目錄
工具展示和使用說明
工具標注后文件展示說明
json轉換成單個npy文件
數據獲取補充
工具展示和使用說明
文件名labelV.py集于PySide6實現：
?
通過選擇視頻來選擇你要標注的視頻，然后選擇保存路徑：
然后視頻兩個類別。當你看見視頻中的人跳繩開始時，按鍵盤1或者點擊來標記開始幀號，按鍵盤左右鍵調轉上下幀，按e結束標記（這里我每一百幀標記一次）。
工具標注后文件展示說明
{"segments": [[36,140,1],[141,243,1],[255,360,1],[370,476,1],[477,590,1],[591,693,1],[706,776,1]]
}保存后會得到這樣一個json文件，這里每一個列表中的內容分別代表開始事件幀數，結束事件幀數，事件類別。
json轉換成單個npy文件
代碼名jsonNpy.py,我這里用的時yolov8-pose模型，
def process_segment(video_path, start, end, label, output_name):cap = cv2.VideoCapture(video_path)T = end - start + 1skeleton = np.zeros((2, T, 17, 1), dtype=np.float32)valid = Truefor i, frame_idx in enumerate(range(start, end + 1)):cap.set(cv2.CAP_PROP_POS_FRAMES, frame_idx)ret, frame = cap.read()if not ret:print(f"[!] 無法讀取幀 {frame_idx} in {video_path}")valid = Falsebreakkeypoints = extract_keypoints(frame)if keypoints is None or keypoints.shape != (17, 2):print(f"[!] 關鍵點提取失敗 at frame {frame_idx}")valid = Falsebreakfor v in range(17):skeleton[0, i, v, 0] = keypoints[v][0]skeleton[1, i, v, 0] = keypoints[v][1]cap.release()if valid:out_path = os.path.join(OUTPUT_DIR, output_name)np.save(out_path, skeleton)label_list.append({"sample_name": output_name,"label": label})else:print(f"[?] 放棄片段: {start}-{end} in {video_path}")通過opencv讀取視頻幀再根據標注文件json中的信息完成保存成npy文件，數組形狀[2, T, 17, 1]，2代表存儲的關鍵點的x和y坐標，T代表幀數，這里我選擇的是100，17代表關鍵點數量是17（這里根據你選擇的模型來，比如openpose的話這里就是18）。1代表一個人。同時保存一個總的json文件，來記錄每一個npy的類別：
{"sample_name": "nojump_output_0189.npy","label": 0},{"sample_name": "nojump_output_0190.npy","label": 0},{"sample_name": "nojump_output_0191.npy","label": 0},數據獲取補充
鑒于自己標準視頻實在是費時費力，本文提供了一個腳本autoLabel.py，
def main():# 加載現有 label.json（如果存在）label_list = []if os.path.exists(LABEL_JSON):with open(LABEL_JSON, "r") as f:label_list = json.load(f)# 處理 label1 文件夾（跳繩，類別 1）for video_file in os.listdir(LABEL1_DIR):if video_file.endswith((".mp4", ".avi", ".mov")):video_path = os.path.join(LABEL1_DIR, video_file)sample_prefix = f"jump_{Path(video_file).stem}"new_samples = extract_skeleton_from_video(video_path, label=1, output_dir=OUTPUT_DIR,sample_prefix=sample_prefix)label_list.extend(new_samples)# 處理 label0 文件夾（非跳繩，類別 0）for video_file in os.listdir(LABEL0_DIR):if video_file.endswith((".mp4", ".avi", ".mov")):video_path = os.path.join(LABEL0_DIR, video_file)sample_prefix = f"nojump_{Path(video_file).stem}"new_samples = extract_skeleton_from_video(video_path, label=0, output_dir=OUTPUT_DIR,sample_prefix=sample_prefix)label_list.extend(new_samples)# 保存 label.jsonwith open(LABEL_JSON, "w") as f:json.dump(label_list, f, indent=4)print(f"[?] 骨架數據提取完成，保存到 {OUTPUT_DIR}，標簽更新到 {LABEL_JSON}")print(f"總樣本數: {len(label_list)}")你可以將跳繩視頻和非跳繩視頻分別放到兩個文件夾中，配置好相關信息，然后會自動幫你生成npy文件。
后續更新數據匯總和預處理
)