最近在跟蹤一個人體姿態識別的項目,就剛好跟大家分享一下免費的關鍵點標註工具,目前姿態識別的標註項目還是挺多,主要原因也是其應用場景比較多,而這個工具最大的優勢就是可以用於各種關鍵點標註,不管是17點,28點,還是單獨局部關鍵點標註,非常好用。所以從三個方面介紹一下。
-
人體關鍵點標註應用場景
-
免費工具安裝應用
-
結果集可視化(加快審覈效率及審覈準確率)
一.人體關鍵點標註的常用應用場景
1.新零售場景
新零售場景主要可以應用於對人體(手、手臂、頭部、腿部)重點跟蹤監控,可用於商場陳列擺設優化、針對性銷售等場景。
2.安全駕駛
這個場景中比較普遍的一個應用就是長途貨運司機監控並做異常行爲提示。
3.安防
安防領域這塊涉及到可做的場景就非常多,例如公共場合的異常行爲(打架、聚衆等等),工廠安全生產異常行爲監控等等。
以上就是單獨具了幾個案例,其實人體姿態識別的場景還有很多,如:智慧校園、智慧社區等等,在這裏就不一一列舉了,有感興趣的小夥伴可以查一下或者看一下相關的論文。
二.免費工具安裝應用
安裝環境:win7以上系統,anaconda3,python3.6
安裝過程:
-
安裝anaconda3
-
管理員身份打開 anaconda prompt
-
輸入命令:conda create --name=labelme python=3.6
-
輸入命令:activate labelme
-
輸入命令:pip install pyqt5,pip install pyside2(自己剛開始沒有安裝pyside2,運行 \anaconda安裝目錄\envs\labelme\Scripts\label_json_to_dataset.exe 會出現module "pyside"缺失錯誤)
-
輸入命令:pip install labelme(由於網絡原因或者庫的地址需要翻牆,經常運行一半出現錯誤,不要氣餒,多執行幾次)
-
輸入命令:labelme 即可打開labelme。如下:
注:在安裝過程中由於網絡原因會經常中斷,只要鍥而不捨一定會安裝成功的。
三.結果集可視化(加快審覈效率及審覈準確率)
標註後得到的結果是json格式的問題,對於審覈的小夥伴其實非常不友好,審覈的小夥伴最主要的工作是要審覈1.點位是否準確,2.命名是否正確。那麼如果可以對結果進行可視化並且直接校驗出命名規範是否正確,將提升至少50%的審覈效率以及準確率。那麼我們就來分享一下如何操作:
首先我們要明確目標:
1.自動校驗命名是否符合規範
2.標註結果直接可視化到圖片上
待標註圖片:
標註結果:
可視化結果:
本次結果可視化腳本是用python寫的腳本,如果有需要的小夥伴還是老規矩,轉發本文到朋友圈三小時截圖發到公衆號後臺領取。