🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page
  • 📥 Eingänge
  • 📤 Ausgänge
  • 🕹️ Steuerungen
  • 🎨 Funktionen
  • 📝 Nutzungshinweise
  • 📊 Bewertung
  • 💡 Tipps und Tricks
  • 🛠️ Fehlersuche

Was this helpful?

  1. Funktionsblöcke
  2. Alle Funktionsblöcke
  3. AI Blocks

Pose Estimation

Dieser Funktionsblock wird verwendet, um spezifische Körperteile in einem Bild zu erkennen und ein Skelett zu zeichnen, um die geschätzte Haltung zu visualisieren. Er nutzt Deep-Learning-Modelle, um Schlüsselstellen, die mit menschlichen Posen assoziiert sind, zu identifizieren.

📥 Eingänge

Image Any Das Eingabebild, aus dem die Körperhaltungsschätzung durchgeführt wird.

Show Skeleton Ein Boolescher Eingang, der es Ihnen ermöglicht, die Sichtbarkeit der Skelettüberlagerung im Bild ein- oder auszuschalten.

📤 Ausgänge

Image Any Die modifizierte Ausgabebild, das die erkannte Pose anzeigt und, falls aktiviert, das Skelett.

Selected Body Part Positions Diese Ausgabe bietet eine Zuordnung der erkannten Körperteile und deren Positionen im Bild.

🕹️ Steuerungen

Confidence Ein Schieberegler, der den Vertrauensschwellenwert für die Erkennung von Körperteilen anpasst. Höhere Werte erfordern mehr Sicherheit vom Modell, um einen Punkt als gültig zu betrachten.

Class Names Eine Tabellenansicht, die es Ihnen ermöglicht, auszuwählen, welche Körperteile erkannt und in der Ausgabe angezeigt werden sollen.

🎨 Funktionen

Real-Time Detection Dieser Block verwendet ein vortrainiertes Deep-Learning-Modell, um Körperteile in Echtzeit zu erkennen und Ergebnisse zu visualisieren.

Customizable Detection Benutzer können spezifische Körperteile auswählen, die überwacht werden sollen, was dieses Werkzeug für verschiedene Anwendungen flexibel macht.

Skeleton Visualization Die erkannten Positionen können mit Linien verbunden werden, um ein Skelett zu bilden, was das visuelle Verständnis der Pose erleichtert.

📝 Nutzungshinweise

  1. Input Image: Verbinden Sie ein Bild, das eine Person oder eine menschliche Figur enthält, mit dem Eingang Image Any.

  2. Show Skeleton Option: Verbinden Sie optional ein boolesches Signal mit dem Eingang Show Skeleton, um die Skelettüberlagerung zu aktivieren/deaktivieren.

  3. Adjust Confidence: Verwenden Sie den Schieberegler Confidence, um das minimale Vertrauensniveau anzupassen, das für die Erkennung von Körperteilen erforderlich ist.

  4. Select Body Parts: Aktivieren oder deaktivieren Sie Körperteile in der Tabelle Class Names, um zu konfigurieren, welche Körperteile erkannt werden sollen.

  5. Evaluate: Führen Sie den Block aus, um die Körperhaltungsschätzung durchzuführen. Die Ausgabe wird das modifizierte Bild und die erkannten Körperteilpositionen sein.

📊 Bewertung

Bei der Ausführung gibt dieser Block ein Bild aus, das die erkannten Körperteile und ein Skelett (sofern aktiviert) anzeigt, zusammen mit einem Wörterbuch der Körperteile und deren Positionen.

💡 Tipps und Tricks

Verbesserung der Erkennungsgenauigkeit

Passen Sie den Schieberegler Confidence an, um ein optimales Gleichgewicht zwischen Erkennungsempfindlichkeit und Fehlalarmen zu finden. Ein höherer Wert kann genauere Erkennungen liefern.

Auswahl spezifischer Körperteile

Wählen Sie nur die notwendigen Klassen von Körperteilen aus, die Sie analysieren möchten; dies vereinfacht die Ausgabe und konzentriert sich auf die relevanten Körperteile.

Vorverarbeitung von Eingabebildern

Überlegen Sie, die Eingabebilder mit Kontrastanpassung, Größenänderung oder Filterung zu verarbeiten, bevor sie an diesen Block gesendet werden, um die Erkennungsergebnisse zu verbessern.

🛠️ Fehlersuche

Keine Erkennungen gefunden

Wenn der Block keine Körperteile erkennt, stellen Sie sicher, dass das Eingangsbild klar und gut beleuchtet ist. Das Senken des Vertrauensschwellenwerts kann ebenfalls helfen, mehr Punkte zu erkennen.

Skelett wird nicht angezeigt

Stellen Sie sicher, dass der Eingang Show Skeleton aktiviert ist, und überprüfen Sie, ob Körperteile erkannt werden. Wenn keine Teile erkannt werden, wird das Skelett nicht erscheinen.

PreviousObject DetectionNextSafety Equipment Detection

Last updated 7 months ago

Was this helpful?

🧱