yoga pose detection correction

Proyecto de detección de poses y corrección de yoga

Agregar nuevas poses

Preferiblemente las imágenes deben ser jpg/jpeg y los nombres de las imágenes deben ser [number].jpg .

1. Cree un nuevo directorio en ./poses_dataset/Images (el nombre puede ser cualquier cosa, pero recomiendo usar el nombre de la pose) y llenarlo con las imágenes de pose.
2. Cree otro directorio en ./poses_dataset/angles (el nombre de la carpeta debe ser el mismo que se usó en el Paso 1) y coloque una imagen de la pose. La imagen en este directorio se utilizará como ángulos de pose "buenos" (la pose debe ser perfecta), como en, durante la detección en vivo, la pose del usuario se comparará con esta pose para hacer recomendaciones.
3. Ejecutar create_poses_csv.ipynb en el env de virtual. Esto creará un archivo llamado https://github.com/bourbonbourbon/yoga-pose-detection-Correction/blob/main/create_poses_csv.ipynb?short_path=1#l120 (puede nombrarlo lo que sea) que tiene todos los valores X, y, z y visibilidad de todos los puntos landremarios deseados de todos los poses en el ./poses_dataset/Images directorio. El valor de la columna Pose en el archivo CSV generado será un entero.
4. Luego ejecute create_angles_csv.ipynb . Esto creará otro CSV llamado https://github.com/bourbonbourbon/yoga-pose-detection-Correction/blob/main/create_angles_csv.ipynb?short_path=1#l104 Tendrá los ángulos de pose 'conocidos'.
5. Luego ejecute rfc_model.ipynb que usa el CSV generado en el paso 3 como el archivo de entrada para entrenar/probar los datos sobre. Luego creará un archivo .model llamado https://github.com/bourbonbourbon/yoga-pose-detection-Correction/blob/main/rfc_model.ipynb?short_path=1#l44
6. Cambie estas variables en live_detection.py https://github.com/bourbonbourbon/yoga-pose-detection-Correction/blob/main/live_detection.py#l106 https://github.com/bourbonbourbon/yoga-pose-detection-crection/blob/main/live_detection.py.108 4 y 5.
7. Finalmente cambie este diccionario para que coincida con los nombres de pose que desee. https://github.com/bourbonbourbon/yoga-pose-detection-crection/blob/main/live_detection.py#l26

Notas: consulte https://github.com/bourbonbourbon/yoga-pose-detection-Correction/tree/1c9a4e50c00be9a8b677632901e6b8b0c459b6f4 para la estructura del proyecto.

Configuración

1. Crea un entorno virtual de Python.
2. Activar el venv.
3. Instale todas las bibliotecas de requirements.txt usando pip install -r requirements.txt .
4. Conecte una cámara.
5. Ejecute el comando python live_detection.py .
6. Párate en una habitación bien iluminada.
7. Párate de manera tal que estés completamente en el marco.