yoga pose detection correction

Yoga Pose Detecção e Correção do Projeto

Adicionando novas poses

De preferência, as imagens devem ser JPG/JPEG e os nomes de imagens devem ser [number].jpg .

1. Crie um novo diretório em ./poses_dataset/Images (o nome pode ser qualquer coisa, mas eu recomendo usar o nome da pose) e preenchê -lo com as imagens de pose.
2. Crie outro diretório em ./poses_dataset/angles (o nome da pasta deve ser o mesmo que foi usado na etapa 1) e colocar uma imagem da pose. A imagem neste diretório será usada como um ângulos de pose 'bem conhecido' (a pose deve ser perfeita), pois, durante a detecção ao vivo, a pose do usuário será comparada com essa pose para fazer recomendações.
3. Execute create_poses_csv.ipynb no Env virtual. Isso criará um arquivo chamado https://github.com/bourbonbourbon/yoga-pose-detection-correction/blob/main/create_poses_csv.ipynb?short_path=1#l120 (você pode nomeá-lo), que tem todos os valores X, Z e visibilidade de todos os pontos de vista desejado de todos os pontos de referência de todos os pontos de todos os pontos de vista x, y, e z e visibilidade de todos os todos os desejados de todos os pontos de referência de todos os pontos de referência de todos os pontos de referência de todos os pontos de vista X, e os de todos os pontos de vista de todos os pontos de ./poses_dataset/Images os pontos. O valor da coluna de pose no arquivo CSV gerado será um número inteiro.
4. Em seguida, execute create_angles_csv.ipynb . Isso criará outro CSV chamado https://github.com/bourbonbourbon/yoga-pose-detection-correction/blob/main/create_angles_csv.ipynb?short_path=1#l104, terá os ângulos 'bem conhecidos'.
5. Em seguida, execute rfc_model.ipynb , que usa o CSV gerado na etapa 3 como o arquivo de entrada para treinar/testar os dados. Em seguida, criará um arquivo .model chamado https://github.com/bourbonbourbon/yoga-pose-detection-correction/blob/main/rfc_model.ipynb?short_path=1#l44
6. Altere essas variáveis ​​em live_detection.py https://github.com/bourbonbourbon/yoga-pose-detection-correction/blob/main/live_detection.py#l106 https://github.com/bourbonbourbon/yoga-sose-drection-corrensectionl/tertionling/bourbonbourbon/yoga-sose-demectionl--corrensectionl/broingling/bourbonbourbon/yoga-sose-demectionl--corrensection/bourbonbourbon/yoga-sose-d. 4 e 5.
7. Finalmente, mude este dicionário para corresponder aos nomes da pose que você quiser. https://github.com/bourbonbourbon/yoga-pose-detection-correction/blob/main/live_detection.py#l26

Notas: Consulte https://github.com/bourbonbourbon/yoga-pose-detection-correction/tree/1c9a4e50c00be9a8b677632901e6b8b0c459b6f4 Para a estrutura do projeto.

Configurar

1. Crie um ambiente virtual em Python.
2. Ative o Venv.
3. Instale todas as bibliotecas do requirements.txt usando pip install -r requirements.txt .
4. Conecte uma câmera.
5. Execute o comando python live_detection.py .
6. Fique em uma sala bem iluminada.
7. Fique de uma maneira que você esteja completamente em quadro.