摔倒偵測-完全用ChatGPT開發，分享如何正確地向ChatGPT提問

哈嘍，大家好。

之前曾給大家分享過摔倒識別、打架識別，今天以摔倒識別為例，我們看看能不能完全交給ChatGPT來做。

讓ChatGPT來做這件事，最核心的是如何向ChatGPT提問，把問題一股腦的直接丟給ChatGPT，如：用Python 寫個摔倒檢測代碼 是不可取的， 而是要像擠牙膏一樣，一點一點引導ChatGPT得到準確的答案，才能真正讓ChatGPT提高我們解決問題的效率。

今天分享的摔倒識別案例，與ChatGPT對話的思路清晰，代碼可用度高，按照GPT返回的結果完全可以開發一個摔倒識別的項目了，並且還有一些延伸的話題，如：畢設的改進點。

下面開始正式的分享。

1. 角色設定

向ChatGPT提問首先要給他一個角色設定，在演算法領域這叫prompt，有了進入了角色，才能更好地回答問題。所以，我提問的第一句是：

假如你是AI工程師，我想辨識影片中是否有跌倒行為，有哪些辦法

沒必要剛上來就讓他直接寫程式碼，先問他有哪些辦法或思路。

我們來看看ChatGPT的答案

給了3個方案，有傳統的圖像方法，也有深度學習方法。

2. 想法引導

我們當然是對深度學習感興趣了，所以繼續詢問關於深度學習的方法

使用深度學習的方法有哪些

ChatGPT回答

從卷積神經網路到卷積循環神經網路說了個遍。

看起來循環神經網路RNN更簡單、可靠，接下來我的提問是

我需要循環神經網路(RNN) 的方法

ChatGPT回答

給出了非常詳細的、實操性非常強的步驟，我簡單歸類一下，大致是兩步：

第一步，對視訊預處理，用卷積神經網絡（如：ResNet）提取視頻動作特徵（類似wordembedding） 第二步，用動作特徵作為lstm 模型的輸入，訓練lstm 循環神經網絡，對動作特徵分類，從而識別出摔倒行為

3. 寫程式碼

到目前，ChatGPT 提供給我們的，解決問題的想法非常清晰，可執行性非常強。

所以，這時候我們可以讓ChatGPT寫程式了。

按照我上面分割的步驟，我請他一次把第一步程式碼寫出來，所以，我的提問是：

寫一下影片預處理的程式碼，並用pytorch resnet擷取影片特徵

ChatGPT的回答

好的，下面是通过 Pytorch 的 ResNet 提取视频特征的代码，以及视频预处理的示例代码：

视频预处理：

import cv2
import numpy as np

def preprocess_video(video_path, n_frames=16, resize=(224, 224)):
# 读取视频
cap = cv2.VideoCapture(video_path)
frames = []
while True:
ret, frame = cap.read()
if not ret:
break
# 强制转换为 RGB
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
# 图像缩放
frame = cv2.resize(frame, resize)
# 图像增强等操作
# ...
frames.append(frame)
cap.release()
# 取固定帧数 n_frames，超过后从中间开始截取
n_frames = min(len(frames), n_frames)
start = (len(frames) - n_frames) // 2
end = start + n_frames
# 截取帧数后堆叠成四维数组
frames = np.stack(frames[start:end], axis=0)
# 转换为支持 Pytorch 模型的格式 (B, C, T, H, W)
frames = np.transpose(frames, (0, 3, 1, 2))
return frames
提取视频特征：

import torch
import torchvision.models as models

def extract_features(frames):
# 加载 ResNet 模型
resnet = models.resnet50(pretrained=True)
# 去掉最后的全连接层
resnet = torch.nn.Sequential(*list(resnet.children())[:-1])
# 将 ResNet 设置为评估模式
resnet.eval()
# 将预处理后的视频序列转化为 Tensor，并调整为指定的数据类型和范围
frames = torch.from_numpy(frames).float() / 255.0
# 减去 ImageNet 数据集的均值和标准差
normalize = torch.nn.Normalize(
mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]
)
frames = normalize(frames)
# 前向预测，输出 2048 维特征向量
with torch.no_grad():
features = resnet(frames)
return features.reshape(-1, 2048)
在上面这两块代码中，preprocess_video() 函数将读取视频，并将其转换为指定大小的图像帧，返回处理后的数据；extract_features() 函数将接受上一步处理后的数据，并将其转化为 Pytorch 的 Tensor，使用训练好的 ResNet 模型对每一帧图像进行特征提取，并返回一个形状为 (B, 2048) 的 Tensor，其中 B 为帧数。

圖片太長了，為了大家能更好的感受ChatGPT的回答，我直接把程式碼文字貼出來了。

定義了兩個獨立函數，分別完成了第一步中的兩小步驟內容。

程式碼沒有問題，先呼叫preprocess_video函數對視訊預處理，再呼叫 extract_features卷積操作，就可以將一個向量embedding成一個2048維的向量。

第二步，我拆分成了兩小步，先搭建lstm模型，再訓練

基於上面產出的結果，用pytorch lstm搭建視訊分類模型

ChatGPT的回答

寫一下模型訓練的程式碼

ChatGPT的答案

好的，下面是使用 Pytorch 训练视频分类模型的代码：

import torch
import torch.nn as nn
import torch.optim as optim

# 训练函数
def train(model, criterion, optimizer, dataloader, num_epochs=10):
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)# 将模型移动到 GPU 或 CPU 上
for epoch in range(num_epochs):
running_loss = 0.0
correct_predictions = 0
total_predictions = 0
for inputs, labels in dataloader:
inputs = inputs.to(device)
labels = labels.to(device)

optimizer.zero_grad()

with torch.set_grad_enabled(True):
outputs = model(inputs)
_, preds = torch.max(outputs, 1)
loss = criterion(outputs, labels)

loss.backward()
optimizer.step()

running_loss += loss.item() * inputs.size(0)
correct_predictions += torch.sum(preds == labels.data)
total_predictions += labels.size(0)

epoch_loss = running_loss / len(dataloader.dataset)
epoch_acc = correct_predictions.double() / total_predictions

print("Epoch {}: Loss {:.4f} Acc: {:.4f}".format(epoch + 1, epoch_loss, epoch_acc))

# 定义超参数
BATCH_SIZE = 4
NUM_EPOCHS = 20

# 定义数据集，假设已经准备好了训练数据集和测试数据集
train_dataset = ...
test_dataset = ...

# 定义数据加载器
train_dataloader = torch.utils.data.DataLoader(
train_dataset, batch_size=BATCH_SIZE, shuffle=True
)
test_dataloader = torch.utils.data.DataLoader(
test_dataset, batch_size=BATCH_SIZE, shuffle=False
)

# 定义模型
input_size = 2048
hidden_size = 512
num_layers = 1
num_classes = 2
model = VideoLSTM(input_size, hidden_size, num_layers, num_classes)

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters())

# 训练模型
train(model, criterion, optimizer, train_dataloader, num_epochs=NUM_EPOCHS)
在代码中，首先定义了模型的超参数，如 BATCH_SIZE 和 NUM_EPOCHS。接着定义了训练数据集和测试数据集，并使用 Pytorch 的 DataLoader 将数据加载为 batch。然后定义了模型、损失函数和优化器。最后调用 train() 函数进行模型训练。

在训练过程中，每个 epoch 循环训练所有的视频帧，计算损失函数，计算准确率，并输出当前 epoch 的平均损失和准确率。训练完成后，可以将模型的参数保存到磁盘上，以便以后使用。

程式碼的可用性非常高。除了程式碼串聯有一些成本，各個獨立模組基本上不需要動，開發效率非常有效率。

也可以讓ChatGPT找一些資料集

也可以讓他寫模型推理的程式碼

他可以自動幫我們把影片預處理、特徵提取和推理三部分都串起來，形成一個完整的項目。

4. 擴充

到這裡，我們就完全用ChatGPT把專案做完了。

我們還可以聊一些擴充性的話題，如：

也可以讓ChatGPT幫我們想一些能突顯學術價值的點

看到這裡，說明我的文章對你多少有一丟丟的幫助。不管是否加入星球，我都感謝對大家對我的認同與信任。

以上是摔倒偵測-完全用ChatGPT開發，分享如何正確地向ChatGPT提問的詳細內容。更多資訊請關注PHP中文網其他相關文章！