人体关键点检测--COCO关键点简介及自开发标签软件介绍

目录

COCO数据集中关键点annotations简介

标签软件

---

COCO数据集中关键点annotations简介

 

COCO数据集的关键点annotations字段结构如下

 

annotation{
    "keypoints": [x1,y1,v1,...],  #关键点坐标及标志位 v 
    "num_keypoints": int,    #关键点数量（要求v>0）
    "id": int,
    "image_id": int,    #图像id号，对应图像的文件名
    "category_id": int, #只有人，所以为1
    "segmentation": RLE or [polygon],  #iscrowd 为 0 时是polygon格式，为1时是 RLE格式,代表分割图（用多边形框出人体）
    "area": float,  #矩形框的面积
    "bbox": [x,y,width,height],  #矩形框左上角坐标（x，y）和矩形框的宽高
    "iscrowd": 0 or 1,  
}

在key_points 关键字中  x，y表示坐标值，

v的值有三个

V	含义
0	没有该点
1	该点存在但是被遮挡了
2	该点存在且没有被遮挡

其他含义如注释那样。

标签软件

通常来说利用labelme可以标注，想用的可以自行搜索

本次介绍的是实验室成员利用tkinter库开发的，由于还在测试阶段，所以会有一些小bug，不过不影响

百度网盘链接

https://pan.baidu.com/s/12u270N-RC0HuWr_5ZwW7PQ  密码1234

初始按图中操作，指定大小后就可以选择加载图片

但是由于目前还未能实现滚轮修改显示图片大小，因此使用除512之外的大小都不是很方便（其他大小我会在加载数据集的时候修改，因此目前最好只按512标注）。目前只支持给单人打标签。

 

此时就可以标注图片了，由鼠标点击图片中待标注位置，便可在该位置上按如下顺序产生关键点信息。

'nose'	0
'left_eye'	1
'right_eye'	2
'left_ear'	3
'right_ear'	4
'left_shoulder'	5
'right_shoulder'	6
'left_elbow'	7
'right_elbow'	8
'left_wrist'	9
'right_wrist'	10
'left_hip'	11
'right_hip'	12
'left_knee'	13
'right_knee'	14
'left_ankle'	15
'right_ankle'	16

 

每点一个位置右下角会自动点亮,全部标记完后这边就会全变为绿色。

想要修改的点只要点一下右边对应点即可重新标记该点。

然后点击 “保存该图标签数据” 并选择一个新的空文件夹，会产生如下四个文件。只有第一次会需要选择文件夹路径，后面的图片就不用了。但是后面每标记完一个图都要点击按钮保存信息。

注：点击 “保存该图标签数据” 后，如果还有下一张图会自动切换

“img_label”  是修改大小后，并且带有标签点的图片,方便检查

“img_train” 是修改大小后，不带有标签点的图片,用于训练

“annotations.txt” 保存的是相关信息

 为了简化我们只保留了需要的部分信息

另外需要注意的是,标志位 v 只有0和1，0代表没有，1代表有,这是不同于COCO数据集的。

全部图片标注完以后就可以选择是否保存为json文件。

另外：软件没有记忆功能，所以如果文件夹中的图片没有标注完，就别关软件！！！。

或者你可以自动手动拆分，然后自己整合到一起。

使用有问题欢迎在评论区提问。依据文件产生数据集的代码会在之后提供。