keypoints
最后更新
depthai_nodes.node.parsers.keypoints类
KeypointParser
注意
发出
dai.beta.Keypoints 消息。输出包含 2D 或 3D 关键点。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):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:head_config(dict[str, Any]): 解析器的头部配置。
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:注意
使用 depthai_nodes.node.parsers.utils.keypoints.compute_keypoints;有关张量布局和验证详细信息,请参阅该帮助程序。
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。
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):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: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。
np.ndarray: 反量化的 float32 关键点张量。
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):setEdges
Python
1def setEdges(edges: list[tuple[int, int]]):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]):label_names(list[str]): 关键点的标签名称列表。
setNumKeypoints
Python
1def setNumKeypoints(n_keypoints: int):n_keypoints(int): 关键点数量。
setOutputLayerName
Python
1def setOutputLayerName(output_layer_name: str):output_layer_name(str): 输出层的名称。
setScaleFactor
Python
1def setScaleFactor(scale_factor: float):scale_factor(float): 用于除关键点的比例因子。
setScoreThreshold
Python
1def setScoreThreshold(threshold: float):threshold(float): 检测到的关键点的置信度分数阈值。
属性
edges
[(0, 1), (1, 2)] 将关键点 0 连接到 1,将 1 连接到 2。