$ hub install hand_pose_localization==1.1.0

hand_pose_localization

模型名称	hand_pose_localization
类别	图像-关键点检测
网络
数据集	MPII, NZSL
是否支持Fine-tuning	否
模型大小	130M
最新更新日期	2021-06-02
数据指标

一、模型基本信息

• 应用效果展示

- ### 模型介绍 - openpose 手部关键点检测模型。更多详情请参考：[openpose开源项目](https://github.com/CMU-Perceptual-Computing-Lab/openpose)

二、安装

• 1、环境依赖

  • paddlepaddle >= 2.0.0

  • paddlehub >= 2.0.0

• 2、安装

  • $ hub install hand_pose_localization

三、模型API预测

• 本模型不支持命令行预测

• 1、预测代码示例

  • import cv2
    import paddlehub as hub
    
    # use_gpu：是否使用GPU进行预测
    model = hub.Module(name='hand_pose_localization', use_gpu=False)
    
    # 调用关键点检测API
    result = model.keypoint_detection(images=[cv2.imread('/PATH/TO/IMAGE')])
    # or
    # result = model.keypoint_detection(paths=['/PATH/TO/IMAGE'])
    
    # 打印预测结果
    print(result)

• 2、API

  • def keypoint_detection(images=None,
                           paths=None,
                           batch_size=1,
                           output_dir='output',
                           visualization=False)：

    • 预测API，识别出人体手部关键点。
    • 参数
      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C], 默认设为 None；
      • paths (list[str]): 图片的路径, 默认设为 None；
      • batch_size (int): batch 的大小，默认设为 1；
      • visualization (bool): 是否将识别结果保存为图片文件，默认设为 False；
      • output_dir (str): 图片的保存路径，默认设为 output。
    • 返回
      • res (list[list[list[int]]]): 每张图片识别到的21个手部关键点组成的列表，每个关键点的格式为[x, y]，若有关键点未识别到则为None

四、服务部署

• PaddleHub Serving可以部署一个在线人体手部关键点检测服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

  • $ hub serving start -m hand_pose_localization -p 8866

  • 这样就完成了一个人体手部关键点检测的在线服务API的部署，默认端口号为8866。

  • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

• 第二步：发送预测请求

  • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

  • import requests
    import json
    import cv2
    import base64
    
    # 图片Base64编码函数
    def cv2_to_base64(image):
        data = cv2.imencode('.jpg', image)[1]
        return base64.b64encode(data.tostring()).decode('utf8')
    
    # 发送HTTP请求
    data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
    headers = {"Content-type": "application/json"}
    url = "http://127.0.0.1:8866/predict/hand_pose_localization"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    
    # 打印预测结果
    print(r.json()["results"])

五、更新历史

• 1.0.0

  初始发布

• 1.0.1

  适配paddlehub 2.0

• 1.1.0

  更新代码格式