引言

人體姿態(tài)估計是計算機視覺領(lǐng)域很多研究工作的基礎(chǔ)，也是研究的熱點問題，在行為識別、人機交互、姿態(tài)跟蹤等領(lǐng)域有著廣泛的應用前景。

按照人體姿態(tài)維度的差異，可以將人體姿態(tài)估計任務(wù)分為二維人體姿態(tài)估計和三維人體姿態(tài)估計。2D人體姿態(tài)估計的目標是定位并識別出人體關(guān)鍵點，將這些關(guān)鍵點按照關(guān)節(jié)順序相連形成在圖像二維平面的投影，從而得到人體骨架。3D人體姿態(tài)估計的主要任務(wù)是預測出人體關(guān)節(jié)點的三維坐標位置和角度等信息。

在實際應用中，由于3D姿態(tài)估計在2D姿態(tài)估計的基礎(chǔ)上加入了深度信息，其對于人體姿態(tài)的表述比2D更為精準，因此其應用范圍和研究價值都要高于2D人體姿態(tài)估計，但是3D姿態(tài)估計的難度也更高，存在著遮擋，單視角2D到3D的映射中固有的深度模糊性、不適定性，缺少大型的室外數(shù)據(jù)集等挑戰(zhàn)。

本項目通過使用3DPose模型實現(xiàn)對人體的三維實時姿態(tài)識別。其最終實現(xiàn)的效果如下圖可見：

1、基本介紹

在深度學習方法得到廣泛應用之前，3D人體姿態(tài)標注數(shù)據(jù)集和具有高運算能力的GPU還沒有普及，研究人員主要通過一些應用在傳統(tǒng)計算機視覺或機器學習領(lǐng)域的方法來進行3D人體姿態(tài)的估計。傳統(tǒng)三維人體姿態(tài)估計和基于深度學習的姿態(tài)估計之間最明顯的特征在于是否使用了多層神經(jīng)網(wǎng)絡(luò)的學習方法，因為建模方式不同，在估計精確性、計算復雜度等方面也有著較大的差別。其中建模是三維人體姿態(tài)估計一個很重要的方面，目的是表示從輸入數(shù)據(jù)中提取的關(guān)鍵點和特征。在解決實際問題時由于實驗個體所處環(huán)境的復雜性，很大程度上增加了模型的建立難度，因此選取適當且有效的圖像特征來簡化模型建立過程十分重要。

1.1 環(huán)境要求：

本次環(huán)境使用的是python3.6.5+windows平臺。

主要用的庫有：ONNX Runtime庫、opencv-python模塊、Numpy模塊。

ONNX Runtime庫

ONNX Runtime庫是一個用于ONNX(Open Neural Network Exchange)模型推理的引擎。微軟聯(lián)合Facebook等在2017年搞了個深度學習以及機器學習模型的格式標準--ONNX，順路提供了一個專門用于ONNX模型推理的引擎。

opencv-python模塊

opencv-python是一個Python綁定庫，旨在解決計算機視覺問題。其使用Numpy，這是一個高度優(yōu)化的數(shù)據(jù)庫操作庫，具有MATLAB風格的語法。所有Opencv數(shù)組結(jié)構(gòu)都轉(zhuǎn)換為Numpy數(shù)組。這也使得與使用Numpy的其他庫（如Scipy和Matplotlib）集成更容易。

Numpy模塊

Numpy是應用Python進行科學計算時的基礎(chǔ)模塊。它是一個提供多維數(shù)組對象的Python庫，除此之外，還包含了多種衍生的對象（比如掩碼式數(shù)組(masked arrays)或矩陣）以及一系列的為快速計算數(shù)組而生的例程，包括數(shù)學運算，邏輯運算，形狀操作，排序，選擇，I/O，離散傅里葉變換，基本線性代數(shù)，基本統(tǒng)計運算，隨機模擬等。

1.2 方法總結(jié)：

傳統(tǒng)方法很多是采用基于人體模型的方法來描述和推斷人體姿態(tài)，通過算法提取圖像姿態(tài)特征，因此對特征表示和關(guān)鍵點的空間位置關(guān)系這兩個維度有比較高的要求，除去邊界、顏色這類低層次特征，典型的有尺度不變特征變換、梯度直方圖等表達能力更強、可有效壓縮特征空間維度的高層次特征，它們雖然在時間效率方面具有優(yōu)勢，但依然存在著較大的不足。

而深度學習模型操作過程相對簡單且對特征的表示能力強大，對輸入信息自動進行特征提取而無需人為手動提取特征。

基于深度學習的人體姿態(tài)估計可以通過建立網(wǎng)絡(luò)模型在圖像數(shù)據(jù)上進行訓練和學習，直接得到最有效的表征方法，其核心是深度神經(jīng)網(wǎng)絡(luò)，主要是利用卷積神經(jīng)網(wǎng)絡(luò)從圖像中提取出比人工特征語義信息更豐富、準確性更高和更具魯棒性的卷積特征，并且網(wǎng)絡(luò)模型的表達能力會因網(wǎng)絡(luò)堆疊數(shù)量的增加而呈指數(shù)增長，因此相較于傳統(tǒng)方法可以進一步提升復雜環(huán)境下的人體姿態(tài)的精度和魯棒性。深度學習在人體姿態(tài)估計任務(wù)中的應用已經(jīng)取得了顯著的進展，然而像遮擋、訓練數(shù)據(jù)不足和深度模糊等挑戰(zhàn)仍然是難以克服的。

2.三維人體可視化

傳統(tǒng)方法與深度學習方法

其中3DPose算法提供的模型架構(gòu)如下圖可見：

2.1 圖片預處理：

其中圖片處理代碼如下，分別為讀取圖片，顯示圖片，BGR轉(zhuǎn)RGB以及尺寸變換等：

img=cv2.imread("1.jpg")
cv2.imshow("test", img)
cv2.waitKey(1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (448, 448))
img = img.astype(np.float32) / 255.0
img = img.transpose(2, 1, 0)
img = img[np.newaxis, ...]

2.2 模型訓練：

首先通過使用onnxruntime，

然后讀取Resnet34_inputs_448x448_20200609.0nnx模型文件,實時需要識別的圖片數(shù)據(jù)，獲取每一張圖片的offset圖和heatmap圖。通過找到第j個關(guān)節(jié)的28個特征圖，并找到最大值的索引來獲取個點坐標。并把坐標按照一定比例縮放。使得圖像變形較為符合人體規(guī)律。

for j in range(0, 24):
    # 找到第j個關(guān)節(jié)的28個特征圖，并找到最大值的索引
    joint_heat = heatMap3D[j * 28:(j + 1) * 28, ...]
    if np.max(joint_heat)>0.1:
        print(np.max(joint_heat))
        [x, y, z] = np.where(joint_heat == np.max(joint_heat))
        x = int(x[-1])
        y = int(y[-1])
        z = int(z[-1])
        # 通過heatmap的索引找到對應的offset圖，并計算3D坐標的xyz值
        pos_x = offset3D[j * 28 + x, y, z] + x
        pos_y = offset3D[24 * 28 + j * 28 + x, y, z] + y
        pos_z = offset3D[24 * 28 * 2 + j * 28 + x, y, z] + z
        kps[j, 0] = pos_x
        kps[j, 1] = pos_y
        kps[j, 2] = pos_z
    else:
        try:
            kps[j, 0] = kps[j-1, 0]
            kps[j, 0] = kps[j-1, 0]
            kps[j, 2] = kps[j-1, 2]
        except:
            pass
parent = np.array([15, 1, 2, 3, 3, 15, 6, 7, 8, 8, 12, 15, 14, 15, 24, 24, 16, 17, 18, 24, 20, 21,   22, 0]) - 1;
    for i in range(len(kps)):
        if (parent[i] != -1):
            ax.plot3D(kps[[i, parent[i]], 0], -kps[[i, parent[i]], 1], -kps[[i, parent[i]], 2], 'gray')

完整代碼：

鏈接：https://pan.baidu.com/s/1pb0uG9Uy36sOBuWNTsZUpA

提取碼：0ahr