yoga pose detection correction

Projet du collège de détection et de correction de la pose de yoga

Ajout de nouvelles poses

De préférence, les images doivent être JPG / JPEG et les noms d'image doivent être [number].jpg .

1. Créez un nouveau répertoire dans ./poses_dataset/Images (le nom peut être n'importe quoi, mais je recommande d'utiliser le nom de la pose) et de le remplir avec les images de pose.
2. Créez un autre répertoire dans ./poses_dataset/angles (le nom du dossier doit être le même que ce qui a été utilisé à l'étape 1) et mettre une image de la pose. L'image de ce répertoire sera utilisée comme des angles de pose `` bien connus '' (la pose devrait être parfaite), car dans la détection en direct, la pose de l'utilisateur sera comparée à cette pose pour faire des recommandations.
3. Exécutez create_poses_csv.ipynb dans l'env. Cela créera un fichier nommé https://github.com/bourbonbourbon/yoga-pose-tection-correction/blob/main/create_poses_csv.ipynb?short_path=1#l120 (vous pouvez le nommer) qui a toutes les poses x, y, z, et les valeurs de visibilité de tous les points de la marque de terre désincarnée de tous les poses dans le ./poses_dataset/Images annuaire. La valeur de colonne de pose dans le fichier CSV généré sera un entier.
4. Ensuite, exécutez create_angles_csv.ipynb . Cela créera un autre CSV nommé https://github.com/bourbonbourbon/yoga-pose-dection-correction/blob/main/create_angles_csv.ipynb?short_path=1#l104 Il aura les angles de pose `` bien connus ''.
5. Exécutez ensuite rfc_model.ipynb qui utilise le CSV généré à l'étape 3 comme fichier d'entrée pour former / tester les données. Il créera ensuite un fichier .model nommé https://github.com/bourbonbourbon/yoga-pose-tection-correction/blob/main/rfc_model.ipynb?short_path=1#l44
6. Modifiez ces variables dans live_detection.py https://github.com/bourbonbourbon/yoga-pose-tection-correction/blob/main/live_detection.py#l106 https://github.com/bourbonbourbon/yoga-pose-tection-correction/blob/main/live_detection.py#l108 à ce que vous avez créé dans un pas de scédé dans le pas dans le pas dans le pas de pas dans le pas de scénario 4 et 5.
7. Enfin, changez ce dictionnaire pour correspondre aux noms de pose que vous voulez. https://github.com/bourbonbourbon/yoga-pose-dection-correction/blob/main/live_detection.py#l26

Remarques: Reportez-vous à https://github.com/bourbonbourbon/yoga-pose-tection-correction/tree/1c9a4e50c00be9a8b67632901e6b8b0c459b6f4 pour la structure du projet.

Installation

1. Créez un environnement virtuel Python.
2. Activez le Venv.
3. Installez toutes les bibliothèques à partir requirements.txt à l'aide de pip install -r requirements.txt .
4. Branchez une caméra.
5. Exécutez la commande python live_detection.py .
6. Tenez-vous dans une pièce bien éclairée.
7. Tenez-vous d'une manière telle que vous soyez complètement dans le cadre.