OpenPose 人体姿态估计：热点图生成和评价代码示例

以下代码使用 OpenCV 和 Matplotlib 库实现了 OpenPose 算法的热点图和评价，并提供详细说明：

import cv2
import matplotlib.pyplot as plt
import numpy as np

# 加载模型和配置文件
net = cv2.dnn.readNetFromTensorflow('pose/coco/pose_iter_440000.pb')
inWidth = 368
inHeight = 368
threshold = 0.1

# 定义身体关键点的连接关系
BODY_PARTS = {
    'Nose': 0,
    'Neck': 1,
    'RShoulder': 2,
    'RElbow': 3,
    'RWrist': 4,
    'LShoulder': 5,
    'LElbow': 6,
    'LWrist': 7,
    'RHip': 8,
    'RKnee': 9,
    'RAnkle': 10,
    'LHip': 11,
    'LKnee': 12,
    'LAnkle': 13,
    'REye': 14,
    'LEye': 15,
    'REar': 16,
    'LEar': 17,
    'Background': 18
}

# 定义身体关键点连接的顺序
POSE_PAIRS = [
    ['Neck', 'RShoulder'],
    ['Neck', 'LShoulder'],
    ['RShoulder', 'RElbow'],
    ['RElbow', 'RWrist'],
    ['LShoulder', 'LElbow'],
    ['LElbow', 'LWrist'],
    ['Neck', 'RHip'],
    ['RHip', 'RKnee'],
    ['RKnee', 'RAnkle'],
    ['Neck', 'LHip'],
    ['LHip', 'LKnee'],
    ['LKnee', 'LAnkle'],
    ['Nose', 'REye'],
    ['REye', 'REar'],
    ['Nose', 'LEye'],
    ['LEye', 'LEar']
]

# 读取图像
image = cv2.imread('test.jpg')

# 对图像进行预处理
blob = cv2.dnn.blobFromImage(image, 1.0 / 255, (inWidth, inHeight), (0, 0, 0), swapRB=False, crop=False)

# 运行模型
net.setInput(blob)
out = net.forward()

# 获取关键点
points = []
for i in range(len(BODY_PARTS)):
    heatMap = out[0, i, :, :]
    _, conf, _, point = cv2.minMaxLoc(heatMap)
    x = int((image.shape[1] * point[0]) / out.shape[3])
    y = int((image.shape[0] * point[1]) / out.shape[2])
    if conf > threshold:
        points.append((x, y))
    else:
        points.append(None)

# 绘制关键点和连接线
for pair in POSE_PAIRS:
    partFrom = pair[0]
    partTo = pair[1]
    idFrom = BODY_PARTS[partFrom]
    idTo = BODY_PARTS[partTo]
    if points[idFrom] and points[idTo]:
        cv2.line(image, points[idFrom], points[idTo], (0, 255, 0), 3)
        cv2.circle(image, points[idFrom], 4, (0, 0, 255), thickness=-1, lineType=cv2.FILLED)
        cv2.circle(image, points[idTo], 4, (0, 0, 255), thickness=-1, lineType=cv2.FILLED)

# 显示图像
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()

# 计算关键点的热点图
h, w, c = image.shape
heatmap = np.zeros((h, w), dtype=np.float32)
for i in range(len(BODY_PARTS)):
    heatMap = out[0, i, :, :]
    heatmap += cv2.resize(heatMap, (w, h))
heatmap /= len(BODY_PARTS)

# 显示关键点的热点图
plt.imshow(heatmap, cmap='hot')
plt.show()

# 计算关键点的评价
score = 0
for pair in POSE_PAIRS:
    partFrom = pair[0]
    partTo = pair[1]
    idFrom = BODY_PARTS[partFrom]
    idTo = BODY_PARTS[partTo]
    if points[idFrom] and points[idTo]:
        dist = np.sqrt((points[idFrom][0] - points[idTo][0]) ** 2 + (points[idFrom][1] - points[idTo][1]) ** 2)
        score += dist
score /= len(POSE_PAIRS)
print('Score:', score)

使用说明

下载 OpenPose 算法的模型文件和配置文件，将其保存在 pose/coco 目录下。
将要测试的图像保存在当前目录下并命名为 test.jpg。
运行代码后会显示图像和关键点的热点图，并输出关键点的评价得分。

代码说明

代码首先加载 OpenPose 模型和配置文件。
然后定义了身体关键点的连接关系和连接顺序。
读取图像并进行预处理。
运行模型并获取关键点。
绘制关键点和连接线，显示图像。
计算关键点的热点图，并显示热点图。
计算关键点的评价得分，并输出得分。

注意事项

模型文件和配置文件可以从 OpenPose 官方网站下载。
图像格式可以是 JPG、PNG 或 BMP 等常见格式。
评价得分越高，表示姿态估计结果越准确。

代码中使用了以下库：

OpenCV 用于图像处理和模型运行。
Matplotlib 用于绘制图像和热点图。
NumPy 用于数值计算。

希望这篇文章能帮助您了解 OpenPose 算法的热点图生成和评价。