BodyScan

人体扫描仪

只需一张图片即可测量您的体脂百分比！

我向 2019 年全球 PyTorch 夏季黑客松提交的作品。其中 5%（共 1466 名参与者）项目将在黑客松画廊中展出。

安装

使用虚拟环境

此代码已在 Ubuntu、PyTorch 1.2、Python 3.6 和 Nvidia GTX 940MX 上进行了测试。建议设置一个python虚拟环境并安装以下软件包。

1. 克隆存储库

2. 安装以下内容：

   apt-get install tk-dev python-tk

3. 激活virutal 在虚拟环境中安装所需的python包

   (pytorch)$ pip3 install torch torchvision 
   (pytorch)$ pip3 install scikit-image opencv-python pandas h5py
   (pytorch)$ pip3 install cffi
   (pytorch)$ pip3 install cython
   (pytorch)$ pip3 install requests
   (pytorch)$ pip3 install future

4. 构建 NMS 扩展

   cd lib/
   python3 setup3.py build_ext --inplace

用法

运行演示

1. python3 measure_body.py
   这从data/inputs中获取样本图片并预测身体脂肪百分比。

估算一下你自己的体脂百分比！

1. 拍照须知
   该模型将估计您的颈围和腰围，以预测您的身体脂肪百分比。所以你的脖子和腰部区域需要在照片中清晰可见。此外，当您站在距离相机至少 1 m 的地方时，该模型效果最佳。一些例子：

   好例子

   

2. 将您的图片粘贴到data/inputs/中

3. 运行python3 measure_body.py --image_name <name_of_your_image>.jpg
   您的结果显示在屏幕上。

在职的

它使用单目深度估计网络来生成像素级深度图。这是基于 CVPR 2019 论文“通过观察冻结的人来了解感动人的深度”。同时，RetinaNet 对象检测模型经过微调，可以估计您身体部位的位置。这两个网络均使用 PyTorch。这些信息结合起来可以计算您的身体测量值和体脂百分比。 exif 数据中的一些相机内在函数也用于估计。它使用海军体脂公式进行计算。

致谢

• 深度估计代码是从这个仓库借用和修改的（这篇很棒的谷歌人工智能论文的实现）。

• Retinanet 代码是从这个 PyTorch 实现中借用和修改的。

• NMS 代码来自这里。