0

我知道当你在这里提问时应该给出例子，但我真的想不出任何不涉及粘贴大量项目代码的事情，所以我会尽可能地描述这一点.

我正在研究一个涉及使用通过 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所有内容之后，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。）我想获取一个嵌套列表，其中包含以上述方式列出的每个人的关键点帧，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（而不是按帧）的平均置信度组成，在相同的格式如上。

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一次，并将结果列表附加到一个新列表中，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。

4

1 回答 1

0

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

通过假设：

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

稍作修改的代码现在是：

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现在是每个点和权重 c 的序列上平均的 x 位置列表。

于 2018-07-27T12:55:13.883 回答