coco 输出格式，MPII 输出格式，标注
1，数据集
coco 输出格式
鼻子– 0，颈部– 1，
右肩– 2，右肘– 3，右手腕– 4，
左肩– 5，左肘– 6，左手腕– 7，
右臀部– 8，右膝– 9 , 右脚踝 – 10,
左臀部 – 11, 左膝盖 – 12, 左脚踝 – 13,
右眼 – 14, 左眼 – 15, 右耳 – 16, 左耳 – 17,
背景 – 18
MPII 输出格式
头 – 0,颈部 - 1，
右肩 - 2，右肘 - 3，右手腕 - 4，
左肩 - 5，左肘 - 6，左手腕 - 7，
右臀部 - 8，右膝盖 - 9，右脚踝 - 10，
左臀部 - 11，左膝 - 12，左脚踝 - 13，
胸部 - 14，背景 - 15
代码：
if MODE is "COCO":
protoFile = "pose/coco/pose_deploy_linevec.prototxt"
weightsFile = "pose/coco/pose_iter_440000.caffemodel"
nPoints = 18
POSE_PAIRS = [ [1,0],[1,2],[1,5],[2,3],[3,4],[5,6],[6,7],[1,8],[8,9],[9,10],[1,11],[11,12],[12,13],[0,14],[0,15],[14,16],[15,17]]
elif MODE is "MPI" :
protoFile = "pose/mpi/pose_deploy_linevec_faster_4_stages.prototxt"
weightsFile = "pose/mpi/pose_iter_160000.caffemodel"
nPoints = 15
POSE_PAIRS = [[0,1], [1,2], [2,3], [3,4], [1,5], [5,6], [6,7], [1,14], [14,8], [8,9], [9,10], [14,11], [11,12], [12,13] ]
详解：
1、
.prototxt 文件，它指定了神经网络的架构——不同层的排列方式等。
.caffemodel 文件，用于存储训练模型的权重
2、blobFromImage函数
函数cv2.dnn.blobFromImage(image[, scalefactor[, size[, mean[, swapRB[, crop[, ddepth]]]]]])
平均值（mean）
缩放系数（scalefactor）
交换RB通道（swapRB）
图像裁剪（crop）
blobFromImage(InputArray image,
double scalefactor=1.0,
const Size& size = Size(),
const Scalar& mean = Scalar(),
bool swapRB = false,
bool crop = false,
int ddepth = CV_32F)
inpBlob = cv2.dnn.blobFromImage(frame, 1.0 / 255, (inWidth, inHeight),
(0, 0, 0), swapRB=False, crop=False)
作用：
对图像进行预处理，包括减均值，比例缩放，裁剪，交换通道等，返回一个4通道的blob(blob可以简单理解为一个N维的数组，用于神经网络的输入)
各参数的意义
image
输入图像
scalefactor
当我们将图片减去平均值之后，还可以对剩下的像素值进行一定的尺度缩放，它的默认值是1，如果希望减去平均像素之后的值，全部缩小一半，那么可以将scalefactor设为1/2
mean
需要将图片整体减去的平均值，如果我们需要对RGB图片的三个通道分别减去不同的值，那么可以使用3组平均值，如果只使用一组，那么就默认对三个通道减去一样的值。减去平均值（mean）：为了消除同一场景下不同光照的图片，对我们最终的分类或者神经网络的影响，我们常常对图片的R、G、B通道的像素求一个平均值，然后将每个像素值减去我们的平均值，这样就可以得到像素之间的相对值，就可以排除光照的影响。
swapRB
是否交换RB，OpenCV中认为我们的图片通道顺序是BGR，但是我平均值假设的顺序是RGB，所以如果需要交换R和G，那么就要使swapRB=true
crop
图像裁剪,默认为False.当值为True时，先按比例缩放，然后从中心裁剪成size尺寸
size
输出图像的空间尺寸,如size=(200,300)，Width=200, Height=300
ddepth
当cv2.imshow()处理图像深度为CV_8U（默认范围为[0,255]）时，按原数据显示；当处理图像深度为CV_16U（默认范围为[0,65535]）时，除以256,映射到[0,255]；当图像深度为CV_32F和CV_64F时（默认范围为[0,1]），乘以255映射到[0,255]；当碰到负数时，首先取其绝对值，然后按照上述图像深度将超出数据范围的部分采取截断操作，最后映射到[0,255]显示图像