3d-pose-baseline

这是以下论文的代码：

Julieta Martinez, Rayat Hossain, Javier Romero, James J. Little.
A simple yet effective baseline for 3d human pose estimation.
In ICCV, 2017. https://arxiv.org/pdf/1705.03098.pdf.

本仓库中的代码主要由
Julieta Martinez、
Rayat Hossain 和
Javier Romero 编写。

我们提供了一个用于 3D 人体姿态估计（3D human pose estimation）的强大基线模型，同时也揭示了当前方法所面临的挑战。我们的模型轻量，并力求使代码透明、简洁且易于理解。

依赖项

• Python ≥ 3.5
• cdflib
• tensorflow 1.0 或更高版本

首先

1. 观看我们的视频：https://youtu.be/Hmi3Pd9x1BE

2. 克隆本仓库

git clone https://github.com/una-dinosauria/3d-pose-baseline.git
cd 3d-pose-baseline
mkdir -p data/h36m/

3. 获取数据

访问 http://vision.imar.ro/human3.6m/，登录后下载 subjects [1, 5, 6, 7, 8, 9, 11] 的 D3 Positions 文件，
并将它们放入 data/h36m 文件夹中。你的目录结构应如下所示：

src/
README.md
LICENCE
...
data/
  └── h36m/
    ├── Poses_D3_Positions_S1.tgz
    ├── Poses_D3_Positions_S11.tgz
    ├── Poses_D3_Positions_S5.tgz
    ├── Poses_D3_Positions_S6.tgz
    ├── Poses_D3_Positions_S7.tgz
    ├── Poses_D3_Positions_S8.tgz
    └── Poses_D3_Positions_S9.tgz

现在进入 data 文件夹并解压所有数据：

cd data/h36m/
for file in *.tgz; do tar -xvzf $file; done

最后，下载 code-v1.2.zip 文件，解压后将其中的 metadata.xml 文件复制到 data/h36m/ 目录下。

此时，你的 data 目录结构应如下所示：

data/
  └── h36m/
    ├── metadata.xml
    ├── S1/
    ├── S11/
    ├── S5/
    ├── S6/
    ├── S7/
    ├── S8/
    └── S9/

还需要对数据做一点小修正，以确保文件名一致：

mv h36m/S1/MyPoseFeatures/D3_Positions/TakingPhoto.cdf \
   h36m/S1/MyPoseFeatures/D3_Positions/Photo.cdf

mv h36m/S1/MyPoseFeatures/D3_Positions/TakingPhoto\ 1.cdf \
   h36m/S1/MyPoseFeatures/D3_Positions/Photo\ 1.cdf

mv h36m/S1/MyPoseFeatures/D3_Positions/WalkingDog.cdf \
   h36m/S1/MyPoseFeatures/D3_Positions/WalkDog.cdf

mv h36m/S1/MyPoseFeatures/D3_Positions/WalkingDog\ 1.cdf \
   h36m/S1/MyPoseFeatures/D3_Positions/WalkDog\ 1.cdf

至此，准备工作完成！

请注意，我们目前不再支持 Stacked Hourglass（SH）检测结果，仅支持使用真实（GT）2D 检测进行训练。

快速演示

要快速演示，你可以训练一个 epoch 并可视化结果。运行以下命令开始训练：

python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise --epochs 1

在 GTX 1080 上，这应该不到 5 分钟即可完成，并在测试集上获得约 56 mm 的误差。

接下来，只需运行以下命令即可可视化结果：

python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise --epochs 1 --sample --load 24371

这将生成类似如下的可视化效果：

训练

要使用干净的 2D 检测结果训练模型，请运行：

python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise

这对应于论文中 Table 2 的最后一行：Ours (GT detections) (MA)

引用

如果你使用了我们的代码，请引用我们的工作：

@inproceedings{martinez_2017_3dbaseline,
  title={A simple yet effective baseline for 3d human pose estimation},
  author={Martinez, Julieta and Hossain, Rayat and Romero, Javier and Little, James J.},
  booktitle={ICCV},
  year={2017}
}

其他实现

• Pytorch 版本，作者 @weigq
• MXNet/Gluon 版本，作者 @lck1201

扩展

• @ArashHosseini 维护了一个 fork，该版本使用 OpenPose 或 tf-pose-estimation 估计出的 2D 姿态作为输入，来估计 3D 人体姿态。

许可证

MIT

3d-pose-baseline 快速上手指南

环境准备

• 操作系统：Linux / macOS（Windows 未官方支持）
• Python 版本：≥ 3.5
• 依赖库：
  • cdflib
  • TensorFlow ≥ 1.0

💡 建议使用国内 PyPI 镜像加速安装依赖，例如：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cdflib tensorflow

安装步骤

1. 克隆仓库

   git clone https://github.com/una-dinosauria/3d-pose-baseline.git
   cd 3d-pose-baseline
   mkdir -p data/h36m/
   

2. 下载 Human3.6M 数据集

   • 访问 http://vision.imar.ro/human3.6m/（需注册登录）
   • 下载以下文件并放入 data/h36m/ 目录：
     • Poses_D3_Positions_S1.tgz
     • Poses_D3_Positions_S5.tgz
     • Poses_D3_Positions_S6.tgz
     • Poses_D3_Positions_S7.tgz
     • Poses_D3_Positions_S8.tgz
     • Poses_D3_Positions_S9.tgz
     • Poses_D3_Positions_S11.tgz

3. 解压数据

   cd data/h36m/
   for file in *.tgz; do tar -xvzf $file; done
   

4. 下载元数据

   • 从 Human3.6M 网站下载 code-v1.2.zip
   • 解压后将其中的 metadata.xml 复制到 data/h36m/ 目录

5. 修复文件名（确保路径一致）

   mv h36m/S1/MyPoseFeatures/D3_Positions/TakingPhoto.cdf \
      h36m/S1/MyPoseFeatures/D3_Positions/Photo.cdf
   
   mv h36m/S1/MyPoseFeatures/D3_Positions/TakingPhoto\ 1.cdf \
      h36m/S1/MyPoseFeatures/D3_Positions/Photo\ 1.cdf
   
   mv h36m/S1/MyPoseFeatures/D3_Positions/WalkingDog.cdf \
      h36m/S1/MyPoseFeatures/D3_Positions/WalkDog.cdf
   
   mv h36m/S1/MyPoseFeatures/D3_Positions/WalkingDog\ 1.cdf \
      h36m/S1/MyPoseFeatures/D3_Positions/WalkDog\ 1.cdf
   

完成后目录结构应为：

data/
  └── h36m/
    ├── metadata.xml
    ├── S1/
    ├── S5/
    ├── S6/
    ├── S7/
    ├── S8/
    ├── S9/
    └── S11/

基本使用

快速演示（训练 1 轮并可视化）

1. 训练模型（约 5 分钟，GTX 1080）

   python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise --epochs 1
   

2. 可视化结果

   python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise --epochs 1 --sample --load 24371
   

✅ 此命令将生成 3D 姿态可视化图像，误差约为 56 mm（在测试集上）。

完整训练（使用真实 2D 关键点）

python src/predict_3dpose.py --camera_frame --residual --batch_norm --dropout 0.5 --max_norm --evaluateActionWise

⚠️ 注意：当前版本仅支持从真实（GT）2D 检测结果训练，不再支持 Stacked Hourglass 检测输入。