项目地址：
https://github.com/kkjzio/The_count_of_push-up_with_posenet
简介
- 利用yolo识别人物框，再通过RootNet和PoseNet来识别人体关节的位置，其中RootNet可以预测人总体的z轴坐标，但是在视频流中会出现数据波动较大的原因，进而导致预测不准，故没有使用z轴预测
结果展示在目录下
主体文件为目录下的predict.py文件
使用前请先将3个pth权重文件解压至model_data目录下
环境配置具体在目录下的requirement.txt中，常用包不在其中
程序在Linux下运行测试成功，尚且不确定win下的情况，如果报错，有可能是文件路径的问题，请将
ROOTNET/demo/demo.py
POSENET/demo/demo1.py
yolo.py
中有路径的字符串中的"/"改成“\”
权重pth下载地址：
链接：https://pan.baidu.com/s/10Hn_N_2VaQrmyYQajbKcyg
提取码：r4tx
判断视频中的人物俯卧撑的个数并实时显示
# 视频输入位置
cam = cv2.VideoCapture('video.mp4')
...
# 视频输出位置
vout_1.open('./out_vedio.mp4', fourcc, fps, sz, True)大体思路主要分为四部分：
- 利用yoloV3提取出方框，减少图片大小加快后续步骤速度
- 利用方框位置输入给rootnet提取出人体姿态
- 利用人体姿态信息判断俯卧撑
- 利用手肘夹角判定做的次数
yolo
主要文件为目录下的yolo.py，关键位置在文件yolo.py中的119、178行，比起原来的文件增加了位置框的输出.在predict.py中的对应代码在43行。
rootnet
主要文件为ROOTNET/demo/demo和POSENET/demo/demo1两个，在predicr.py中对应54、57主要功能是通过输入的图片和bbox位置提取出人体各个部位的坐标信息。
push-up姿态判断
这里我也大概分为了两个阶段去判断：
人的腿、躯干是否笔直
这里对应
sometool.py文件中的26 、34中的ifline_judge大体思路是用身体的三个点计算出中间点的角度，只要角度符合预设值就判断为笔直
人的全体是否和水平面平行
这里对应
sometool.py文件中的34中ifhorize_judge函数依据两个点做出其对应的水平直角，这个水平的直接边是平行的，然后再计算两点所成的边与这个平行边的夹角，进而判断两点所成的边是否平行于水平面
判断1后再判断2进而判断姿态是否水平，依据这个判定是否正在做俯卧撑。
俯卧撑计数
首先得先满足上面姿势判断的条件才会到这（对应predict.py的67行）
我用的判断方式是手肘的夹角（对应sometool.py中的56行以及predict.py中的70-78行），大体思路是超过某个角度或者小于某个角度后，就对手柄是弯曲还是笔直做判定，如果手臂状态由笔直变为弯曲，那么计数+1。
参考：