当前位置:   article > 正文

COCO人体关键点检测数据制作_coco关键点检测

coco关键点检测

1 数据标签格式

COCO数据集主页:http://cocodataset.org
COCO关键点检测数据共有17个关键点,点的位置如图:
在这里插入图片描述

标注文件中,每一个检测框共有56个标签值,他们分别是:

类别0
目标框坐标center_x, cneter_y, w, h
鼻子nose_x, nose_y, nose_v
左眼Leye_x, Leye_y, Leye_v
右眼Reye_x, Reye_y, Reye_v
左耳Lear_x, Lear_y, Lear_v
右耳Rear_x, Rear_y, Rear_v
左肩Lshoulder_x, Lshoulder_y, Lshoulder_v
右肩Rshoulder_x, Rshoulder_y, Rshoulder_v
左肘Lelbow_x, Lelbow_y, Lelbow_x
右肘Relbow_x, Relbow_y, Relbow_v
左腕Lwrrst_x, Lwrist_y, Lwrist_v
右腕Rwrist_x, Rwrst_y, Rwrist_v
左髋Lhip_x, Lhip_y, Lhip_v
右髋Rhip_x, Rhip_y, Rhip_v
左膝Lknee_x, Lknee_y, Lknee_v
右膝Rknee_x, Rknee_y, Rknee_v
左踝Lankle_x, Lankle_y, Lankle_v
右踝Rankle_x, Rankle_y, Rankle_v

类别只有人(0)
关键点 [*_x, *_y, *_v] 表示该点的位置(x, y)以及可见性(v)
v=0(not label);v=1(labeled not_visible);v=2(labeled visible)
标注结果按照yolo格式存储,目标框和坐标需要分别除以图像的高宽

2 标注软件

coco-annotator标注软件需要使用docker-compose进行安装,windows用户可以使用WSL先安装ubuntu,然后再安装docker,最后安装coco-annotator

2.1 进入coco-annotator

  1. docker-compose up
  2. 浏览器输入:http://localhost:5000
  3. 注册用户
  4. 登录用户在这里插入图片描述
    在这里插入图片描述

2.2 创建类别标签

在这里插入图片描述
在这里插入图片描述

关键点为上述的17个关键点,并可以根据图中的方式添加关键点之间的连接

2.3 创建数据集

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在创建数据集时记得将之前创建的标签导入,最后会在coco-annotator目录下的dataset生成对应的数据集文件夹,且进入数据集图片为空

2.4 导入数据

将需要标注的数据导入到相应目录下,我的目录是:
在这里插入图片描述

windows用户可通过Mobaxterm进行数据传输,他会自动创建安装的WSL连接

在这里插入图片描述

数据传输完成了,刷新网页,如果仍然没有图片可以点击scan进行扫描

2.5 数据标注

在这里插入图片描述
标注界面如图,如果没有红框中的标签信息,返回数据集将创建的标签导入就行
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. 点击+,框出目标人物
  2. 依次标出相应的关键点,创建标签时设置了连接关系的会在标注时体现
  3. 对于不可见的点,可以直接不标注,或者标注后设置可见性,例如图中的左髋设置为labeled not_visible

2.6 导出标注结果

在这里插入图片描述

导出标签有两种方式

  1. 红框:会同时下载所选的图片和标签数据(json),json文件为单张图片的结果
  2. 黄框:会将所有的标签数据合并成一个json文件进行

coco-annotator导出的数据格式:
1、目标框:[x1, y1, w, h]
2、关键点:[x, y, v]
坐标点对应原始图像,如果需要制作成COCO关键点相同格式的数据,需要分别处理成yolo格式

本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号