此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • Classes
  • HRNetParser
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包
最后更新
Python API: depthai_nodes.node.parsers.hrnet

Classes

HRNetParser

用于解析 HRNet 姿态估计模型输出的解析器类。代码灵感来源于 https://github.com/ibaiGorordo/ONNX-HRNET-Human-Pose-Estimation。

Methods

init
Python
1def __init__(output_layer_name: str = '', score_threshold: float = 0.5, label_names: list[str] | None = None, edges: list[tuple[int, int]] | None = None):
初始化解析器节点。Parameters
  • output_layer_name (str): 与解析器相关的输出层的名称。
  • score_threshold (float): 检测到的关键点的置信度分数阈值。
  • label_names (list[str] | None): 关键点的标签名称。
  • edges (list[tuple[int, int]] | None): 定义骨架边缘的关键点索引对。例如,[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。
build
Python
1def build(head_config: dict[str, Any]) -> HRNetParser:
配置解析器。Parameters
  • head_config (dict[str, Any]): 解析器的头部配置。
Returns
  • HRNetParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(heatmaps: np.ndarray) -> tuple[np.ndarray, np.ndarray]:
在不发送消息的情况下,从提取的张量计算解析器结果。Parameters
  • heatmaps (np.ndarray): 形状为 (1, keypoints, height, width) 或 (keypoints, height, width) 的热图。当第一个轴的大小为 1 时,该轴将被移除。
Returns
  • tuple[np.ndarray, np.ndarray]: 一对归一化的 (N, 2) XY 坐标和裁剪到 [0, 1] 的 (N,) 峰值分数。
emit
Python
1def emit(output: dai.NNData, keypoints: np.ndarray, scores: np.ndarray):
创建 dai.beta.Keypoints 消息并将其发送到 out。复制源时间戳和序列号,并在存在时携带源图像变换。Parameters
  • output (dai.NNData): 携带张量、源时间戳、序列号和可选图像变换的神经网络输出。
  • keypoints (np.ndarray): compute() 返回的归一化关键点坐标。
  • scores (np.ndarray): 与计算出的有效载荷对应的置信度分数。
extract
Python
1def extract(output: dai.NNData) -> np.ndarray:
选择并反量化解析所需的模型张量。Parameters
  • output (dai.NNData): 携带张量、源时间戳、序列号和可选图像变换的神经网络输出。
Returns
  • np.ndarray: 以 NCHW 存储顺序请求的反量化热图。
Raises
  • ValueError: 如果未配置输出名称且消息不包含恰好一个层,或者未满足配置的类要求。
run
Python
1def run(self):
读取排队的网络输出,解析它们,并在运行时发出结果。管道调用此处理循环。当输入队列关闭或节点停止时,它将退出。
setOutputLayerName
Python
1def setOutputLayerName(output_layer_name: str):
设置输出层的名称。Parameters
  • output_layer_name (str): 输出层的名称。

Attributes

edges
定义骨架边缘的关键点索引对。例如,[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。
label_names
关键点的标签名称。
output_layer_name
与解析器相关的输出层的名称。
score_threshold
检测到的关键点的置信度分数阈值。