Openpose⼈体⾻骼、⼿势--静态图像标记及分类（附源码）⽂章⽬录
⼀、背景
我的环境是：Windows10 + python3.7 + anaconda3 + jupyter5.6.0
安装 开源库时，有点费⼒，在前⾯⼀篇⽂章中讲述过，这⾥不再重复；前⽂有模型下载链接。
本次涉及的模型有：hand和pose-coco模型
⼿部：22个关键点（21个⾻骼点，第22个表⽰背景），⾻骼：coco模型18个特征点
前⽂讲述了安装和基本使⽤⽅法，本⽂来将⾻骼和⼿势融合在⼀张图⽚中同时检测并标记。⼆、标记
1.标记⾻骼特征
1）剔除不必要点
上⼀次是基于危险驾驶的探讨：
本次我需要⼿语图像识别，那么这⾥需要标记的上半⾝参考点的关键信息更多了。
图中是我训练时的截图，可以发现⼿语所表达的肢体动作均在上半⾝，所以我们参考点可忽略（点9,10,12,13） 。
(图⽚参考于：中国⼿语数据集以及视频)
2）特征
图像识别，需要以上流程，⽬前我们在（特征提取和选择阶段），提取哪些特征是有价值的特征呢？
⽰例：
1. 危险驾驶判断标准：
1. 抽烟：可以⽤双⼿到⿐的距离来进⾏判断，即点4,7到点0的距离。
2. 接电话：可以计算右⼿到右⽿的距离（左⼿倒左⽿的距离）来进⾏判断，即点4到点16的距离（点7到点17的距离）。
2.
太极姿势分为23式，原作者根据需求提取⼿臂姿势、腿部姿势：
笔记：⼗五组⼈体姿态⾻骼关键点之间的距离作为特征，同时选择
了⼗五组夹⾓作为⾓度特征整合到⼀个数组中去。
为什么需要⾓度作为辅助判断参数呢？
图片下载站源码
仅选择距离判断因素，当⼈离摄像头更远⼀些，⼈就会缩⼩，距离会变短；⼈靠近摄像头，距离会变⼤，距离因素远远不够。
通过引⼊⾓度信息，我们都知道：⼀条直线不能确定其⽅向和⼤⼩，若是⼀个向量（有⽅向有⼤⼩的定点线段），那么这就可以在图像表⽰唯⼀。所以，这⾥是通过⾓度来约束距离。
引⼊⾓度有哪些弊端呢？
出⾃太极⼿势识别：
出⾃太极⼿势识别：
组合特征：距离和⾓度，能够提⾼复杂关系的拟合能⼒，同时由于有些⾓度在某些情况下的值为零值，⽐如 2-3-4（整个⼿臂：⼿，胳膊肘，肩膀之间的夹⾓的余弦值）夹⾓为直⾓的时候余弦值是零值，当 OpenPose 丢失⼀个点⽐如说 4 号位置⼿的信息没有检测出来的时候，返回零值，它的余弦值就和肩膀之间的夹⾓的余弦值）夹⾓为直⾓的时候余弦值相同了，因此仅仅依据距离信息有时候也会对数据训练产⽣⼀定的误导作⽤，所以就按照距离约束⾓度，⾓度约束距离的设计思路设计了独特的太极姿态识别的训练数据。
通过上述的分析，我们暂且提炼出25组关键特征，如图：
现在特征点也规划好了，上代码——在其中连线，圈圈画画，计算长度⾓度。
三、实现
1.获取关键点坐标
主要还是参考前⼀⽂：
前⽂是单独提取⾻骼特征点和⼿势特征点，这⾥对其进⾏⼀个融合，思路是：
1. 传⼊原图像，获取⾻骼的coco模型18特征点
2. ⼿势特征点：通过⾻骼特征点point[4]和point[7]标注出两只⼿⾸的位置，以⼿⾸为中⼼，取⼩臂长范围对图⽚进⾏分割；再别对两个
图⽚进⾏识别。