2023-08-04 4c98d85ba417b82a3b54ddfaaaf6f618 99+ 4 分钟 0.6 k0次访问

基于 yolov8 的人体姿态评估

对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》

写在前面

工作中遇到，简单整理
博文内容为使用预训练模型的一个预测 Demo
测试图片来源与网络,如有侵权请告知
理解不足小伙伴帮忙指正

对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》

测试结果

请添加图片描述

YOLOv8 是一种高效而准确的目标检测算法，它在 YOLOv4 的基础上进行了改进和优化，提供了更好的性能和推断速度。适用于各种物体检测与跟踪、实例分割、图像分类和姿态估计任务。

同时， YOLOv8 提供了很完善的文档，包括中文文档。

项目地址：

https://github.com/ultralytics/ultralytics

安装很简单

1	pip install ultralytics

ultralytics_demo\examples\demo\demo Demo 文件位置

from ultralytics import YOLO
from PIL import Image
import cv2

model = YOLO("C:\\Users\\liruilong\\.yolo_model\\yolov8x-pose-p6.pt")


# from ndarray
im2 = cv2.imread("Y:\\image8.jpg")

#results = model(im2)  # predict on an image
results = model(im2)


for r in results:
    #im_array = r.plot(kpt_radius=3,labels=False,boxes=False,line_width=1)  # plot a BGR numpy array of predictions
    im_array = r.plot(line_width=2)  # plot a BGR numpy array of predictions
    im_array = Image.fromarray(im_array[..., ::-1])  # RGB PIL image
    im_array.show()  # show image
    im_array.save('results.jpg')  # save image