第七章人体关键点检测-常用数据集PPT课件.pptxVIP

计算机视觉原理与实践第七章 人体关键点检测目录 CONTENT定义与应用场景实验 姿态识别互动机器人常用数据集实现方前回顾人体关键点检测的实现方法：1. 自顶向下2. 自底向上常用数据集MPII数据集Microsoft COCO数据集0 3 常用数据集常用数据集： 常用数据集1. MPII数据集MPII数据集是一个单人和多人的标注过的图片数据集，常用于单人检测场景。该数据集包含约 25K图像，其中包含超过4 万名带注释的人体关键点的人。总体而言，数据集涵盖 410种人类活动，并且每个图像都带有活动标签。此外，对于测试集，还有更丰富的注释，包括身体部位遮挡以及3D躯干和头部方向。 常用数据集MPII数据集16个关键点标注：0-R ankle, 1-R knee, 2-R hip, 3-L hip, 4-L knee, 5-L ankle, 6-pelvis, 7-thorax, 8-upper neck, 9-head top, 10-R wrist, 11-R elbow, 12-R shoulder, 13-L shoulder, 14-L elbow, 15-L wrist 常用数据集MPII人体姿态数据集：标注数据使用mat的struct格式，对于人体关键点检测，使用行人框，人体尺度为除以200像素高度后的值，提供16个关键点坐标及其是否可见的信息。常用数据集MPII数据集Microsoft COCO数据集0 3 常用数据集2. Microsoft COCO数据集Microsoft COCO数据集合，简称COCO数据集合，是一个标注过的图片数据集，主要应用于多人人体关键点检测，可用于目标检测、分割和描述生成等。提供约59K张图，共有156K个人像，1.7M个人体关键点数据。 常用数据集COCO数据集17个关键点标注：0-nose, 1-L eye, 2-R eye, 3-L ear, 4-R ear, 5-L shoulder, 6-R shoulder, 7-L elbow, 8-R elbow, 9-L wrist, 10-R wrist, 11-L hip, 12-R hip, 13-L knee, 14-R knee, 15-L ankle, 16-R ankle 常用数据集Microsoft COCO数据集合中，平均一幅图像2个人，最多有13个人。具体情况如图所示： 常用数据集图像复杂性的基准：（1）待检测的目标被干扰物体遮挡；（2）待检测的目标之间相互遮挡。人体关键点复杂性情况分布如图所示：本节小结 人体关键点检测的数据集： 1. MPII 2. Microsoft COCO数据集谢谢观看欢迎你学习《计算机视觉原理与实战》课程，本视频将带领大家继续学习人体关键点检测 章节相关内容本章节共分以下四个内容，包括人体关键点检测的定义与应用场景，人体关键点检测的实现方法，常用数据集，以及姿态识别互动机器人的实验。本视频重点讲解常用数据集。经过上一小节的学习，同学们对人体关键点检测的实现方法应该有了一个自己的理解。在本节开讲之际，我们首先帮大家做一个小节回顾，上一小节主要介绍了 自顶向下与自底向上 这两种实现方法。其中重点介绍了自顶向下的RMPE、Mask-RCNN，自底向上Openpose、DeepCut的算法原理和实现。本节视频主要介绍：MPII数据集与Microsoft COCO数据集 这2个人体关键点检测的常用数据集。对于人体关键点检测，网上可以公开获取一些人体关键点检测的数据集，用于算法研究和算法结果的比较。同时，人体关键点检测也是AI算法竞赛中常见的一个题目，也提供了很多公开的竞赛数据集。这里列出了一些常见的数据集，我们将对其中的两种进行详细介绍。 首先来看MPII数据集。MPII数据集是一个单人和多人的标注过的图片数据集，常用于单人检测场景。该数据集包含约 25K图像，其中包含超过4 万名带注释的人体关键点的人，使用已建立的日常人类活动分类法，系统地收集并分类了图像。总体而言，数据集涵盖 410种人类活动，并且每个图像都带有活动标签。每个图像都是从YouTube视频中提取的，并提供了之前和之后的未注释帧。此外，对于测试集，还有更丰富的注释，包括身体部位遮挡以及3D躯干和头部方向。如PPT所示，MPII数据集有以下16个关键点标注。标注数据使用mat的struct格式（同MATLAB），对于人体关键点检测，使用行人框（center和scale），人体尺度为除以200像素高度后的值，提供16个关键点坐标及其是否可见的信息。还有头部包围框，图像活动分类，视频索引和帧信息等其它信息。支持多人和单人模式，单人模式表示已知行人框（center和scale），排除多人相互接近的情况。接下来，我们