YOLOv8-pose+streamlit 实现人体关键点检测/姿态估计系统

人体关键点检测系统

  • 一、安装与配置
    • 1.1 安装 Streamlit
    • 1.2 配置文件
    • 1.3 运行Streamlit应用
    • 1.4 找模板
  • 二、人体关键点检测算法
    • 2.1 关键点序号
    • 2.2 YOLOv8-pose图像推理
  • 三、将YOLOv8-pose算法内置到streamlit中
    • 3.1 整体结构
    • 3.2 常见问题
      • - RGB通道颠倒
      • - Numpy与OpenCV之间的转换
  • 四、效果展示
  • 五、源码

一、安装与配置

1.1 安装 Streamlit

在命令行直接输入下方指令即可:

pip install streamlit

1.2 配置文件

在本地的C:\Users\Administrator.streamlit这个位置新建==.streamlit==文件,复制下面的代码段即可

[server]
port = 8501
enableCORS = false
 
[browser]
serverAddress = "localhost"
gatherUsageStats = false
 
[runner]
magicEnabled = false

1.3 运行Streamlit应用

运行streamlit演示项目:

streamlit hello

看到如下图web文件代表安装成功。YOLOv8-pose+streamlit 实现人体关键点检测/姿态估计系统_第1张图片

1.4 找模板

可以上https://streamlit.io/官网,查找一下适合自己的模板,下载到本地后,运行如下指令,进行部署查看

streamlit run streamli/bg_remove.py

我们使用的模板样式如下图所示:

二、人体关键点检测算法

2.1 关键点序号

以YOLOv8-pose人体姿态估计为例,在COCO数据集上身体的每一个关节具有一个序号,共17个点:

COCO_keypoint_indexes = {
   
    0: 'nose',
    1: 'left_eye',
    2: 'right_eye',
    3: 'left_ear',
    4: 'right_ear',
    5: 'left_shoulder',
    6: 'right_shoulder',
    7: 'left_elbow',
    8: 'right_elbow',
    9: 'left_wrist'

你可能感兴趣的:(深度学习项目,YOLO,深度学习,关键点检测,计算机视觉,python,健身,姿态估计)