human_pose_estimation_demo的进一步研究-CFANZ编程社区

一、demo能力

OpenVINO提供了范例（human_pose_estimation_demo），能够在CPU上以较快速度识别出多人

human_pose_estimation_demo的进一步研究_斜率

-iE:/OpenVINO_modelZoo/head-pose-face-detection-female-and-male.mp4 -mE:/OpenVINO_modelZoo/human-pose-estimation-0001.xml -d CPU

基于这篇论文：

human_pose_estimation_demo的进一步研究_斜率_02

参考文档：

https://docs.openvinotoolkit.org/latest/_demos_human_pose_estimation_demo_README.html

二、抽取18个点，做简单的越界分析

既然以及能够从视频中抽取人体骨骼，并且对应18个数据点

human_pose_estimation_demo的进一步研究_html_03

那么就能够做定量分析。

human_pose_estimation_demo的进一步研究_html_04

对于这个视频，使用MarkMan能够测量出关键领域的位置，那么最简单的想法就是首先获得“人的中心”这个点，当这个点位于敏感区域的时候进行报警。

human_pose_estimation_demo的进一步研究_斜率_05

但是这种方法很粗糙，我们希望得到的是这个敏感区域里面，没有人体的任何一个位置，因此首先对所有的点进行排序，而后判断

bool SortbyXaxis(const cv::Point2f & a, const cv::Point2f &b)
 {
     return a.x > b.x;
 }

 //而后对所有的点进行这样处理
 HumanPose firstHumanPose = poses[0];
 std::vector<cv::Point2f> firstKeypoints = firstHumanPose.keypoints;
 sort( firstKeypoints .begin(), firstKeypoints .end(), SortbyYaxis );

if (! (firstKeypoints[0].x < 369 || firstKeypoints[firstKeypoints.size() - 1].x > 544))
 {
     std::stringstream inRanges;
     inRanges << "inRanges! ";
     cv::putText(image, inRanges.str(), cv::Point(16, 64),
     cv::FONT_HERSHEY_COMPLEX, 1, cv::Scalar(0, 0, 255));
 }

这样就能够好许多。

三、更接近实际的情况

前面的情况还是过于简单，这个视频更接近实际情况

human_pose_estimation_demo的进一步研究_斜率_06

比如地上有这条安全线，倾斜的，就是不能越过，应该如何来处理？

首先还是量出这条线（固定物镜关系），并且我们能够绘制出这条线；

下面，首先要做一个简单的数学复习

human_pose_estimation_demo的进一步研究_html_07

K = (y1-y2)/(x1-x2)，当K1>K2的时候点在左边，而在左边灰色区域的时候，绝对在左边，在右边蓝色区域的时候，绝对在右边。

据此编写函数

bool PointIsLeftLine(cv::Point2f point, cv::Point2f PointLineLeft, cv::Point2f PointLineRight)
 {
     //边界外直接返回
     if (point.x < 0)
         return false;
     if (point.x <= PointLineLeft.x)
         return true;
     if (point.x > PointLineRight.x)
         return false;
     //在边界内的情况,通过计算斜率
     if (PointLineRight.x == PointLineLeft.x)
         assert("error PointLineRight.x == PointLineLeft.x");
     
     float kLine = (PointLineRight.y - PointLineLeft.y) / (PointLineRight.x - PointLineLeft.x);
     float k = (point.y - PointLineLeft.y) / (point.x - PointLineLeft.x);
     return (k >= kLine);
 }

并且分别对两个脚进行处理

bRight = PointIsLeftLine(pointRightFoot, cv::Point2f(1017, 513), cv::Point2f(433, image.rows - 1));
bLeft = PointIsLeftLine(pointLeftFoot, cv::Point2f(1017, 513), cv::Point2f(433, image.rows - 1));

加上一些图像绘制

if (bRight|| bLeft)
             {
                 line(image, cv::Point(1017, 513), cv::Point(433, image.rows - 1), cv::Scalar(0, 0, 255), 8);
             }
             else
             {
                 line(image, cv::Point(1017, 513), cv::Point(433, image.rows - 1), cv::Scalar(0, 255, 0), 8);
             }

能够得到这样的结果：

human_pose_estimation_demo的进一步研究_xml_08