파이썬
OpenCV, OpenPose, math를 이용하여 옆모습 사진 속 인물의 허리가 숙여졌는지 추정 (Python)
IntegerString
2020. 7. 20. 14:59
import cv2
import math필요한 모듈 import
def output_keypoints(image_path, proto_file, weights_file, threshold, model_name, BODY_PARTS):
global points
# 이미지 읽어오기
frame = cv2.imread(image_path)
# 네트워크 불러오기
net = cv2.dnn.readNetFromCaffe(proto_file, weights_file)
# 입력 이미지의 사이즈 정의
image_height = 368
image_width = 368
# 네트워크에 넣기 위한 전처리
input_blob = cv2.dnn.blobFromImage(frame, 1.0 / 255, (image_width, image_height), (0, 0, 0), swapRB=False,
crop=False)
# 전처리된 blob 네트워크에 입력
net.setInput(input_blob)
# 결과 받아오기
out = net.forward()
# The output is a 4D matrix :
# The first dimension being the image ID ( in case you pass more than one image to the network ).
# The second dimension indicates the index of a keypoint.
# The model produces Confidence Maps and Part Affinity maps which are all concatenated.
# For COCO model it consists of 57 parts – 18 keypoint confidence Maps + 1 background + 19*2 Part Affinity Maps. Similarly, for MPI, it produces 44 points.
# We will be using only the first few points which correspond to Keypoints.
# The third dimension is the height of the output map.
out_height = out.shape[2]
# The fourth dimension is the width of the output map.
out_width = out.shape[3]
# 원본 이미지의 높이, 너비를 받아오기
frame_height, frame_width = frame.shape[:2]
# 포인트 리스트 초기화
points = []
print(f"\n========== {model_name} ==========")
for i in range(len(BODY_PARTS)):
# 신체 부위의 confidence map
prob_map = out[0, i, :, :]
# 최소값, 최대값, 최소값 위치, 최대값 위치
min_val, prob, min_loc, point = cv2.minMaxLoc(prob_map)
# 원본 이미지에 맞게 포인트 위치 조정
x = (frame_width * point[0]) / out_width
x = int(x)
y = (frame_height * point[1]) / out_height
y = int(y)
if prob > threshold: # [pointed]
cv2.circle(frame, (x, y), 5, (0, 255, 255), thickness=-1, lineType=cv2.FILLED)
cv2.putText(frame, str(i), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 1, lineType=cv2.LINE_AA)
points.append((x, y))
# print(f"[pointed] {BODY_PARTS[i]} ({i}) => prob: {prob:.5f} / x: {x} / y: {y}")
else: # [not pointed]
cv2.circle(frame, (x, y), 5, (0, 255, 255), thickness=-1, lineType=cv2.FILLED)
cv2.putText(frame, str(i), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 0), 1, lineType=cv2.LINE_AA)
points.append(None)
# print(f"[not pointed] {BODY_PARTS[i]} ({i}) => prob: {prob:.5f} / x: {x} / y: {y}")
return frame입력받은 frame에 BODY_PARTS를 참고하여 노란색 점을 포인팅 하는 함수
def output_keypoints_with_lines(POSE_PAIRS, frame):
# 프레임 복사
frame_line = frame.copy()
# Neck 과 MidHeap 의 좌표값이 존재한다면
if (points[1] is not None) and (points[8] is not None):
calculate_degree(point_1=points[1], point_2=points[8], frame=frame_line)
for pair in POSE_PAIRS:
part_a = pair[0] # 0 (Head)
part_b = pair[1] # 1 (Neck)
if points[part_a] and points[part_b]:
print(f"[linked] {part_a} {points[part_a]} <=> {part_b} {points[part_b]}")
# Neck 과 MidHip 이라면 분홍색 선
if part_a == 1 and part_b == 8:
cv2.line(frame, points[part_a], points[part_b], (255, 0, 255), 3)
else: # 노란색 선
cv2.line(frame, points[part_a], points[part_b], (0, 255, 0), 3)
else:
print(f"[not linked] {part_a} {points[part_a]} <=> {part_b} {points[part_b]}")
# 포인팅 되어있는 프레임과 라인까지 연결된 프레임을 가로로 연결
frame_horizontal = cv2.hconcat([frame, frame_line])
cv2.imshow("Output_Keypoints_With_Lines", frame_horizontal)
cv2.waitKey(0)
cv2.destroyAllWindows()입력받은 frame에 POSE_PAIRS를 참고하여 노란색 점을 초록색 선으로 잇는 함수
(Neck과 MidHip의 연결 부분은 분홍색)
def calculate_degree(point_1, point_2, frame):
# 역탄젠트 구하기
dx = point_2[0] - point_1[0]
dy = point_2[1] - point_1[1]
rad = math.atan2(abs(dy), abs(dx))
# radian 을 degree 로 변환
deg = rad * 180 / math.pi
# degree 가 45'보다 작으면 허리가 숙여졌다고 판단
if deg < 45:
string = "Bend Down"
cv2.putText(frame, string, (0, 25), cv2.FONT_HERSHEY_DUPLEX, 1, (255, 0, 255))
print(f"[degree] {deg} ({string})")
else:
string = "Stand"
cv2.putText(frame, string, (0, 25), cv2.FONT_HERSHEY_DUPLEX, 1, (255, 0, 255))
print(f"[degree] {deg} ({string})")Neck과 MidHip의 좌표 값을 통해 역탄젠트를 구한 후 값에 따라 frame 좌상단에 글자를 써주는 함수
BODY_PARTS_BODY_25 = {0: "Nose", 1: "Neck", 2: "RShoulder", 3: "RElbow", 4: "RWrist",
5: "LShoulder", 6: "LElbow", 7: "LWrist", 8: "MidHip", 9: "RHip",
10: "RKnee", 11: "RAnkle", 12: "LHip", 13: "LKnee", 14: "LAnkle",
15: "REye", 16: "LEye", 17: "REar", 18: "LEar", 19: "LBigToe",
20: "LSmallToe", 21: "LHeel", 22: "RBigToe", 23: "RSmallToe", 24: "RHeel", 25: "Background"}
POSE_PAIRS_BODY_25 = [[0, 1], [0, 15], [0, 16], [1, 2], [1, 5], [1, 8], [8, 9], [8, 12], [9, 10], [12, 13], [2, 3],
[3, 4], [5, 6], [6, 7], [10, 11], [13, 14], [15, 17], [16, 18], [14, 21], [19, 21], [20, 21],
[11, 24], [22, 24], [23, 24]]
# 신경 네트워크의 구조를 지정하는 prototxt 파일 (다양한 계층이 배열되는 방법 등)
protoFile_body_25 = "C:\\openpose\\models\\pose\\body_25\\pose_deploy.prototxt"
# 훈련된 모델의 weight 를 저장하는 caffemodel 파일
weightsFile_body_25 = "C:\\openpose\\models\\pose\\body_25\\pose_iter_584000.caffemodel"
# 이미지 경로 (출처: https://www.nongmin.com/plan/PLN/SRS/246508/view)
path_list = []
walk_1 = "C:\\Users\\user\\Pictures\\Saved Pictures\\sample_image\\man_walk_1.jpg"
walk_2 = "C:\\Users\\user\\Pictures\\Saved Pictures\\sample_image\\man_walk_2.jpg"
stand = "C:\\Users\\user\\Pictures\\Saved Pictures\\sample_image\\man_stand.jpg"
sit = "C:\\Users\\user\\Pictures\\Saved Pictures\\sample_image\\man_sit.jpg"
down = "C:\\Users\\user\\Pictures\\Saved Pictures\\sample_image\\man_down.jpg"
path_list.extend([walk_1, walk_2, stand, sit, down])
# 키포인트를 저장할 빈 리스트
points = []
for path in path_list:
frame_man = output_keypoints(image_path=path, proto_file=protoFile_body_25, weights_file=weightsFile_body_25,
threshold=0.1, model_name=path.split('\\')[-1], BODY_PARTS=BODY_PARTS_BODY_25)
output_keypoints_with_lines(POSE_PAIRS=POSE_PAIRS_BODY_25, frame=frame_man)prototxt파일과 caffemodel파일은 body_25를 이용하였음
