如何打开.pkl文件查看里面的内容_如何查看pkl文件内容

import pickle
 
path = r'D:\Project\pyskl-main\pyskl-main\Test\ntu60_hrnet.pkl'  # path='/root/……/aus_openface.pkl'   pkl文件所在路径
 
f = open(path, 'rb')
data = pickle.load(f)
 
print(data)
print(len(data))

'frame_dir': 'S017C003P016R002A028'

'frame_dir' 的值是 'S017C003P016R002A028'。这个字符串可能是对应视频的唯一标识符，用于定位和检索视频数据。

frame_dir 是对应视频的标识符。它是一个字符串，用于唯一标识视频或视频帧的目录或文件路径。

在您提供的描述中，"frame_dir" 是一个用于指示视频的标识符。它可能是视频文件的名称、目录的名称或任何其他能够唯一标识视频的字符串。

这个标识符通常用于在计算机系统中定位和检索特定的视频数据。它可以用于指定视频的存储位置、访问视频文件或目录，或识别特定视频的相关信息。

total_frames (int): The number of frames in this video.

'total_frames' 是一个整数，表示视频中的帧数。

帧数是视频中连续的静止图像，它们以一定的速率播放以呈现动态画面。'total_frames' 表示视频中总共有多少个连续的帧。

img_shape (tuple[int]): The shape of a video frame, a tuple with two elements, in the format of (height, width). Only required for 2D skeletons.

'img_shape' 是视频帧的形状，是一个包含两个元素的元组，格式为 (height, width)。这个形状表示视频帧的高度和宽度。

在这种情况下，'img_shape' 提供了视频帧的尺寸信息。元组中的第一个元素表示视频帧的高度，第二个元素表示视频帧的宽度。

这些尺寸信息通常用于描述视频帧的空间分辨率。例如，(1920, 1080) 表示视频帧的高度为 1920 像素，宽度为 1080 像素。

在文本中提到 "2D skeletons"，这可能指的是在视频帧中提取的人体骨架或姿势估计数据。如果是这样的情况，知道视频帧的形状可以帮助将骨架数据与相应的图像对应起来。

original_shape (tuple[int]): Same as img_shape.

'original_shape' 是一个元组，与 'img_shape' 相同，表示视频帧的形状。它包含两个整数元素，按照 (height, width) 的格式表示。

根据您提供的信息，'original_shape' 的值与 'img_shape' 相同，为 (1080, 1920)。这表示视频帧的原始形状与 'img_shape' 中描述的形状相同。

'original_shape' 和 'img_shape' 都提供了视频帧的尺寸信息，其中高度为 1080 像素，宽度为 1920 像素。这些信息用于描述视频帧在屏幕或图像空间中的大小。

请注意，'original_shape' 可能指示视频帧的初始形状，在任何处理或调整大小之前。如果视频帧经过了任何处理或调整大小操作，'original_shape' 可能与最终显示的图像形状不同。

label (int): The action label

'label' 是一个用于指示动作的整数值。它可能是对应某个特定动作或行为的标识符。

keypoint (np.ndarray, with shape [M x T x V x C]): The keypoint annotation. M: number of persons; T: number of frames (same as total_frames); V: number of keypoints (25 for NTURGB+D 3D skeleton, 17 for CoCo, 18 for OpenPose, etc. ); C: number of dimensions for keypoint coordinates (C=2 for 2D keypoint, C=3 for 3D keypoint)

'keypoint' 是一个 NumPy 数组，具有形状为 [M x T x V x C] 的维度。其中，M 表示人数，T 表示帧数（与总帧数相同），V 表示关键点数量（对于不同的数据集或姿势模型可能有不同的值，如 NTURGB+D 3D 骨架为 25，Coco 为 17，OpenPose 为 18 等），C 表示关键点坐标的维度（C=2 表示 2D 关键点，C=3 表示 3D 关键点）。

具体来说，'keypoint' 是一个用于记录关键点注释的数组。它可以包含多个人的姿态数据，并跟踪每个人在不同帧中的关键点坐标。关键点坐标可以是二维（x，y）或三维（x，y，z）。

该数组的维度表示了不同的信息：

• 第一维 M 表示人数，表示数组中记录了多少个人的姿态数据。
• 第二维 T 表示帧数，与总帧数相同，表示数组中记录了多少个时间步的姿态数据。
• 第三维 V 表示关键点数量，表示在每个姿态中记录了多少个关键点。
• 第四维 C 表示关键点坐标的维度，表示每个关键点的坐标维度（2D 或 3D）。

例如，如果使用 NTURGB+D 3D 骨架数据集，'keypoint' 数组的形状可能是 [M x T x 25 x 3]，其中 M 表示人数，T 表示帧数，25 表示该数据集中有 25 个关键点，3 表示每个关键点的坐标是三维的（x，y，z）。

keypoint_score (np.ndarray, with shape [M x T x V]): The confidence score of keypoints. Only required for 2D skeletons.

'keypoint_score' 是一个 NumPy 数组，具有形状为 [M x T x V] 的维度。该数组用于表示关键点的置信度分数。

根据您提供的描述，'keypoint_score' 数组与关键点数组（'keypoint'）相对应，但仅用于二维骨架的情况。它记录了每个关键点的置信度分数。

具体来说：

• 第一维 M 表示人数，表示数组中记录了多少个人的姿态数据。
• 第二维 T 表示帧数，表示数组中记录了多少个时间步的姿态数据。
• 第三维 V 表示关键点数量，表示在每个姿态中记录了多少个关键点。

'keypoint_score' 数组的值是关键点的置信度分数，用于表示每个关键点的可靠程度或准确度。这些分数可以是浮点数或其他适当的数值类型。

请注意，'keypoint_score' 数组仅在二维骨架（2D skeleton）的情况下才需要。对于三维骨架或其他类型的关键点数据，可能不会使用置信度分数。

 参考：

pyskl/tools/data/README.md at main · kennymckormick/pyskl · GitHub

如何打开.pkl文件，查看.pkl文件里的内容（Python3.6）-CSDN博客