- 提供从视频中提取骨骼点数据的方法，方便用户自行提取数据进行测试。
花样滑冰数据提取采用了openpose，通过其提供的demo或是相应的api来实现数据的提取，因此需要用户配置openpose环境。 如下是通过花样滑冰数据集构建项目Skeleton Scripts提取骨骼点数据方法的具体介绍。
- 这里通过测试openpose的demo程序来验证是否安装成功。
demo1：检测视频中身体骨骼点（以linux系统为例）：
./build/examples/openpose/openpose.bin --video examples_video.avi --write_json output/ --display 0 --render_pose 0执行成功之后会在output/路径下生成视频每一帧骨骼点数据的json文件。
demo2：检测视频中身体+面部+手部骨骼点（以linux系统为例）：
./build/examples/openpose/openpose.bin --video examples_video.avi --write_json output/ --display 0 --render_pose 0 --face --hand执行成功之后会在output/路径下生成视频每一帧身体+面部+手部骨骼点数据的json文件。
- 由于Skeleton Scripts为制作花样滑冰数据集所用，因此此处步骤可能存在不同程度误差，实际请用户自行调试代码。
将要转化的花样滑冰视频储存到Skeleton Scripts的指定路径（可自行创建）：
./skating2.0/skating63/同时需要用户自行完成对视频信息的提取，保存为label_skating63.csv文件，储存到如下路径中（可自行创建）：
./skating2.0/skating63/
./skating2.0/skating63_openpose_result/label_skating63.csv中格式如下：
| 动作分类 | 视频文件名 | 视频帧数 | 动作标签 |
|---|
此处用户只需要输入视频文件名（无需后缀，默认后缀名为.mp4，其他格式需自行更改代码)，其他三项定义为空字符串即可，不同表项之间通过 ',' 分割。
- 注意，这一步需要根据用户对openpose的配置进行代码的更改，主要修改项为openpose路径、openpose-demo路径等，具体详见代码。
本脚步原理是调用openpose提供的demo提取视频中的骨骼点，并进行数据格式清洗，最后将每个视频的提取结果结果打包成json文件，json文件储存在如下路径：
./skating2.0/skating63_openpose_result/label_skating63_data/将json文件整理为npy文件并保存，多个视频文件将保存为一个npy文件，保存路径为：
./skating2.0/skating63_openpose_result/skeleton_file/-
通过上述步骤就可以将视频数据转化为无标签的骨骼点数据。
-
最后用户只需将npy数据输入送入网络开始模型测试，亦可通过预测引擎推理。
模型使用方法参考ST-GCN模型文档