導讀

最近在搞yolo-pose姿態(tài)識別算法，現(xiàn)成的模型已經(jīng)挺好用了，但是在某些特定的場景下，還是識別不準。所以想著自己搞搞數(shù)據(jù)，查了網(wǎng)上相關的博客，基本思路都是先按照coco格式來標，然后再轉(zhuǎn)化成yolo格式。不廢話，直接說咋干。

標注工具

這里推薦使用CVAT，好用，沒啥說。GitHub鏈接：https://github.com/opencv/cvat， 官方說明文檔：https://opencv.github.io/cvat/docs/。 部署安裝不再多說，按照官網(wǎng)的文檔復制粘貼命令就行了。
安裝完成之后，在瀏覽器中登錄CVAT 平臺，如圖：

CVAT的使用邏輯是, 先創(chuàng)建一個organization(組織)， 再組織里創(chuàng)建一個project（項目），然后在project中創(chuàng)建一個task（任務），創(chuàng)建任務時，需要創(chuàng)建一個可以認為是模板的玩意，把人體的基本結構畫出來，然后在標注的時候，直接通過挪動點的位置的方法，來進行標注。
在創(chuàng)建任務的時候，點擊Setup skeleton。

在常規(guī)標簽表單下方，可以先傳一張正面人體全身照，做參照來設置關鍵點，因為是人體關鍵點，所以標簽設置為“person”, 再選擇點標注，然后在繪圖區(qū)域把人體的點畫出來。（我在下圖中是隨手把點畫出來了，所以看不清楚是個人，這個不影響后續(xù)標注）。我們總共是標了17個點，按照coco keypoints的要求來標17個點，分別為：“nose”,“l(fā)eft_eye”, “right_eye”,“l(fā)eft_ear”, “right_ear”,“l(fā)eft_shoulder”, “right_shoulder”,“l(fā)eft_elbow”, “right_elbow”,“l(fā)eft_wrist”, “right_wrist”,“l(fā)eft_hip”, “right_hip”,“l(fā)eft_knee”, “right_knee”,“l(fā)eft_ankle”, “right_ankle”。

這個設置好之后，點擊done，完成。
然后就可以上傳圖片，發(fā)布任務了。點擊 “+” 號， 可以一次創(chuàng)建一張圖，可以一次創(chuàng)建多張圖，或者視頻，創(chuàng)建完之后，就可以在這個頁面看到剛發(fā)布的任務了。

創(chuàng)建好的任務列表如下，點擊OPEN按鈕，就可以打開任務，進行標注：

點擊Job,就可以進入到標注界面：

標注界面如下，如果非連續(xù)幀，可以選擇shape按鈕進行單幀標注。如果是視頻連續(xù)幀，可以選擇track按鈕進行連續(xù)幀標注，按照coco數(shù)據(jù)集的順序，把17個點按順序進行標注，順序不能錯。如果點被遮擋了，可以在這個點上，右鍵，修改為遮擋屬性，即coco數(shù)據(jù)集中V的值等于1，如果點被截斷了，可以在這個點上，右鍵，修改為截斷屬性，即coco數(shù)據(jù)集中V的值等于0，其他可見的點V值都為2：

導出數(shù)據(jù)集

在標注完成之后，點擊menu按鈕-----> export job dataset, 選擇 COCO Keypoints 1.0格式，點擊ok即可。

導出的數(shù)據(jù)格式只有一個json文件，后續(xù)就可以拿這個數(shù)據(jù)集來搞自己的事情了。

附上一個可視化的代碼

網(wǎng)上搜到的代碼，好多都有問題。。我也是參照別人的代碼，改了改，遍歷目錄下所有的圖片，逐個進行可視化。
文章來源地址http://www.zghlxwxcb.cn/news/detail-503358.html

# -*- coding:utf-8 -*-
import os
import numpy as np
from pycocotools.coco import COCO
import cv2

def plow_show(imgIds):
    img = coco.loadImgs(imgIds)[0]
    matImg = cv2.imread('%s/%s' % (img_prefix, img['file_name']))
    annIds = coco.getAnnIds(imgIds=img['id'], catIds=catIds, iscrowd=None)

    # 通過注釋的id，得到注釋的信息
    anns = coco.loadAnns(annIds)
    for ann in anns:
        kp = np.array(ann['keypoints'])
        x = kp[0::3]
        y = kp[1::3]
        v = kp[2::3]
        for sk in sks:
            c = aColor[np.random.randint(0, 4)]
              # 畫連接線
            if np.all(v[sk] > 0):
                cv2.line(matImg, (round(x[sk][0]), round(y[sk][0])), (round(x[sk][1]), round(y[sk][1])), c, 1)
        # 畫關鍵點
        for i in range(x.shape[0]):
            c = aColor[np.random.randint(0, 4)]
            if np.all(v[i] > 0):
                cv2.circle(matImg, (int(x[i]), int(y[i])), 2, c, lineType=1)
    cv2.imshow("show", cv2.resize(matImg, (1280, 720)))
    cv2.waitKey(0)


if __name__ == '__main__':
    annFile = r'C:\Users\37452\Downloads\123\annotations\person_keypoints_default.json'
    img_prefix = r'C:\Users\37452\Downloads\123\images'
    sks = np.array([[16, 14], [14, 12], [17, 15], [15, 13], [12, 13], [6, 12], [7, 13], [6, 7],
                         [6, 8], [7, 9], [8, 10], [9, 11], [2, 3], [1, 2], [1, 3], [2, 4], [3, 5], [4, 6], [5, 7]]) - 1
    aColor = [(0, 255, 0, 0), (255, 0, 0, 0), (0, 0, 255, 0), (0, 255, 255, 0)]
    coco = COCO(annFile)

    # getCatIds(catNms=[], supNms=[], catIds=[])
    catIds = coco.getCatIds(catNms=['person']) 
    # getImgIds(imgIds=[], catIds=catId
    for imgIds in (range(1, len(os.listdir(img_prefix)) +1)):
        plow_show(imgIds)

到了這里，關于yolov8-pose姿態(tài)估計數(shù)據(jù)集制作（一）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！