

運行demo：?

bash build.sh

這是輕量化版本的人體姿態估計(2D Pose)C++推理代碼，推理框架使用TNN

• 輕量化模型是基于MobileNet V2的改進版本
• 使用COCO的數據集進行訓練，也可以支持MPII數據
• 支持OpenCL模型推理加速，在普通手機可實時檢測
• 該倉庫并未集成人體檢測模型，Pose檢測輸入是原圖，使用人體檢測框并進行裁剪，Pose檢測效果會更好
• 關于輕量化版本的人體檢測檢測模型，可參考Object-Detection-Lite-cpp
• 注意：純C++版本速度比較慢，需要配置OpenCL方可實時檢測
• 僅用于學習交流，并未進行過多的性能優化
• 模型訓練代碼暫時未提供

4.人體關鍵點Demo（Android版本）

?2D Pose人體關鍵點檢測整套Android源碼：???????2D Pose人體關鍵點實時檢測Android源碼，?整套項目源碼，主要內容包含有：?

（1）2D?Pose人體關鍵點檢測Android Demo整套源碼，可以直接在本地Android studio構建

（2）已經集成了輕量化版本的人體檢測模型和2D?Pose人體關鍵點檢測模型，在普通手機可實時檢測（CPU多線程約70ms, GPU約50ms）

（3）核心算法均采用C++實現，有效提高算法性能，開發者可輕松進行二次開發

（4）Android Demo支持多線程CPU處理，以及GPU(OpenCL)加速,可支持多人人體關鍵點檢測

（5）人體關鍵點檢測APP demo免費體驗：Android人體檢測和人體關鍵點檢測APPDemo安裝包-Android文檔類資源-CSDN下載，或者鏈接: https://pan.baidu.com/s/1ywiBsJMZlIZoLAu0UZAOFg 提取碼: bunc?

Android Demo?CPU:70ms,GPU:50ms

• 運行APP閃退：dlopen failed: library "libomp.so" not found

參考解決方法：解決dlopen failed: library “libomp.so“ not found_PKing666666的博客-CSDN博客_dlopen failed

---

5.人體關鍵點檢測效果

6.人體關鍵點檢測訓練代碼

人體姿態估計(人體關鍵點檢測)2D Pose訓練代碼和Android源碼_PKing666666的博客-CSDN博客目錄目錄人體姿態估計(人體關鍵點檢測)2D Pose訓練代碼和Android源碼1.人體姿態估計2D Pose方法2.人體姿態估計數據集（1）COCO數據集（2）MPII數據集（3）關鍵點示意圖（ID序號）3.人體(行人)檢測4.人體姿態估計訓練Pipeline（1）Environment（2）數據準備：COCO和MPII數據集（3）模型訓練（4） 測試Demo（5） 檢測效果展示5.人體姿態估計模型Android部署（1） 將Pytorch模型轉換ONNX模型（2） 將ONNX模型轉換為TNN模型（3）https://blog.csdn.net/guyuealian/article/details/125502259?spm=1001.2014.3001.5501

7.博客推薦：人臉檢測+人體檢測C++ Android實現

人臉檢測+人體檢測C++ Android實現，可參考另一篇博客：

人臉檢測+人體檢測C++ Android實現_pan_jinquan的博客-CSDN博客人臉檢測+人體檢測C++ Android實現本博客將實現C++版本的人臉檢測，人臉關鍵點檢測，人體檢測，人臉+人體檢測，推理框架采用TNN，在普通Android手機，CPU和GPU都可以達到實時檢測的效果人臉檢測+人臉關鍵點檢測+人體檢測Android Demo APP(非源碼，僅供學習交流)鏈接: https://pan.baidu.com/s/1By43I1DbMa0gBPLObtPZMQ 提取碼: msnr尊重原創，轉載請注明出處：https://panjinquan.blog..https://panjinquan.blog.csdn.net/article/details/120688804

總結

以上是生活随笔為你收集整理的2D Pose人体关键点实时检测(Python/Android /C++ Demo)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。