Label Studio 关键点标注数据转 YOLO 格式的完整指南

前言

在计算机视觉领域，关键点检测是一项重要的任务，广泛应用于人体姿态估计、动物行为分析、工业检测等场景。Label Studio 作为一款流行的数据标注工具，提供了灵活的关键点标注功能。然而，当我们需要将标注数据用于 YOLO 模型训练时，需要进行格式转换。本文将详细介绍如何将 Label Studio 的关键点标注数据转换为 YOLO 格式。

两种标注格式解析

Label Studio 关键点标注格式

Label Studio 的关键点标注采用 JSON 格式存储，主要特点包括：

1. 使用 keypointlabels 类型表示关键点
2. 每个关键点包含 x、y 坐标和宽度信息
3. 坐标以百分比形式表示（0-100%）
4. 关键点通常与边界框关联，形成完整的对象标注

YOLO 关键点格式

YOLO 的关键点格式要求：

1. 每个图像对应一个文本文件
2. 每行表示一个对象实例
3. 格式规范：

   <class-index> <x_center> <y_center> <width> <height> <px1> <py1> <p1-visibility> ... <pxn> <pyn> <pn-visibility>
   

4. 所有坐标归一化到 [0,1] 范围
5. 可选包含关键点可见性信息

格式转换的核心思路

转换过程需要解决以下几个关键问题：

1. 数据结构映射：将 Label Studio 的层级结构映射为 YOLO 的扁平结构
2. 坐标转换：将百分比坐标转换为归一化坐标
3. 关键点关联：正确处理关键点与边界框的对应关系
4. 标签映射：将文本标签转换为数字索引

转换实现详解

1. 解析 Label Studio JSON

首先需要解析 Label Studio 的 JSON 文件，提取以下信息：

• 图像基本信息（宽度、高度）
• 边界框标注（位置、类别）
• 关键点标注（位置、类别、关联关系）

2. 建立边界框与关键点的关联

在 Label Studio 中，关键点与边界框的关联有两种方式：

1. ParentID 方式：关键点通过 parentID 字段直接关联到边界框
2. Relation 方式：通过独立的 relation 对象建立关联

推荐使用 ParentID 方式，因为它更直观且处理更简单。

3. 坐标系统转换

需要进行两次坐标转换：

1. 将百分比坐标（0-100）转换为归一化坐标（0-1）
2. 将边界框的左上角坐标转换为中心点坐标

4. 关键点排序与可见性处理

根据模型需求，需要：

1. 确保关键点按预定义顺序排列
2. 处理可见性信息（如有）

实践建议

1. 标注模板优化：在 Label Studio 中，建议使用 ParentID 方式组织标注，这能简化后续处理
2. 数据验证：转换后应进行可视化验证，确保标注位置准确
3. 批量处理：对于大规模数据集，建议实现批量转换脚本
4. 版本控制：保留原始标注文件和转换脚本，便于追溯和复现

常见问题解决方案

1. 缺少图像尺寸信息：可以从边界框标注中提取 original_width 和 original_height
2. 关键点顺序混乱：建立明确的标签到索引的映射表
3. 关联关系丢失：检查标注时是否正确建立了关键点与边界框的关联

结语

将 Label Studio 的关键点标注转换为 YOLO 格式是训练姿态估计模型的重要前置步骤。通过理解两种格式的差异，建立正确的映射关系，并注意处理过程中的细节问题，我们可以高效地完成这一转换工作，为后续的模型训练奠定良好基础。

在实际应用中，建议根据具体项目需求对转换脚本进行调整，并建立完善的数据验证机制，确保标注质量满足模型训练的要求。