基于LSTM的RNN网络人体骨骼关节点检测

“““


      ┏┛ ┻━━━━━┛ ┻┓
      ┃　　　　　　 ┃
      ┃　　　━　　　┃
      ┃　┳┛　  ┗┳　┃
      ┃　　　　　　 ┃
      ┃　　　┻　　　┃
      ┃　　　　　　 ┃
      ┗━┓　　　┏━━━┛
        ┃　　　┃   神兽保佑
        ┃　　　┃   代码无BUG！
        ┃　　　┗━━━━━━━━━┓
        ┃　　　　　　　    ┣┓
        ┃　　　　         ┏┛
        ┗━┓ ┓ ┏━━━┳ ┓ ┏━┛
          ┃ ┫ ┫   ┃ ┫ ┫
          ┗━┻━┛   ┗━┻━┛

“““
import tensorflow as tf
import  numpy as np
import  scipy.io
import time

data =scipy.io.loadmat（‘G2MM06_NormalDataSet_train.mat‘）
data1=scipy.io.loadmat（‘G2MM06_NormalDataSet_test.mat‘）

print（data1[‘DataSet‘][0][0][0][0][5]）
pi=data1[‘DataSet‘][0][0][0][0][5]
print（pi[0][0]pi[0][1]）

log_dir=‘/tmp/tensorflow/logs/12‘
“““
X_train[0]=np.array（X_train[0]）
X_train[0]=np.array（X_train[0]） 
print（X_train[0][0][1]np.shape（X_train[0]））
“““

lst=[]
for m in range（284）:
     X_train = data[‘DataSet‘][m][0][0][0][2]
     X_train=X_train.T
     pi = data[‘DataSet‘][m][0][0][0][5]
     
     for k in range（6）:
       for i in range（57）:
         for j in range（1+i）:
             lst.append（X_train[k][i][j]）

       lst.append（pi[0][0]）
       lst.append（pi[0][1]）
         

X_trainNew1=np.array（lst）
X_trainNew1=X_trainNew1.reshape（[-11655]）

X_trainMu1=data[‘DataSet‘][0][0][0][0][1]
for i in range（283）:
    X_trainMu1=np.hstack（（X_trainMu1data[‘DataSet‘][i+1][0][0][0][1]））
X_trainMu1=X_trainMu1.T

X_trainNew1 = np.hstack（（X_trainNew1X_trainMu1））
print（“训练集“）
print（X_trainNew1np.shape（X_trainNew1））



lst3=[]
for m in range（284）:
     X_train = data[‘DataSet‘][m][0][0][0][4]
     X_train=X_train.T

     for k in range（6）:
       for i in range（57）:
         for j in range（1+i）:
             lst3.append（X_train[k][i][j]）
X_trainNew2=np.array（lst3）
X_trainNew2=X_trainNew2.reshape（[-11653]）

X_trainMu2=data[‘DataSet‘][0][0][0][0][3]
for i in range（283）:
    X_trainMu2=np.hstack（（X_trainMu2data[‘DataSet‘][i+1][0][0][0][3]））
X_trainMu2=X_trainMu2.T

X_trainNew2 = np.hstack（（X_trainNew2X_trainMu2））
print（“训练集“）
print（X_trainNew2np.shape（X_trainNew2））




X_trainNew3=np.hstack（（X_trainNew1X_trainNew2））
print（np.shape（X_trainNew3））





lst1=[]
for m in range（273）:
     X_test = data1[‘DataSet‘][m][0][0][0][2]
     X_test=X_test.T
     pi = data1[‘DataSet‘][m][0][0][0][5]
     for k in range（6）:
       for i in range（57）:
         for j in range（1+i）:
             lst1.append（X_test[k][i][j]）
       lst1.append（pi[0][0]）
       lst1.append（pi[0][1]）


X_testNew1=np.array（lst1）
X_testNew1=X_testNew1.reshape（[-11655]）

X_testMu1=data1[‘DataSet‘][0][0][0][0][1]
for i in range（272）:
    X_testMu1=np.hstack（（X_testMu1data1[‘DataSet‘][i+1][0][0][0][1]））
X_testMu1=X_testMu1.T

X_testNew1 = np.hstack（（X_testNew1X_testMu1））

print（“测试集“）
print（X_testNew1np.shape（X_testNew1））

lst4=[]
for m in range（273）:
     X_test = data1[‘DataSet‘][m][0][0][0][4]
     X_test=X_test.T
     for k in range（6）:
       for i in range（57）:
         for j in range（1+i）:
             lst4.append（X_test[k][i][j]）

X_testNew2=np.array（lst4）
X_testNew2