此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • KeypointParser
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.keypoints

类

KeypointParser

用于 2D 或 3D 关键点模型的解析器类。它需要一个包含关键点的输出层。必须指定关键点的数量。此外,如果提供了比例因子,关键点将按比例因子进行归一化。引发
  • ValueError: 如果未指定关键点数量。
  • ValueError: 如果每个关键点的坐标数量不是 2 或 3。
  • ValueError: 如果输出层数量不是 1。

方法

init
Python
1def __init__(output_layer_name: str = '', scale_factor: float = 1.0, n_keypoints: int = None, score_threshold: float = None, label_names: list[str] | None = None, edges: list[list[int]] | None = None):
初始化解析器节点。参数
  • output_layer_name (str): 与解析器相关的输出层名称。
  • scale_factor (float): 用于除关键点的比例因子。
  • n_keypoints (int): 关键点数量。
  • score_threshold (float): 存储在解析器配置中的可选置信度阈值。
  • label_names (list[str] | None): 关键点的标签名称。
  • edges (list[list[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]) -> KeypointParser:
配置解析器。参数
  • head_config (dict[str, Any]): 解析器的头部配置。
返回
  • KeypointParser: 设置了头部配置的解析器对象。
compute
Python
1def compute(keypoints: np.ndarray, *, n_keypoints: int, scale_factor: float = 1.0) -> np.ndarray:
从提取的张量计算解析器结果,而无需发送消息。参数
  • keypoints (np.ndarray): 模型关键点张量。
  • n_keypoints (int): 每个预测编码的关键点数量。
  • scale_factor (float): 用于将模型坐标转换为归一化坐标的非零除数。
返回
  • np.ndarray: 形状为 (n_keypoints, 2) 或 (n_keypoints, 3) 的 float32 坐标,除以 scale_factor 并裁剪到 [0, 1]。
emit
Python
1def emit(output: dai.NNData, keypoints: 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转换。参数
  • output (dai.NNData): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
  • keypoints (np.ndarray): compute() 返回的归一化关键点坐标。
extract
Python
1def extract(output: dai.NNData) -> np.ndarray:
选择并反量化解析所需的模型张量。参数
  • output (dai.NNData): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
返回
  • np.ndarray: 反量化的 float32 关键点张量。
引发
  • 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。
setEdges
Python
1def setEdges(edges: list[tuple[int, int]]):
设置关键点的边缘。参数
  • edges (list[tuple[int, int]]): 关键点的边缘列表。示例:[(0,1), (1,2), (2,3), (3,0)] 表示关键点 0 连接到关键点 1,关键点 1 连接到关键点 2,依此类推。
setLabelNames
Python
1def setLabelNames(label_names: list[str]):
设置关键点的标签名称。参数
  • label_names (list[str]): 关键点的标签名称列表。
setNumKeypoints
Python
1def setNumKeypoints(n_keypoints: int):
设置关键点数量。参数
  • n_keypoints (int): 关键点数量。
setOutputLayerName
Python
1def setOutputLayerName(output_layer_name: str):
设置输出层的名称。参数
  • output_layer_name (str): 输出层的名称。
setScaleFactor
Python
1def setScaleFactor(scale_factor: float):
设置用于除关键点的比例因子。参数
  • scale_factor (float): 用于除关键点的比例因子。
setScoreThreshold
Python
1def setScoreThreshold(threshold: float):
设置检测到的身体关键点的置信度分数阈值。参数
  • threshold (float): 检测到的关键点的置信度分数阈值。

属性

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。
n_keypoints
模型检测到的关键点数量。
output_layer_name
与解析器相关的输出层名称。
scale_factor
用于除关键点的比例因子。
score_threshold
检测到的关键点的置信度分数阈值。