姿势关键点 numpy 平均

Question

我知道你在这里提问时应该举例说明，但我真的想不出任何不涉及粘贴大量项目代码的事情，所以我将尝试将其描述为尽可能好。

我正在做一个涉及使用 OpenPose 生成的关键点的项目（在我对它们进行了一些预处理以简化一切之后，我想出了如下格式的数据：[x0, y0, c0, x1, y1, c1...]，总共有 18 个点，x 和 y 代表它们的坐标，而 c 代表置信度。）我想要一个嵌套列表，其中包含上面列出的单个人的关键点方式，并输出一个新的嵌套列表列表，由加权平均 x 和 y（权重将是每个点的置信度值）以及每秒的平均置信度（而不是按帧）组成，格式同上。

我已经将原始列表转换为 3 维列表，每一秒都保存它的每个帧，每个帧都保存它的关键点列表。我知道我可以自己编写代码来完成所有这些，而无需使用 numpy.average()，但我希望我不必这样做，因为它很快就会变得混乱。相反，我想知道是否有一种方法可以以相当简单的方式使用所述方法每秒迭代，并将结果列表附加到新列表中，如下所示：

out = []
for second in lst:
  out.append(average(second, axis=1, weights=?, other params?))

再次，我很抱歉没有给出某种例子。

Answer 1

也许你可以从这段代码中得到一些启发：

import numpy as np

def pose_average(sequence):
    x, y, c = sequence[0::3], sequence[1::3], sequence[2::3]
    x_avg = np.average(x, weights=c)
    y_avg = np.average(y, weights=c)
    return x_avg, y_avg

sequence = [2, 4, 1, 5, 6, 3, 5, 2, 1]
pose_average(sequence)
>>> (4.4, 4.8)

对于多个分组姿势序列：

data = [[1, 2, 3, 2, 3, 4, 3, 4, 5], [1, 2, 3, 4, 5, 6, 7, 8, 9], [4, 1, 2, 5, 3, 3, 4, 1, 2]]

out = [ pose_average(seq) for seq in data ]
out
>>> [(2.1666666666666665, 3.1666666666666665),
(5.0, 6.0),
(4.428571428571429, 1.8571428571428572)]

编辑

假设：

• 数据是一个序列列表
• 序列是一组姿势分组（例如按秒分组）
• 姿势是连接位置的坐标：[x1, y1, c1, x2, y2, c2, ...]

稍微修改的代码现在是：

import numpy as np

data = [
        [[1, 2, 3, 2, 3, 4, 3, 4, 5], [9, 2, 3, 4, 5, 6, 7, 8, 9], [4, 1, 2, 5, 3, 3, 4, 1, 2], [5, 3, 4, 1, 10, 6, 5, 0, 0]],
        [[6, 9, 11, 0, 8, 6, 1, 5, 11], [3, 5, 4, 2, 0, 2, 0, 8, 8], [1, 5, 9, 5, 1, 0, 6, 6, 6]],
        [[9, 4, 7, 0, 2, 1], [9, 4, 7, 0, 2, 1], [9, 4, 7, 0, 2, 1]]
        ]


def pose_average(sequence):
    sequence = np.asarray(sequence)
    x, y, c = sequence[:, 0::3], sequence[:, 1::3], sequence[:, 2::3]
    x_avg = np.average(x, weights=c, axis=0)
    y_avg = np.average(y, weights=c, axis=0)
    return x_avg, y_avg

out = [ pose_average(seq) for seq in data ]
out
>>> [(array([4.83333333, 2.78947368, 5.375     ]),
array([2.16666667, 5.84210526, 5.875     ])),
(array([3.625, 0.5  , 1.88 ]), array([6.83333333, 6.        , 6.2   ])),
(array([9., 0.]), array([4., 2.]))]

x_avg 现在是 x 位置的列表，每个点在序列上平均，权重为 c。