yoga pose detection correction

Yoga Pose Detection and Correction College Project

Neue Posen hinzufügen

Vorzugsweise sollten die Bilder JPG/JPEG sein und die Bildnamen sollten [number].jpg sein.

1. Erstellen Sie ein neues Verzeichnis in ./poses_dataset/Images (der Name kann alles sein, aber ich empfehle, den Namen der Pose zu verwenden) und bevölkern Sie es mit den Pose -Bildern.
2. Erstellen Sie ein anderes Verzeichnis in ./poses_dataset/angles (Ordnername sollte übereinstimmen wie in Schritt 1) ​​und geben Sie ein Bild der Pose ein. Das Bild in diesem Verzeichnis wird als "bekannte gute" Posenwinkel verwendet (die Pose sollte perfekt sein), wie bei der Live -Erkennung wird die Pose des Benutzers mit dieser Pose verglichen, um Empfehlungen zu erhalten.
3. Run create_poses_csv.ipynb im virtuellen Env. Dies erstellt eine Datei mit dem Namen https://github.com/bourbonbourbon/yoga-pose-dection-correction/blob/main/create_poses_csv.ipynb?short_path=1#l120 (Sie können es auch immer nennen), die alle zu den gewünschten Landmark-Punkten aller zu den gewünschten Landmark-Punkten haben ./poses_dataset/Images Der Pose -Spaltenwert in der generierten CSV -Datei ist eine Ganzzahl.
4. Rennen Sie dann create_angles_csv.ipynb . Dadurch wird ein weiterer CSV namens https://github.com/bourbonbourbon/yoga-pose-dektection-correction/blob/main/create_angles_csv.ipynb?short_path=1#l104 IT die "bekannten guten" -Pose-Winkel haben.
5. Führen Sie dann rfc_model.ipynb aus, das den in Schritt 3 generierten CSV als Eingabedatei zum Training/Testen der Daten verwendet. Anschließend wird eine .model -Datei namens https://github.com/bourbonbourbon/yoga-pose-dection-correction/blob/main/rfc_model.ipynb?short_path=1#l44 erstellt
6. Ändern Sie diese Variablen in live_detection.py https://github.com/bourbonbourbon/yoga-pose-dection-crection/blob/main/live_detction.py#l106 https://github.com/bourbourbon/yoga-pose-dection-correction/blob/main/matrektion.pose-dection-correction/blob/main/matrektion- Erstellt in den Schritten 4 und 5.
7. Ändern Sie schließlich dieses Wörterbuch so, dass sie den gewünschten Pose -Namen übereinstimmen. https://github.com/bourbonbourbon/yoga-pose-dection-correction/blob/main/live_detction.py#l26

Hinweise: Siehe https://github.com/bourbonbourbon/yoga-pose-detction-correction/tree/1c9a4e50c00be9a8b677632901e6b8b0c459b6f4 für die Projektstruktur.

Aufstellen

1. Erstellen Sie eine virtuelle Python -Umgebung.
2. Aktivieren Sie das Gebiet.
3. pip install -r requirements.txt Sie alle Bibliotheken von requirements.txt .
4. Stecken Sie eine Kamera ein.
5. Führen Sie den Befehl python live_detection.py aus.
6. Stehen Sie in einem gut beleuchteten Raum.
7. Stellen Sie sich in eine Weise auf, so dass Sie vollständig im Rahmen sind.