人體關鍵點檢測1：人體姿勢估計數據集
目錄
人體關鍵點檢測1：人體姿勢估計數據集
1.人體姿態估計
2.人體姿勢估計數據集
（1）COCO數據集
（2）MPII數據集
（3）Human3.6M
（4）關鍵點示意圖
1.人體姿態估計
人體關鍵點檢測（Human Keypoints Detection）又稱為人體姿態估計2D Pose，是計算機視覺中一個相對基礎的任務，是人體動作識別、行為分析、人機交互等的前置任務。一般情況下可以將人體關鍵點檢測細分為單人/多人關鍵點檢測、2D/3D關鍵點檢測，同時有算法在完成關鍵點檢測之后還會進行關鍵點的跟蹤，也被稱為人體姿態跟蹤。
本篇是人體關鍵點檢測(人體姿勢估計)項目系列文章之人體姿勢估計數據集；主要介紹了COCO數據集和MPII數據集。
【尊重原創，轉載請注明出處】https://blog.csdn.net/guyuealian/article/details/134703548
?更多項目《人體關鍵點檢測(人體姿勢估計)》系列文章請參考：
- 人體關鍵點檢測1：人體姿勢估計數據集(含下載鏈接)?https://blog.csdn.net/guyuealian/article/details/134703548
- 人體關鍵點檢測2：Pytorch實現人體關鍵點檢測(人體姿勢估計)含訓練代碼和數據集?https://blog.csdn.net/guyuealian/article/details/134837816
- 人體關鍵點檢測3：Android實現人體關鍵點檢測(人體姿勢估計)含源碼 可實時檢測?https://blog.csdn.net/guyuealian/article/details/134881797
- 人體關鍵點檢測4：C/C++實現人體關鍵點檢測(人體姿勢估計)含源碼 可實時檢測?https://blog.csdn.net/guyuealian/article/details/134881797
2.人體姿勢估計數據集
（1）COCO數據集
下載地址：https://cocodataset.org/#download
COCO人體關鍵點標注，最多標注全身的17個關鍵點，平均一幅圖像2個人，最多有13個人；人體關鍵點標注，每個人體關鍵點個數的分布情況，其中11-15這個范圍的人體是最多的，有接近70000人，6-10其次，超過40000人，后面依次為16-17,2-5,1.
COCO數據集比較大，還請耐心下載?
| 數據集 | 下載鏈接 |
|---|---|
| 2017 Train images? | http://images.cocodataset.org/zips/train2017.zip |
| 2017 Val images | http://images.cocodataset.org/zips/val2017.zip |
| 2017 Test images | http://images.cocodataset.org/zips/test2017.zip |
| 2017 Train/Val annotations? | http://images.cocodataset.org/annotations/annotations_trainval2017.zip |
（2）MPII數據集
下載地址：http://human-pose.mpi-inf.mpg.de/#download
MPII人體關鍵點標注了全身16個關鍵點及其是否可見的信息，人數：train有28821，test有11701，有409種人類活動；使用mat的struct格式；行人框使用center和scale標注，人體尺度關于200像素高度，也就是除過了200。
Images (12.9 GB)
Annotations (12.5 MB)
（3）Human3.6M
下載地址：Human3.6M Dataset
Human3.6M?是一個用于 3D 人體位姿估計研究的大型公開數據集，在?paperswithcode?中可以看到在此數據集上提出的各種?SOTA?算法及模型，是目前基于多視圖的 3D 人體位姿研究最為重要的一個數據集。
（4）關鍵點示意圖
| 數據集 | 關鍵點示意圖 | 關鍵點說明 |
| COCO |  | # 圖像左右翻轉時，成對的關鍵點（訓練時用于數據增強） flip_pairs=[[1, 2], [3, 4], [5, 6], [7, 8],[9, 10], [11, 12], [13, 14], [15, 16]] # 關鍵點連接線序號（用于繪制圖像） skeleton =[[15, 13], [13, 11], [16, 14], [14, 12], [11, 12], [5, 11], [6, 12], [5, 6], [5, 7], [6, 8], [7, 9], [8, 10], [0, 1], [0, 2], [1, 3], [2, 4]] # 每個關鍵點序號對應人體關鍵點的意義 "keypoints": { 0: "nose", 1: "left_eye", 2: "right_eye", 3: "left_ear", 4: "right_ear", 5: "left_shoulder", 6: "right_shoulder", 7: "left_elbow", 8: "right_elbow", 9: "left_wrist", 10: "right_wrist", 11: "left_hip", 12: "right_hip", 13: "left_knee", 14: "right_knee", 15: "left_ankle", 16: "right_ankle" } |
| MPII |  | # 圖像左右翻轉時，成對的關鍵點（訓練時用于數據增強） # 關鍵點連接線序號（用于繪制圖像） skeleton=[[0, 1], [1, 2], [3, 4], [4, 5], [2, 6], [6, 3], [12, 11], [7, 12], [11, 10], [13, 14], [14, 15], [8, 9], [8, 7], [6, 7], [7, 13]] # 每個關鍵點序號對應人體關鍵點的意義 |
| human3.6M |  | |
| kinect |  | |
