飞桨PaddleHub实现皮影戏_飞浆hub-CSDN博客

本文链接：https://blog.csdn.net/weixin_43916552/article/details/116465010

本文介绍了如何利用PaddleHub的人体骨骼关键点检测预训练模型，结合AI技术重现皮影戏的艺术魅力。通过PaddleHub的便利性，可以快速进行模型预测和迁移学习，实现传统与现代科技的融合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目背景来源：https://blog.csdn.net/weixin_45449540/article/details/109127164?utm_source=app&app_version=4.6.1

领略千年皮影戏魅力，传承正在消失的艺术。皮影戏的神奇，在于小小皮影在指尖上飞舞，时而刀光剑影、时而策马扬鞭、时而缠绵悱恻，千军万马是他，单打独斗也是他。皮影戏可谓是闻名中外，它是把光影声色做到极致的一门古老艺术。
先辈门通过手艺演绎着皮影戏，随着人工智能的浪潮，我们同样也可以通过AI方式来实现皮影戏的效果。通过PaddleHub提供的人体骨骼关键点检测预训练模型，我们就可以快速实现皮影戏的效果。

PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。

一、安装依赖包和模型

! hub install human_pose_estimation_resnet50_mpii==1.1.

在这里插入图片描述
执行以下命令安装

python -m pip install paddlepaddle==2.0.2 -i https://mirror.baidu.com/pypi/simple

安装PaddleHub

pip install PaddleHub

二、python源码测试

import paddlehub as hub
# coding=utf-8


pose_estimation = hub.Module(name="human_pose_estimation_resnet50_mpii")
pose_estimation.keypoint_detection(paths=['photo/1.jpg'], visualization=True, output_dir="work/output_pose/")



def get_true_angel(value):

    return value/np.pi*180

def get_angle(x1, y1, x2, y2):

    dx = abs(x1- x2)
    dy = abs(y1- y2)
    result_angele = 0
    if x1 == x2:
        if y1 > y2:
            result_angele = 180
    else:
        if y1!=y2:
            the_angle = int(get_true_angel(np.arctan(dx/dy)))
        if x1 < x2:
            if y1>y2:
                result_angele = -(180 - the_angle)
            elif y1<y2:
                result_angele = -the_angle
            elif y1==y2:
                result_angele = -90
        elif x1 > x2:
            if y1>y2:
                result_angele = 180 - the_angle
            elif y1<y2:
                result_angele = the_angle
            elif y1==y2:
                result_angele = 90

    if result_angele<0:
        result_angele = 360 + result_angele
    return result_angele

def rotate_bound(image, angle, key_point_y):

    (h,w) = image.shape[:2]
    #旋转中心
    (cx,cy) = (w/2,h/2)
    # 关键点坐标
    (kx,ky) = cx, key_point_y
    d = abs(ky - cy)
    #设置旋转矩阵
    M = cv2.getRotationMatrix2D((cx,cy), -angle, 1.0)
    cos = np.abs(M[0,0])
    sin = np.abs(M[0,1])
    # 计算图像旋转后的新边界
    nW = int((h*sin)+(w*cos))
    nH = int((h*cos)+(w*sin))
    # 计算旋转后的相对位移
    move_x = nW/2 + np.sin(angle/180*np.pi)*d
    move_y = nH/2 - np.cos(angle/180*np.pi)*d
    # 调整旋转矩阵的移动距离（t_{x}, t_{y}）
    M[0,2] += (nW/2) - cx
    M[1,2] += (nH/2) - cy
    return cv2.warpAffine(image,M,(nW,nH)), int(move_x), int(move_y)

def get_distences(x1, y1, x2, y2):

    retu