1 获取.mp4
利用视频分析软件中的“数据处理”把采集的视频处理成.mp4文件，然后再放在另一个文件夹里面，如下：
2 pycharm切换文件
1 双击桌面pycharm
2 若是想要标记数据集：
(1)此时打开的pycharm项目是训练项目，就要重新打开最近的其他项目，操作如下：
a.鼠标点击File
b.鼠标点击Open Recent
c.鼠标点击 FileCaoZuo
点击之后会弹出，另一个项目的打开窗口，选择 New Window
这个时候任务栏下就会出现两个pycharm项目，如下：
选择的是 This Window 就会关闭当前窗口，任务栏只保留一个pycharm项目
（2）此时打开的正好是 FileCaoZuo 项目 ，继续向下操作。
2 .mp4文件提取帧图片
FileCaoZuo 项目里面的 pre_work 文件夹里面 “视频提取图片.py” .双击进去
1 把（1）处的视频路径换成刚刚另存文件夹的路径
2 （2）处的路径换成要保存图片的文件夹路径
3 右键运行
4 接着继续把1换成2、3、4、5、6，图片保存路径也换成2、3、4、5、6
3 帧图片筛选规则
1 把模糊不清、人不正常飞行的去掉
2 把相同动作的去掉
3 一套衣服训练集需要400-500张图片，共6个文件。每个文件夹筛选70-80张。
4 图片重命名
FileCaoZuo 项目里面的 pre_work 文件夹里面 “图片重命名.py” .双击进去
1 把路径换成刚刚保存的1文件图片的路径
2 i的值调整到0（0意思第一张图片从1开始命名）
3 右键运行
循环操作：
4 看1(2 3 4 5 )文件里面最后一张图片的名字 （注意顺序）
5 把路径换成刚刚保存的2(3 4 5 6)文件图片的路径
6 i的值依次查看上一个文件夹里面最后一张图片的名字
5 图片名指定长度
1 把6个文件的图片整合到一个新的文件夹(新文件命名随缘)里面的image里面
Eg：-新文件夹名
-image
-json
2 FileCaoZuo 项目里面的 pre_work 文件夹里面 “图片重名后指定长度.py” .双击进去
6 labelme使用规则
在 FileCaoZuo 项目 打开Terminal，输入labelme ，然后Enter
会出现新的界面，如下：
标注界面介绍以及把人框出来
标注关节点以及删除标错或者多标关节点
关节点标注之后保存到json文件里面
7 标注人体关节点
关键点标注原则：
（1） 按照下图的顺序进行标注
（2） 若是某个点被遮挡或者看不清就跳过该关节点的标注
8 检测关键点标注的准确性
FileCaoZuo 项目里面的 pre_work 文件夹里面 “coco_json.py” .双击进去
把如下json文件的路径写到“coco_json.py”里面的1中；2换成也换成同样的路径，保留路径后面的\val.json
FileCaoZuo 项目里面的 pre_work 文件夹里面 “检查coco格式的json.py” .双击进去
把路径换成image、json里面的val.json
查看图片有没有明显标注错误。
9 json文件转化成txt文件
在第5步里面“新建的文件夹”里面再创建一个 “annotations”
FileCaoZuo 项目里面的 pre_work 文件夹里面 “pose_json_txt.py” .双击进去
修改1 2处的路径，运行这个文件
10 划分数据集、验证集
在第5步里面“新建的文件夹”里面再创建一个 “split”
FileCaoZuo 项目里面的 pre_work 文件夹里面 “seg_split_data.py” .双击进去
修改1 2 3处的路径，运行这个文件
到此数据集就准备好了，准备好的文件如下：
1 数据集路径：D:\Data
2 点开进去之后： D:\Data\mi_pose
split文件夹里面就是划分好的数据集
2 pycharm切换文件
1 双击桌面pycharm
2 若是想要标记数据集：
（1）此时打开的正好是 Ultralytics-new 项目 ，继续向下操作。
（2）此时打开的pycharm项目是数据集项目，就要重新打开最近的其他项目，操作如下：
a.鼠标点击File
b.鼠标点击Open Recent
c.鼠标点击 Ultralytics-new
点击之后会弹出，另一个项目的打开窗口，选择 New Window
这个时候任务栏下就会出现两个pycharm项目，如下：
选择的是 This Window 就会关闭当前窗口，任务栏只保留一个pycharm项目
11 调整训练参数
在Ultralytics-new 项目中打开ultralytics中的cfg中的datasets中的coco8-pose.yaml文件
把split里面对应的路径换成下面
在Ultralytics-new 项目中打开ultralytics中的models中的yolo中的pose中的train.py文件,运行
运行之后会在pose目录下生成一个run文件，里面的train文件里保存的就是训练的结果。最下面的训练结果就是最新的。
12 .pt文件转化.onnx
在 Ultralytics-new 项目中 打开Terminal，输入下面命令：
yolo export model=r’D:\yolov8\ultralytics-new\ultralytics\models\yolo\pose\runs\pose\train6\weights\best.pt\best.pt’ format=onnx
这里的best.pt文件路径换成自己的。
结果会在当前.pt同级目录下生成.onnx
13 .onnx转化.engine
将生成的best.onnx文件（这里best可以重命名）复制到C盘里面的TensorRT-8.4.1.5中的bin目录下。
路径：C:\tensorrt\TensorRT-8.5.2.2\bin
然后 输入cmd进入命令行模式：
trtexec.exe --onnx=./best.onnx --saveEngine=./best.engine (若是上面的best换名字了这里要对应上)
………等一段时间以后，会在bin文件里面生成一个对应的.engine文件
14 调换权重路径
这里把视频分析软件里代码的权重路径改一下。
