关键词： DTW动态时间规整 、yolov5、tensorflow加载关键点-检测模型、pytorch加载人物-检测模型，tensorflow训练骨骼关键点检测模型、mediapipe关键点识别、多人2d检测：自上而下（top-down）
目标;
1、了解人体关键点，和动作、动态识别，
2、训练自己的关键点检测模型，
3、基于dtw算法的动作、动态识别！！！
关键点检测： 1、人脸关键点、 2、人体关键点、 3、特定物体、轮廓什么的！
人体骨骼关键点： Pose Estimation、最热门、最有难度、也是最广泛的！！
应用： 1、行为识别、2、人机交互、3、智能家居、4、虚拟现实、
细分： 1、单人、 2、多人、 3、2d、 4、3d
关键点，3类的检测模型：
1、基于坐标的 coordinate： 【回归模型！】
将关键点坐标（采集的训练样本），作为最后网络需要回归的目标（target），
网络直接得到，每个坐标直接的位置信息。（今天采用的！）
2、基于heatmap概率图， 【类似于图像分割】热力图，
将每一类坐标同一个概率图表示，
对图中的每一个像素位置，都给一个概率，表示该点属于某个类别---关键点的概率，
越接近关键点，越接近1； 距离关键点越远，越接近0；
3、基于heatmap + offset， heatmap + 偏移：
谷歌2017年在 cvpr 提出的！
更复杂的 heatmap概率图，并且加入了偏移offset..
单人2d检测： 14-20多篇文献
多人2d检测： 1、自上而下（top-down）
目标检测 + 单人人体骨骼关键点识别： 抠出车牌、检测识别！
2、自下而上（bottom-up）
关键点检测 + 关键点聚类： 所有人的点全检测出来，再聚类出来，看看是谁的！
优劣： 1、自上而下：精度高 2、自下而上：速度快！！！
OpenPose： 经典的《自下而上》！！！
一、训练自己的关键点，检测模型... tflite在windows上，可能只支持python 3.7
创建环境： conda create -n course_action_env python=3.7
【11:17】 6个关键点，肩膀开始的，6个关节点！！！
【pytorch下载】
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
开启，采集脚本，采集自身关节点数据！！！
采集时、不要在人多的时候采集，以免影响，采集的质量，多人会导致窗口大小不稳定！！！
1、数据预处理、合成npz文件：
1、img数据-> resize压缩成128、灰质化、、/255 归一化0-1、reshape增加一个通道数c==1
2、lable标签-> 读取关节点坐标的数据、转为numpy数组、dtype=='float'
2、搭建神经网络模型训练：
不需要onehot独热编码，分类才需要，我们是回归！！！
科学计算包： pip install scikit-learn
作用：划分测试集、和训练集！！！
tensorflow训练包： pip install tensorflow-gpu==2.6
报错： yolov5环境下，tensorflow绑定设备不显示，
解决： 用自己的 tf2.6的环境，作为替代，切换环境！！ course_action__env [对应环境！！！]
1、今天使用的是 tensorflow keras Resnet50 # --可以百度搜索一下架构图、架构、相当复杂！！！
地址： https://tensorflow.google.cn/api_docs/python/tf/keras/applications/resnet50/ResNet50
action报错！！！无法解读到 cuda设备！！！
weights='imagenet', 可以基于weights='imagenet',预训练的！！！
2、可以直接使用，keras自带的 resnet50架构，调整：
1、定期存储：保留最好的 loss 2、提前终止： 设置大一点的epoch，loss30次不降自动终止
3、动态学习率： 之前都是固定学习率，更好地拟合， 刚开始学习率大，后面越来越小！！！让模型，更好地寻找一些参数！！
4、性能好; 增大 batch-size： 64-> 100....
3、测试训练模型：
1、加载模型 2、图片预处理、升维度（人数的参数） 3、模型预测： model.predict(img_input)
4、预测结果reshape：result[0].reshape((-1,2)) 5、坐标点还原：img_h,img_w = img_raw.shape[:2]，乘上、画点！！
4、转化为 tf_lite,轻量级模型：
1、# 构造转换器
converter = tf.lite.TFLiteConverter.from_saved_model('./data/enpei_pose_resnet_128/')
2、# 转换
tflite_model = converter.convert()
3、# 保存lite
with open('./data/enpei_pose_resnet_128.tflite','wb') as f:
f.write (tflite_model)
小插曲： pandas 明明下载了，却引用不了：（解决方式如下 jupyterlab的！！！）
小插曲 : jupyter lab 罢工：
ImportError: cannot import name 'COMMON_SAFE_ASCII_CHARACTERS' from 'charset_normalizer.constant' (E:\mini\envs\course_action_env\lib\site-packages\charset_normalizer\constant.py)
解决方式： pip install chardet （修复 jupyter lab！！）
训练好的模型，放到3.project/weights/custom_resnet_128 下面
code . 直接进入 VScode....
代码：：： 【记得】 cd yolov5， pip install -r requirements.txt，下载 yolov5所需要的依赖！！！
cd..
python ./2.pose_demo_resnet_yolov5.py
经验教训，总结：： 最好，寻求一个，tensorflow 和 pytorch 中和的版本，这个环境，需要用到！！！
1、 # 加载、自定义关键点检测--模型
self.pose_model = tf.keras.models.load_model('./weights/custom_resnet_128/best_model_resnet_128.hdf5')
2、 # 加载、yolov人物检测--模型
self.model = torch.hub.load('./yolov5', 'custom', path='./weights/yolov5/yolov5m.pt',source='local') # local repo
速度较慢; 既要加载yolov5模型（pytorch），又要加载 关键点检测模型（tensorflow！）！！！！
5、若要再树莓派运行： yolov5运行不了（pytorch）， 用tf_lite 的 ssd_mobilenet 运行，替代检测任务！！
完整tensorflow也比较卡，装推理引擎tf_lite，即可，传入压缩后的模型！！！按照步骤即可！！！
报错： ModuleNotFoundError: No module named 'tflite_runtime'
目录whl： 切入目录，pip install .whl ，即可！！！
tflite_runtime 仓库地址：：：
有点卡、3-5帧左右！ 原因： 1、加了目标检测，任务多了 2、tflite在win上优化不太好！！！
没板子，烧录过程，直接跳过！！！ 大致流程，是： 编译 opencv，安装 tflite的包，等等！！！
二、动作识别 action recognition；
3个小的细分，分类：
1、activity： 持续时间较长、长视频的单人或多人行为、 打电话、看书、吃饭、聊天、打球
2、action： 短时间的行为、短视频片段的单人行为、 鼓掌、接吻、拥抱、扔东西
3、hand gesture： 单人的手势！ 今天类似于这个！！！
动作识别-领域，
非常大、海康的重点专注领域、因为，它会达到更多的信息抽取！！！
动作识别-算法分类：
1、基于骨架的识别，（today的）
2、基于视觉的：
2.1 two-stream： 特征提取，有两个分支： 1、基于rgb分支的提取的空间特征，2、基于光流分支的提取时间上的光流特征，
最后，结合两种特征，进行动作识别
2.2 c3d： 3d conv 加入了时间特征，直接将2d conv拓展到了3d，直接提取 时间+空间，两方面特征！！
2.3 LSTM 使用CNN提取特征，使用RNN提取时间特征（如变种：LSTM），进行行为识别。。
dtw算法，大致流程：
1、多动作，分别录制，多个片段视频，提取动作特征，小的特征，
2、多帧画面，视频流提取，如定期挑选，50帧画面特征，大的特征，
3、依次计算、计算大的特征，与小的特征的 DTW 距离！
4、距离排序，最小的最接近，检查该动作，在m帧画面中，是否满足重复n次，（权重）
5、满足 >n 条件，预测应该是，某动作！！
大致： 1、各动作片段视频，提取特征 -> 2、大视频、视频流、提取特征 -> 3、计算视频流中，各动作的 dtw距离 -> 4、由小到大排序 -> 5、最满足筛选条件的，认定为《某动作》！！
DTW 算法： Dynamic Time Warping ，《动态时间规整 》算法！！！！
很老的算法，最早用在于语音识别，
最大作用： 可以计算、两个时间序列的相似度，
尤其是，两个时间速度不同的情况，节奏快慢不等的情况下，不同人读一个音频词，不同人走路速度，
最厉害的是：他会扭曲不同的时间长度，局部缩放较长的时间长度，使得动作时长，尽量相等！！！
如： 同一个动作，有时摆的时间长、有时摆的时间短！！！
1、动作录制：
脚本录制： 注意、动作要干净、不要夹带无用的动作....
利用： 各个关节点、构建的其夹角、形成特征 。
两点相减 == 向量：【后 -前 】 0-2,2-4
夹角 = =两向量的差值，再 arc cos求出来！！！
相互之间的夹角：：：构成了特征！！！
不用坐标做特征、选夹角的原因： 坐标会移动、夹角即使目标移动、也可方便稳定计算！
向量的夹角 cos∠ = (a->*b->) / |a|*|b|
夹角的cos = 向量的点*积 / 向量的模*积， 在 arc cos，求出夹角！！！
点积： dot = np.dot(v1,v2)
模积： norm = np.linalg.norm(v1) * np.linalg.norm(v1) # 有点像，欧氏距离公式啊！！！
return np.acrcos(dot/norm)
前提： 两向量，方向不一致，既是 ∠ ！=0，
判断方式： if np.array_equal(v1,v2):
return 0 # 直接返回 夹角 ==0 ！！！
2、代码部分：： 难度不大，但是难写，很复杂，时间上也特别耗时，意义不大！
仅仅作为dtw算法的了解，供后续使用，本次就不再复现了！！大体上陈述几个核心的主要点！
pip install fastdtw
from fastdtw import fastdtw
dis_list = []
遍历动作名称、视频特征
distance,path = fastdtw(seq_feat,video_feat) # 传入序列特征、视频特征
dis_list.append([action_name,distance])
转为numpy
dis_list = np.asarray(dis_list,dytype=object) # 两个点： 转为numpy，方便排序；既有str，又有float，用object类型，防止报错！！
排序（距离：由低到高）
dis_list = dis_list[ dis_list[:,1].argsort() ][:self.batch_size] # 每行的第二列，排序，筛选32帧的前4个（batch_size个）！！m！！！
排名第一的动作
first_key = dis_list[0][0]
前m次重复次数
max_num = np.count_nonzero(dis_list[:,0]==first_key) # 每行第二列中，排名第一动作的重复次数， m中找n...
是否满足> 阈值n ==2，
if max_num / batch_size >=0.5: # 用比例 0.5 表示！！！
return first_key # 返还，动作名字！！！
else:
return 'unknow!' # 不满足条件，无法判断！！！
