Google基于TensorFlow.js框架的bodypix和posenet踩坑过程（windows版）

一、引入

Google官方推出的使用TensorFlow.js的工
基于浏览器调用预训练的模型

两种方法实现方式相同，侧重点略有不同。

二、代码出处

代码github

https://github.com/tensorflow/tfjs-models.git

详细的readme可以直接在github获得，本文重点介绍具体的配置流程。

三、运行步骤

1.打开demos文件夹

2.安装node.js

https://nodejs.org/en/

建议直接安装在当前文件夹，否则后期会出现找不到之类的坑。

3.安装yarn

当前demos路径直接cmd

npm install yarn

如果上句报出796错误，可以直接输入

yarn

这是我的运行界面，因为我已经跑过一遍了，所以时间比较短，第一次安装时间应该不止1.33s.

启动界面，第一次启动也需要大概一两分钟的时间，

yarn watch

到这步说明你已经可以在本地运行起来了。

会弹出下面这个地址，最好使用chrome启动，打开摄像头就OK了!

http://localhost:1234/

以上配置方法bodypix和posenet完全一样。
但posenet除了摄像头获取视频还可以替换掉项目中本身的coco数据集，传入我们的图片进行识别。

四、运行结果

下图是传入女排照片的识别情况

除了识别keypoints、skeleton还可以加上boundingbox.

下图是我对四人图片的进行的输出
result包括每个人的置信度，一个人对应17个keypoints的坐标、具体部位及该部位的置信度。

以上就是我对这个模型的理解，欢迎讨论和批评指正！