samples/dnn/openpose.py

   1 # To use Inference Engine backend, specify location of plugins:
   2 # export LD_LIBRARY_PATH=/opt/intel/deeplearning_deploymenttoolkit/deployment_tools/external/mklml_lnx/lib:$LD_LIBRARY_PATH
   3 import cv2 as cv
   4 import numpy as np
   5 import argparse
   6
   7 parser = argparse.ArgumentParser(
   8         description='This script is used to demonstrate OpenPose human pose estimation network '
   9                     'from https://github.com/CMU-Perceptual-Computing-Lab/openpose project using OpenCV. '
  10                     'The sample and model are simplified and could be used for a single person on the frame.')
  11 parser.add_argument('--input', help='Path to image or video. Skip to capture frames from camera')
  12 parser.add_argument('--proto', help='Path to .prototxt')
  13 parser.add_argument('--model', help='Path to .caffemodel')
  14 parser.add_argument('--dataset', help='Specify what kind of model was trained. '
  15                                       'It could be (COCO, MPI) depends on dataset.')
  16 parser.add_argument('--thr', default=0.1, type=float, help='Threshold value for pose parts heat map')
  17 parser.add_argument('--width', default=368, type=int, help='Resize input to specific width.')
  18 parser.add_argument('--height', default=368, type=int, help='Resize input to specific height.')
  19 parser.add_argument('--inf_engine', action='store_true',
  20                     help='Enable Intel Inference Engine computational backend. '
  21                          'Check that plugins folder is in LD_LIBRARY_PATH environment variable')
  22
  23 args = parser.parse_args()
  24
  25 if args.dataset == 'COCO':
  26     BODY_PARTS = { "Nose": 0, "Neck": 1, "RShoulder": 2, "RElbow": 3, "RWrist": 4,
  27                    "LShoulder": 5, "LElbow": 6, "LWrist": 7, "RHip": 8, "RKnee": 9,
  28                    "RAnkle": 10, "LHip": 11, "LKnee": 12, "LAnkle": 13, "REye": 14,
  29                    "LEye": 15, "REar": 16, "LEar": 17, "Background": 18 }
  30
  31     POSE_PAIRS = [ ["Neck", "RShoulder"], ["Neck", "LShoulder"], ["RShoulder", "RElbow"],
  32                    ["RElbow", "RWrist"], ["LShoulder", "LElbow"], ["LElbow", "LWrist"],
  33                    ["Neck", "RHip"], ["RHip", "RKnee"], ["RKnee", "RAnkle"], ["Neck", "LHip"],
  34                    ["LHip", "LKnee"], ["LKnee", "LAnkle"], ["Neck", "Nose"], ["Nose", "REye"],
  35                    ["REye", "REar"], ["Nose", "LEye"], ["LEye", "LEar"] ]
  36 else:
  37     assert(args.dataset == 'MPI')
  38     BODY_PARTS = { "Head": 0, "Neck": 1, "RShoulder": 2, "RElbow": 3, "RWrist": 4,
  39                    "LShoulder": 5, "LElbow": 6, "LWrist": 7, "RHip": 8, "RKnee": 9,
  40                    "RAnkle": 10, "LHip": 11, "LKnee": 12, "LAnkle": 13, "Chest": 14,
  41                    "Background": 15 }
  42
  43     POSE_PAIRS = [ ["Head", "Neck"], ["Neck", "RShoulder"], ["RShoulder", "RElbow"],
  44                    ["RElbow", "RWrist"], ["Neck", "LShoulder"], ["LShoulder", "LElbow"],
  45                    ["LElbow", "LWrist"], ["Neck", "Chest"], ["Chest", "RHip"], ["RHip", "RKnee"],
  46                    ["RKnee", "RAnkle"], ["Chest", "LHip"], ["LHip", "LKnee"], ["LKnee", "LAnkle"] ]
  47
  48 inWidth = args.width
  49 inHeight = args.height
  50
  51 net = cv.dnn.readNetFromCaffe(args.proto, args.model)
  52 if args.inf_engine:
  53     net.setPreferableBackend(cv.dnn.DNN_BACKEND_INFERENCE_ENGINE)
  54
  55 cap = cv.VideoCapture(args.input if args.input else 0)
  56
  57 while cv.waitKey(1) < 0:
  58     hasFrame, frame = cap.read()
  59     if not hasFrame:
  60         cv.waitKey()
  61         break
  62
  63     frameWidth = frame.shape[1]
  64     frameHeight = frame.shape[0]
  65     inp = cv.dnn.blobFromImage(frame, 1.0 / 255, (inWidth, inHeight),
  66                               (0, 0, 0), swapRB=False, crop=False)
  67     net.setInput(inp)
  68     out = net.forward()
  69
  70     assert(len(BODY_PARTS) == out.shape[1])
  71
  72     points = []
  73     for i in range(len(BODY_PARTS)):
  74         # Slice heatmap of corresponging body's part.
  75         heatMap = out[0, i, :, :]
  76
  77         # Originally, we try to find all the local maximums. To simplify a sample
  78         # we just find a global one. However only a single pose at the same time
  79         # could be detected this way.
  80         _, conf, _, point = cv.minMaxLoc(heatMap)
  81         x = (frameWidth * point[0]) / out.shape[3]
  82         y = (frameHeight * point[1]) / out.shape[2]
  83
  84         # Add a point if it's confidence is higher than threshold.
  85         points.append((int(x), int(y)) if conf > args.thr else None)
  86
  87     for pair in POSE_PAIRS:
  88         partFrom = pair[0]
  89         partTo = pair[1]
  90         assert(partFrom in BODY_PARTS)
  91         assert(partTo in BODY_PARTS)
  92
  93         idFrom = BODY_PARTS[partFrom]
  94         idTo = BODY_PARTS[partTo]
  95
  96         if points[idFrom] and points[idTo]:
  97             cv.line(frame, points[idFrom], points[idTo], (0, 255, 0), 3)
  98             cv.ellipse(frame, points[idFrom], (3, 3), 0, 0, 360, (0, 0, 255), cv.FILLED)
  99             cv.ellipse(frame, points[idTo], (3, 3), 0, 0, 360, (0, 0, 255), cv.FILLED)
 100
 101     t, _ = net.getPerfProfile()
 102     freq = cv.getTickFrequency() / 1000
 103     cv.putText(frame, '%.2fms' % (t / freq), (10, 20), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))
 104
 105     cv.imshow('OpenPose using OpenCV', frame)