video_test.py
#!/usr/bin/python # -*- coding:utf-8 -*- # ------------------------------------------------- # # 作者 赵泽荣 # 时间 2021年9月26日 农历八月二十 # 个人站点 1.https://zhao302014.github.io/ # 2.https://blog.csdn.net/IT_charge/ # 个人GitHub地址 https://github.com/zhao302014 # ------------------------------------------------- # import cv2 import numpy as np from utils.utils import ConvolutionalPoseMachine, draw_body_connections, draw_keypoints, draw_masks, draw_body_box # 实例化 ConvolutionalPoseMachine 类 True 为使用预训练模型 estimator ConvolutionalPoseMachine(pretrained True) # opencv 读入视频 cap cv2.VideoCapture( data/video.mp4 ) # 读取成功意味着 cap.isOpened() True 持续运行 while True: # frame 相当于一帧一帧的图像 _, frame cap.read() # 传入视频帧至实例化后的 ConvolutionalPoseMachine 类 pred_dict estimator(frame, masks True, keypoints True) # 调用定义的 get_masks 静态方法获取掩膜 masks estimator.get_masks(pred_dict[ maskrcnn ], score_threshold 0.99) # 调用定义的 get_keypoints 静态方法获取关键点 keypoints estimator.get_keypoints(pred_dict[ keypointrcnn ], score_threshold 0.99) # 调用定义的 get_boxes 静态方法获取关键点 boxs estimator.get_boxes(pred_dict[ fasterrcnn ], score_threshold 0.99) # BGR 转灰度图像 frame_dst cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 合并单通道成多通道 frame_dst cv2.merge([frame_dst] * 3) # 绘制掩膜 overlay_m draw_masks(frame_dst, masks, color (0, 255, 0), alpha 0.5) # 绘制预测框 overlay_b draw_body_box(frame_dst, boxs, thickness 3) # 连接关键点 overlay_k draw_body_connections(frame, keypoints, thickness 2, alpha 0.7) # 绘制关键点 overlay_k draw_keypoints(overlay_k, keypoints, radius 4, alpha 0.8) # 将参数元组的元素数组按水平方向及垂直方向进行叠加 # 预计显示结果如下示意 # ————————————————————————————————— # | 原图 | 掩膜预测图 | # ————————————————————————————————— # | 关键点及连接绘制图 | 预测框绘制图 | # ————————————————————————————————— # 水平排列 image_h1 np.hstack((frame, overlay_m)) image_h2 np.hstack((overlay_k, overlay_b)) # 垂直排列 image_v_and_h np.vstack((image_h1, image_h2)) # 处理后的视频帧显示 cv2.imshow( Video Show , image_v_and_h) # cv2.waitKey(x) x数值越小 理论上运行越快 运行速度也与电脑硬件运行处理图片速度有关 if cv2.waitKey(1) 0xff 27: # exit if pressed ESC 或按ESC退出 break # 释放资源并关闭窗口 cap.release() cv2.destroyAllWindows()
camera_test.py
#!/usr/bin/python # -*- coding:utf-8 -*- # ------------------------------------------------- # # 作者 赵泽荣 # 时间 2021年9月26日 农历八月二十 # 个人站点 1.https://zhao302014.github.io/ # 2.https://blog.csdn.net/IT_charge/ # 个人GitHub地址 https://github.com/zhao302014 # ------------------------------------------------- # import cv2 import numpy as np from utils.utils import ConvolutionalPoseMachine, draw_body_connections, draw_keypoints, draw_masks, draw_body_box # 实例化 ConvolutionalPoseMachine 类 True 为使用预训练模型 estimator ConvolutionalPoseMachine(pretrained True) # opencv 调用摄像头 cap cv2.VideoCapture(0) # 调用成功 持续运行 while True: # success 在视频读取时一直为 true img 相当于一帧一帧的图像 success, img cap.read() # 传入视频帧至实例化后的 ConvolutionalPoseMachine 类 pred_dict estimator(img, masks True, keypoints True) # 调用定义的 get_masks 静态方法获取掩膜 masks estimator.get_masks(pred_dict[ maskrcnn ], score_threshold 0.99) # 调用定义的 get_keypoints 静态方法获取关键点 keypoints estimator.get_keypoints(pred_dict[ keypointrcnn ], score_threshold 0.99) # 调用定义的 get_boxes 静态方法获取关键点 boxs estimator.get_boxes(pred_dict[ fasterrcnn ], score_threshold 0.99) # BGR 转灰度图像 frame_dst cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 合并单通道成多通道 frame_dst cv2.merge([frame_dst] * 3) # 绘制掩膜 overlay_m draw_masks(frame_dst, masks, color (0, 255, 0), alpha 0.5) # 绘制预测框 overlay_b draw_body_box(frame_dst, boxs, thickness 3) # 连接关键点 overlay_k draw_body_connections(img, keypoints, thickness 2, alpha 0.7) # 绘制关键点 overlay_k draw_keypoints(overlay_k, keypoints, radius 4, alpha 0.8) # 将参数元组的元素数组按水平方向及垂直方向进行叠加 # 预计显示结果如下示意 # ————————————————————————————————— # | 原图 | 掩膜预测图 | # ————————————————————————————————— # | 关键点及连接绘制图 | 预测框绘制图 | # ————————————————————————————————— # 水平排列 image_h1 np.hstack((img, overlay_m)) image_h2 np.hstack((overlay_k, overlay_b)) # 垂直排列 image_v_and_h np.vstack((image_h1, image_h2)) # 处理后的视频帧显示 cv2.imshow( Camera Show , image_v_and_h) # cv2.waitKey(x) x数值越小 理论上运行越快 运行速度也与电脑硬件运行处理图片速度有关 if cv2.waitKey(1) 0xff 27: # exit if pressed ESC 或按ESC退出 break # 释放资源并关闭窗口 cap.release() cv2.destroyAllWindows()
image_test.py
#!/usr/bin/python # -*- coding:utf-8 -*- # ------------------------------------------------- # # 作者 赵泽荣 # 时间 2021年9月26日 农历八月二十 # 个人站点 1.https://zhao302014.github.io/ # 2.https://blog.csdn.net/IT_charge/ # 个人GitHub地址 https://github.com/zhao302014 # ------------------------------------------------- # import cv2 import numpy as np from utils.utils import ConvolutionalPoseMachine, draw_body_connections, draw_keypoints, draw_masks, draw_body_box # 实例化 ConvolutionalPoseMachine 类 True 为使用预训练模型 estimator ConvolutionalPoseMachine(pretrained True) # opencv 读入图片 img cv2.imread( data/image.jpg ) # 传入图片至实例化后的 ConvolutionalPoseMachine 类 pred_dict estimator(img, masks True, keypoints True) # 调用定义的 get_masks 静态方法获取掩膜 masks estimator.get_masks(pred_dict[ maskrcnn ], score_threshold 0.99) # 调用定义的 get_keypoints 静态方法获取关键点 keypoints estimator.get_keypoints(pred_dict[ keypointrcnn ], score_threshold 0.99) # 调用定义的 get_boxes 静态方法获取关键点 boxs estimator.get_boxes(pred_dict[ fasterrcnn ], score_threshold 0.99) # BGR转灰度图像 image_gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 合并单通道成多通道 image_dst cv2.merge([image_gray] * 3) # 绘制掩膜 result_m draw_masks(image_dst, masks, color (0, 255, 0), alpha 0.5) # 绘制预测框 result_b draw_body_box(img, boxs, thickness 3) # 连接关键点 result_k draw_body_connections(img, keypoints, thickness 4, alpha 0.7) # 绘制关键点 result_k draw_keypoints(result_k, keypoints, radius 5, alpha 0.8) # 全部绘制在一张图上 result1 draw_body_box(result_m, boxs, thickness 3) result draw_body_connections(result1, keypoints, thickness 4, alpha 0.7) result draw_keypoints(result, keypoints, radius 5, alpha 0.8) # 将参数元组的元素数组按水平方向及垂直方向进行叠加 # 预计显示结果如下示意 # ————————————————————————————————— # | 原图 | 掩膜预测图 | # ————————————————————————————————— # | 关键点及连接绘制图 | 预测框绘制图 | # ————————————————————————————————— # 水平排列 image_h1 np.hstack((img, result_m)) image_h2 np.hstack((result_k, result_b)) # 垂直排列 image_v_and_h np.vstack((image_h1, image_h2)) # 展现单图结果 cv2.imshow( Image Separate Show , image_v_and_h) cv2.imshow( Image Total Show , result) cv2.waitKey(0) cv2.destroyAllWindows()欢迎大家交流评论 一起学习 希望本文能帮助您解决您在这方面遇到的问题 感谢阅读
END
