一套针对人体姿态估计的在视频上的关键点标注流程

最近我们项目需要标注数据集的人体关键点，所以我们开发了一套标注的简单流程，这里来记录一下。

因为关键点太多，不可能人为的取标注很多东西，所以我们要借助现有的算法先计算在矫正。

一、标注工具 LabelMe

项目地址： https://github.com/wkentaro/labelme

安装： 建议在python3环境下运行，python2我自己未测试过，具体的相关的可以到项目地址看

1.创建虚拟环境

conda create -n labelme python=3.6

2.激活环境

source activate labelme

3.安装labelme

pip install labelme

使用：

激活虚拟环境后，输入 labelme 打开软件

二、数据标注流程

1. 用写好的脚本把视频拆分成单帧；
2. 用OpenPose跑出所有的图片的帧（或者OpenPose直接在视频上跑）,会得到每张图片的关键点的一个json文件；
3. 用我们写好的脚本把json转换成labelme格式的json;
4. 用labelme打开文件夹进行标注
5. 标注完成后在执行一次脚本，补充删除得点

labelme之后的标注流程可以参考下面的gif动图：

---

目前这套流程已经开始测试使用。

关于上面提到的脚本，我回头都会集成到实用工具类下面，或者会单独一个labelme的项目上传到github。

三、标注指南

一、关键点位置

Body

Hand

• 手的坐标用原来的21个太多了，人也看不清楚，所以选取了其中11个点(手指尖、手心)，需要矫正

---

二、标注相关

1.遮挡问题

如果遇到手部遮挡，这样人也是标不出来的，所以直接删除被遮挡的手关节，(身体关节被遮挡、出画后如果检测不出来是(0,0)坐标，这时候就不用管)一个个点的删除比较慢，如果需要批量删除，可以如下操作：（动图pdf无法播放，会在群里再发一份）

注意： 所有的左上角(0,0)的点都可以不用去考虑

其中，如果没有polygon Labels这个控制框，可以再view菜单下调出来

2.运动模糊问题

碰到人的手很模糊，人眼都很难分辨出来，手的点又比较大，这时候标注会很困难，碰到这种情况，直接保留手的关键点，可以跳过手的标注。例如下图：

附加：服务器与本地同步

关于服务器与本地同步很慢的问题，可以在服务器使用百度云即可。