# 匹克球2.0

**Repository Path**: hmx0718/pickball-2.0

## Basic Information

- **Project Name**: 匹克球2.0
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-13
- **Last Updated**: 2025-05-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Pickleball Player Pose Detection

本项目基于YOLO11x-pose和YOLO11n-pose，专注于匹克球比赛视频中的运动员姿态检测。当前流程为标准数据处理与训练流程，无创新点集成。

## 项目流程

1. 使用YOLO11x-pose对比赛视频（如match.mp4）进行推理，导出预测图片和json。
2. 利用clean_by_visualization.py可视化并手动删除不合格图片。
3. 运行clean_by_visualization.py同步删除被剔除图片及对应json。
4. 用convert_json_to_yolo_pose.py将清洗后的数据转为YOLO训练格式。
5. （可选）数据增强。
6. 用YOLO11n-pose进行训练。

## 目录结构

```
├── convert_json_to_yolo_pose.py   # 标注json转YOLO格式
├── clean_by_visualization.py      # 可视化与同步清理脚本
├── process_video.py               # 视频推理与图片导出
├── train_ultralytics.py           # 训练脚本
├── dataset/                       # 数据集目录
├── yolo11x-pose.pt                # 预训练模型权重
├── yolo11n-pose.pt                # 轻量化模型权重
├── match.mp4                      # 原始比赛视频
├── requirements.txt               # 依赖说明
├── README.md                      # 项目说明
└── .gitignore                     # git忽略文件
```

## 使用说明

1. 环境配置
```bash
pip install -r requirements.txt
```

2. 视频推理与图片导出
```bash
python process_video.py
```

3. 可视化与手动清洗
```bash
python clean_by_visualization.py
# 手动删除不合格图片
python clean_by_visualization.py  # 再次运行同步删除原图和json
```

4. 数据格式转换
```bash
python convert_json_to_yolo_pose.py
```

5. 训练模型
```bash
python train_ultralytics.py
```

## 进度记录
2025-4月到5月
经历多次失败，找到了一些问题，项目推翻多次

2025-5月8日
项目重启，重新收集数据。
对youtube上下载的ppa官方比赛视频用yoloxn-pose.pt进行预测，视频时长25分53秒。
采取10帧抽一帧策略，总计4656张图，
验证完后剩余2422张。