＃ 遍歷所有圖像
   for img＿id， img＿fname， w， h， meta in get＿meta（coco）：
       images＿data．a(chǎn)ppend（｛
           ＇image＿id＇： int（img＿id），
           ＇path＇： img＿fname，
           ＇width＇： int（w），
           ＇height＇： int（h）
       ｝）
       
       ＃ 遍歷所有元數(shù)據(jù)
       for m in meta：
           persons＿data．a(chǎn)ppend（｛
               ＇image＿id＇： m［＇image＿id＇］，
               ＇is＿crowd＇： m［＇iscrowd＇］，
               ＇bbox＇： m［＇bbox＇］，
               ＇area＇： m［＇area＇］，
               ＇num＿keypoints＇： m［＇num＿keypoints＇］，
               ＇keypoints＇： m［＇keypoints＇］，
           ｝）
           
   ＃ 創(chuàng)建帶有圖像路徑的數(shù)據(jù)幀
   images＿df ＝ pd．DataFrame（images＿data）
   images＿df．set＿index（＇image＿id＇， inplace＝True）
   
   ＃ 創(chuàng)建與人相關的數(shù)據(jù)幀
   persons＿df ＝ pd．DataFrame（persons＿data）
   persons＿df．set＿index（＇image＿id＇， inplace＝True）
   return images＿df， persons＿df
我們使用get＿meta函數(shù)構造兩個數(shù)據(jù)幀—一個用于圖像路徑，另一個用于人的元數(shù)據(jù)。在一個圖像中可能有多個人，因此是一對多的關系。在下一步中，我們合并兩個表（left join操作）并將訓練集和驗證集組合，另外，我們添加了一個新列source，值為0表示訓練集，值為1表示驗證集。這樣的信息是必要的，因為我們需要知道應該在哪個文件夾中搜索圖像。如你所知，這些圖像位于兩個文件夾中：train2017／和val2017／images＿df， persons＿df ＝ convert＿to＿df（train＿coco）
train＿coco＿df ＝ pd．merge（images＿df， persons＿df， right＿index＝True， left＿index＝True）
train＿coco＿df［＇source＇］ ＝ 0
images＿df， persons＿df ＝ convert＿to＿df（val＿coco）
val＿coco＿df ＝ pd．merge（images＿df， persons＿df， right＿index＝True， left＿index＝True）
val＿coco＿df［＇source＇］ ＝ 1
coco＿df ＝ pd．concat（［train＿coco＿df， val＿coco＿df］， ignore＿index＝True）
最后，我們有一個表示整個COCO數(shù)據(jù)集的數(shù)據(jù)幀。圖像中有多少人現(xiàn)在我們可以執(zhí)行第一個分析。COCO數(shù)據(jù)集包含多個人的圖像，我們想知道有多少圖像只包含一個人。代碼如下：＃ 計數(shù)
annotated＿persons＿df ＝ coco＿df［coco＿df［＇is＿crowd＇］ ＝＝ 0］
crowd＿df ＝ coco＿df［coco＿df［＇is＿crowd＇］ ＝＝ 1］
print（＂Number of people in total： ＂ ＋ str（len（annotated＿persons＿df）））
print（＂Number of crowd annotations： ＂ ＋ str（len（crowd＿df）））
persons＿in＿img＿df ＝ pd．DataFrame（｛
   ＇cnt＇： annotated＿persons＿df［＇path＇］．value＿counts（）
｝）
persons＿in＿img＿df．reset＿index（level＝0， inplace＝True）
persons＿in＿img＿df．rename（columns ＝ ｛＇index＇：＇path＇｝， inplace ＝ True）
＃ 按cnt分組，這樣我們就可以在一張圖片中得到帶有注釋人數(shù)的數(shù)據(jù)幀
persons＿in＿img＿df ＝ persons＿in＿img＿df．groupby（［＇cnt＇］）．count（）
＃ 提取數(shù)組
x＿occurences ＝ persons＿in＿img＿df．index．values
y＿images ＝ persons＿in＿img＿df［＇path＇］．values
＃ 繪圖
plt．bar（x＿occurences， y＿images）
plt．title（＇People on a single image ＇）
plt．xticks（x＿occurences， x＿occurences）
plt．xlabel（＇Number of people in a single image＇）
plt．ylabel（＇Number of images＇）
plt．show（）
結果圖表：

如你所見，大多數(shù)COCO圖片都包含一個人。但也有相當多的13個人的照片，讓我們舉幾個例子：

好吧，甚至有一張圖片有19個注解（非人群）：

這個圖像的頂部區(qū)域不應該標記為一個人群嗎？是的，應該，但是，我們有多個沒有關鍵點的邊界框！這樣的注釋應該像對待人群一樣對待，這意味著它們應該被屏蔽。在這張圖片中，只有中間的3個方框有一些關鍵點。讓我們來優(yōu)化查詢，以獲取包含有／沒有關鍵點的人圖像的統(tǒng)計信息，以及有／沒有關鍵點的人的總數(shù)：annotated＿persons＿nokp＿df ＝ coco＿df［（coco＿df［＇is＿crowd＇］ ＝＝ 0） ＆ （coco＿df［＇num＿keypoints＇］ ＝＝ 0）］
annotated＿persons＿kp＿df ＝ coco＿df［（coco＿df［＇is＿crowd＇］ ＝＝ 0） ＆ （coco＿df［＇num＿keypoints＇］ ＞ 0）］
print（＂Number of people （with keypoints） in total： ＂ ＋
       str（len（annotated＿persons＿kp＿df）））
print（＂Number of people without any keypoints in total： ＂ ＋
       str（len（annotated＿persons＿nokp＿df）））
persons＿in＿img＿kp＿df ＝ pd．DataFrame（｛
   ＇cnt＇： annotated＿persons＿kp＿df［［＇path＇，＇source＇］］．value＿counts（）
｝）
persons＿in＿img＿kp＿df．reset＿index（level＝［0，1］， inplace＝True）
persons＿in＿img＿cnt＿df ＝ persons＿in＿img＿kp＿df．groupby（［＇cnt＇］）．count（）
x＿occurences＿kp ＝ persons＿in＿img＿cnt＿df．index．values
y＿images＿kp ＝ persons＿in＿img＿cnt＿df［＇path＇］．values
f ＝ plt．figure（figsize＝（14， 8））
width ＝ 0．4
plt．bar（x＿occurences＿kp， y＿images＿kp， width＝width， label＝＇with keypoints＇）
plt．bar（x＿occurences ＋ width， y＿images， width＝width， label＝＇no keypoints＇）
plt．title（＇People on a single image ＇）
plt．xticks（x＿occurences ＋ width／2， x＿occurences）
plt．xlabel（＇Number of people in a single image＇）
plt．ylabel（＇Number of images＇）
plt．legend（loc ＝ ＇best＇）
plt．show（）
現(xiàn)在我們可以看到區(qū)別是明顯的。

雖然COCO官方頁面上描述有25萬人擁有關鍵點，而我們只有156165個這樣的例子。他們可能應該刪除了“帶關鍵點”這幾個字。添加額外列一旦我們將COCO轉換成pandas數(shù)據(jù)幀，我們就可以很容易地添加額外的列，從現(xiàn)有的列中計算出來。我認為最好將所有的關鍵點坐標提取到單獨的列中，此外，我們可以添加一個具有比例因子的列。特別是，關于一個人的邊界框的規(guī)模信息是非常有用的，例如，我們可能希望丟棄所有太小規(guī)模的人，或者執(zhí)行放大操作。為了實現(xiàn)這個目標，我們使用Python庫sklearn中的transformer對象。一般來說，sklearn transformers是用于清理、減少、擴展和生成數(shù)據(jù)科學模型中的特征表示的強大工具。我們只會用一小部分的api。代碼如下：from sklearn．base import BaseEstimator， TransformerMixin
class AttributesAdder（BaseEstimator， TransformerMixin）：
   def ＿＿init＿＿（self， num＿keypoints， w＿ix， h＿ix， bbox＿ix， kp＿ix）：
       ＂＂＂
       ：param num＿keypoints： 關鍵點的數(shù)量
       ：param w＿ix： 包含圖像寬度的列索引
       ：param h＿ix： 包含圖像高度的列索引
       ：param bbox＿ix： 包含邊框數(shù)據(jù)的列索引
       ：param kp＿ix： 包含關鍵點數(shù)據(jù)的列索引
       ＂＂＂
       self．num＿keypoints ＝ num＿keypoints
       self．w＿ix ＝ w＿ix
       self．h＿ix ＝ h＿ix
       self．bbox＿ix ＝ bbox＿ix
       self．kp＿ix ＝ kp＿ix
       
   def fit（self， X， y＝None）：
       return self
     
   def transform（self， X）：
     
       ＃ 檢索特定列
       
       w ＝ X［：， self．w＿ix］
       h ＝ X［：， self．h＿ix］
       bbox ＝ np．a(chǎn)rray（X［：， self．bbox＿ix］．tolist（））  ＃ to matrix
       keypoints ＝ np．a(chǎn)rray（X［：， self．kp＿ix］．tolist（）） ＃ to matrix