python基于mediapipe开发构建人体姿态检测系统

news2024/10/6 22:24:31

之前做的人体姿态检测大都是基于openpose或者是yolo-pose之类的技术框架，这里主要是想基于一个开源的实现来完成人体姿态检测。首先看下效果图：

 Mediapipe是google的一个开源项目，支持跨平台的常用ML方案。项目在这里，如下所示：

 github仓库在这里，如下所示：

MediaPipe工具包包括框架和Solutions。框架是用c++、Java和Obj-C编写的，包含：Calculator API (C++)、Graph construction API (Protobuf)和Graph Execution API (C++, Java, Obj-C)。Solutions是基于特定的预训练TensorFlow或TFLite模型的开源预构建示例。MediaPipe Solutions构建在框架之上。目前，它提供了16个Solutions，包括：人脸检测、Face Mesh、虹膜、手、姿态、人体、人物分割、头发分割、目标检测、Box Tracking、Instant Motion Tracking、3D目标检测、特征匹配、AutoFlip、MediaSequence、YouTube-8M。如下所示：

 这里主要是想基于mediapipe来实现人体姿态检测。

核心代码实现很简单，如下所示：

mp_pose = mp.solutions.pose
mp_drawing = mp.solutions.drawing_utils
pose = mp_pose.Pose(static_image_mode=True,
                    smooth_landmarks=True,
                    min_detection_confidence=0.5,
                    min_tracking_confidence=0.5
                    )
# 姿态估计
results = pose.process(img)
print("results: ", results.pose_landmarks)
# 可视化
mp_drawing.draw_landmarks(img, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)
look_img(img)

结果如下所示：

 我们再多测试几张图片，如下所示：

 效果还是可以的，毕竟是开箱即用的工具了。

这里打印出来了计算得到的landmarks，如下所示：

landmark {
  x: 0.8632122278213501
  y: 0.39934223890304565
  z: -0.0021378363016992807
  visibility: 1.0
}
landmark {
  x: 0.8844274282455444
  y: 0.387251079082489
  z: 0.005716356914490461
  visibility: 1.0
}
landmark {
  x: 0.8930062055587769
  y: 0.3897208869457245
  z: -0.002450103173032403
  visibility: 1.0
}
landmark {
  x: 0.9013738632202148
  y: 0.39209526777267456
  z: 0.0007952205487526953
  visibility: 1.0
}
landmark {
  x: 0.8574270009994507
  y: 0.378071129322052
  z: 0.0035106923896819353
  visibility: 1.0
}
landmark {
  x: 0.8468424081802368
  y: 0.37453708052635193
  z: 0.003549371613189578
  visibility: 1.0
}
landmark {
  x: 0.8365076184272766
  y: 0.3711674213409424
  z: -0.0029587973840534687
  visibility: 1.0
}
landmark {
  x: 0.8933941125869751
  y: 0.3996911644935608
  z: -0.0009722764370962977
  visibility: 0.9999998807907104
}
landmark {
  x: 0.8056524991989136
  y: 0.37151792645454407
  z: 0.0004327383066993207
  visibility: 0.9999991655349731
}
landmark {
  x: 0.8579585552215576
  y: 0.4187290668487549
  z: 6.539761670865119e-05
  visibility: 0.9999994039535522
}
landmark {
  x: 0.8241762518882751
  y: 0.40628987550735474
  z: 0.004473073408007622
  visibility: 0.9999991655349731
}
landmark {
  x: 0.8441612720489502
  y: 0.5035648345947266
  z: -0.25567159056663513
  visibility: 0.9999856948852539
}
landmark {
  x: 0.6964893341064453
  y: 0.39029890298843384
  z: -0.24796368181705475
  visibility: 0.9999732971191406
}
landmark {
  x: 0.8154499530792236
  y: 0.6286311745643616
  z: -0.5366763472557068
  visibility: 0.9982965588569641
}
landmark {
  x: 0.567449688911438
  y: 0.37861955165863037
  z: -0.5087283253669739
  visibility: 0.9612370133399963
}
landmark {
  x: 0.8140097856521606
  y: 0.5123477578163147
  z: -0.5489024519920349
  visibility: 0.9991863369941711
}
landmark {
  x: 0.6818426847457886
  y: 0.3975215554237366
  z: -0.6002770066261292
  visibility: 0.9928218722343445
}
landmark {
  x: 0.8133549690246582
  y: 0.4815672039985657
  z: -0.5735042691230774
  visibility: 0.9980783462524414
}
landmark {
  x: 0.7153089642524719
  y: 0.4053640067577362
  z: -0.6815528273582458
  visibility: 0.9833958148956299
}
landmark {
  x: 0.822299599647522
  y: 0.4749387800693512
  z: -0.5469208359718323
  visibility: 0.9978579878807068
}
landmark {
  x: 0.7317229509353638
  y: 0.4011012315750122
  z: -0.6464983820915222
  visibility: 0.9760293364524841
}
landmark {
  x: 0.8098946809768677
  y: 0.48704978823661804
  z: -0.5442765355110168
  visibility: 0.9976638555526733
}
landmark {
  x: 0.7142665982246399
  y: 0.4025900065898895
  z: -0.6355682611465454
  visibility: 0.9730454087257385
}
landmark {
  x: 0.546131432056427
  y: 0.5851266384124756
  z: -0.09281446784734726
  visibility: 0.9991334080696106
}
landmark {
  x: 0.508682131767273
  y: 0.48553502559661865
  z: 0.04270992800593376
  visibility: 0.9998688697814941
}
landmark {
  x: 0.5611737966537476
  y: 0.7204070091247559
  z: -0.24625882506370544
  visibility: 0.9888652563095093
}
landmark {
  x: 0.42196184396743774
  y: 0.3439556956291199
  z: -0.3940356969833374
  visibility: 0.9972810745239258
}
landmark {
  x: 0.5202962756156921
  y: 0.8794336915016174
  z: -0.15859434008598328
  visibility: 0.9323670268058777
}
landmark {
  x: 0.31913697719573975
  y: 0.17321842908859253
  z: -0.18911319971084595
  visibility: 0.9997671246528625
}
landmark {
  x: 0.49125418066978455
  y: 0.9076821208000183
  z: -0.21756611764431
  visibility: 0.90669184923172
}
landmark {
  x: 0.26992592215538025
  y: 0.1453598439693451
  z: -0.29918187856674194
  visibility: 0.99979168176651
}
landmark {
  x: 0.570073127746582
  y: 0.9116483330726624
  z: -0.3478630483150482
  visibility: 0.9282693862915039
}
landmark {
  x: 0.381407231092453
  y: 0.09821030497550964
  z: -0.4874095618724823
  visibility: 0.9996092915534973
}

为了方便界面展示，这里对其进行解析处理，结果输出如下所示：

x: 0.8632, y: 0.3993, z: -0.0021, visibility: 1.0
x: 0.8844, y: 0.3873, z: 0.0057, visibility: 1.0
x: 0.893, y: 0.3897, z: -0.0025, visibility: 1.0
x: 0.9014, y: 0.3921, z: 0.0008, visibility: 1.0
x: 0.8574, y: 0.3781, z: 0.0035, visibility: 1.0
x: 0.8468, y: 0.3745, z: 0.0035, visibility: 1.0
x: 0.8365, y: 0.3712, z: -0.003, visibility: 1.0
x: 0.8934, y: 0.3997, z: -0.001, visibility: 1.0
x: 0.8057, y: 0.3715, z: 0.0004, visibility: 1.0
x: 0.858, y: 0.4187, z: 0.0001, visibility: 1.0
x: 0.8242, y: 0.4063, z: 0.0045, visibility: 1.0
x: 0.8442, y: 0.5036, z: -0.2557, visibility: 1.0
x: 0.6965, y: 0.3903, z: -0.248, visibility: 1.0
x: 0.8154, y: 0.6286, z: -0.5367, visibility: 0.9983
x: 0.5674, y: 0.3786, z: -0.5087, visibility: 0.9612
x: 0.814, y: 0.5123, z: -0.5489, visibility: 0.9992
x: 0.6818, y: 0.3975, z: -0.6003, visibility: 0.9928
x: 0.8134, y: 0.4816, z: -0.5735, visibility: 0.9981
x: 0.7153, y: 0.4054, z: -0.6816, visibility: 0.9834
x: 0.8223, y: 0.4749, z: -0.5469, visibility: 0.9979
x: 0.7317, y: 0.4011, z: -0.6465, visibility: 0.976
x: 0.8099, y: 0.487, z: -0.5443, visibility: 0.9977
x: 0.7143, y: 0.4026, z: -0.6356, visibility: 0.973
x: 0.5461, y: 0.5851, z: -0.0928, visibility: 0.9991
x: 0.5087, y: 0.4855, z: 0.0427, visibility: 0.9999
x: 0.5612, y: 0.7204, z: -0.2463, visibility: 0.9889
x: 0.422, y: 0.344, z: -0.394, visibility: 0.9973
x: 0.5203, y: 0.8794, z: -0.1586, visibility: 0.9324
x: 0.3191, y: 0.1732, z: -0.1891, visibility: 0.9998
x: 0.4913, y: 0.9077, z: -0.2176, visibility: 0.9067
x: 0.2699, y: 0.1454, z: -0.2992, visibility: 0.9998
x: 0.5701, y: 0.9116, z: -0.3479, visibility: 0.9283
x: 0.3814, y: 0.0982, z: -0.4874, visibility: 0.9996

之后开发专用的可视化界面实现可视化推理如下所示：

 界面大小的限制，这里仅展示了Top 10的关键点信息数据，感兴趣的话都可以自行尝试。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/445062.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

软件挖掘｜软件缺陷｜蜕变关系

软件挖掘｜软件缺陷｜蜕变关系

目录 软件无处不在 软件发展不是一个简单的任务 识别软件缺陷 软件缺陷定位 使用bug报告识别有缺陷的源代码 使用标准IR方法建模相关性 VSM rVSM 根据bug报告和源代码学习共享主题，并根据主题衡量相关度 学习结合大量手工制作的特性 如何建模&#xf…
阅读更多...
页表结构详细说明

页表结构详细说明

一、页表 1. 内存地址的分解 我们知道linux采用了分页机制，通常采用四级页表，页全局目录(PGD)，页上级目录(PUD)，页中间目录(PMD)，页表(PTE)。如下： 其含义定义在arch/arm64/include/asm/pgtable-hwdef.…
阅读更多...
应急响应 - Windows启动项分析，Windows计划任务分析，Windows服务分析

应急响应 - Windows启动项分析，Windows计划任务分析，Windows服务分析

「作者简介」：CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者 「推荐专栏」：对网络安全感兴趣的小伙伴可以关注专栏《网络安全入门到精通》 Windows应急响应 一、启动项分析1、msconfig2、gpedit.msc3、注册表4、msinfo325、启动菜…
阅读更多...
【数据结构实验】哈希表设计

【数据结构实验】哈希表设计

【数据结构实验】哈希表设计 简介 针对本班同学中的人名设计一个哈希表，使得平均查找长度不超过R，完成相应的建表和查表程序。文末贴出了源代码。 需求分析 假设人名为中国人姓名的汉语拼音形式，待填入哈希表的人名共有三十个左右&#x…
阅读更多...
汇编指令角度掌握函数调用堆栈详细过程

汇编指令角度掌握函数调用堆栈详细过程

函数参数从右向左依次压栈push，call 要先把下一行指令 压栈， 根据如下代码思考两个问题： 问题一：main函数调用sum，sum执行完以后，怎么知道回到哪个函数中？ 问题二：sum函数执行完&…
阅读更多...
使用树状图可视化聚类

使用树状图可视化聚类

一般情况下，我们都是使用散点图进行聚类可视化，但是某些的聚类算法可视化时散点图并不理想，所以在这篇文章中，我们介绍如何使用树状图（Dendrograms）对我们的聚类结果进行可视化。 树状图 树状图是显示对象…
阅读更多...
vue 项目中 向数组 添加元素 的方式

vue 项目中 向数组 添加元素 的方式

学习目标： 提示：了解 vue 向数组 添加元素 的三种方式 学习内容： 提示： vue 向数组 添加元素 的三种方式 方法： push()unshift()splice() 总结： 提示：这里总结相关的知识 1、push() 含义&a…
阅读更多...
网络编程之 Socket 套接字（使用数据报套接字和流套接字分别实现一个小程序（附源码））

网络编程之 Socket 套接字（使用数据报套接字和流套接字分别实现一个小程序（附源码））

文章目录 1. 什么是网络编程2. 网络编程中的基本概念1）发送端和接收端2）请求和响应3）客户端和服务端4）常见的客户端服务端模型 3. Socket 套接字1）Socket 的分类2）Java 数据报套接字通信模型3）J…
阅读更多...
【Redis7】Redis7 集群（重点：哈希槽分区）

【Redis7】Redis7 集群（重点：哈希槽分区）

【大家好，我是爱干饭的猿，本文重点介绍Redis7 集群概述、作用、集群算法-分片-槽位slot、集群环境案例步骤、集群常用操作命令和CRC16算法。 后续会继续分享Redis7和其他重要知识点总结，如果喜欢这篇文章，点个赞👍&am…
阅读更多...
ChatGPT 的数据保护盲点以及安全团队如何解决这些盲点

ChatGPT 的数据保护盲点以及安全团队如何解决这些盲点

自成立以来的短时间内，ChatGPT 和其他生成式 AI 平台理所当然地赢得了终极生产力助推器的声誉。 然而，能够按需快速生成高质量文本的技术，可能同时暴露敏感的公司数据。 最近发生的一起事件，三星软件工程师将专有代码粘贴到 ChatG…
阅读更多...
SpringBoot集成MyBatis-yml方式详解

SpringBoot集成MyBatis-yml方式详解

SpringBoot集成MyBatis-yml方式详解 简介：spring boot整合mybatis开发web系统目前来说是市面上主流的框架，每个Java程序和springboot mybatis相处的时间可谓是比和自己女朋友相处的时间都多，但是springboot mybatis并没有得到你的真爱&#x…
阅读更多...
涨点技巧： 谷歌强势推出优化器Lion，引入到Yolov8,内存更小、效率更高，秒杀Adam(W)

涨点技巧： 谷歌强势推出优化器Lion，引入到Yolov8,内存更小、效率更高，秒杀Adam(W)

1.Lion优化器介绍 论文：https://arxiv.org/abs/2302.06675 代码：automl/lion at master google/automl GitHub 1.1 简单、内存高效、运行速度更快 1）与 AdamW 和各种自适应优化器需要同时保存一阶和二阶矩相比，Lion 只需要动量，将额外的内存占用减半； 2）由于 Lion…
阅读更多...
企业批量寄件快递教程

企业批量寄件快递教程

了解企业批量寄快递操作流程之前，我们先来解答一下这个问题：什么样的企业需要批量寄快递？ 电商行业就不提，本身二者就是相互依存的关系。就商务件来说，具体什么样的企业需要批量寄快递，其实很简单&#xf…
阅读更多...
Ansys Zemax | 如何使用坐标返回功能

Ansys Zemax | 如何使用坐标返回功能

概述 这篇文章简单介绍了如何使用OpticStudio中的坐标返回(Coordinate Return)功能。坐标返回功能可以非常方便的使系统坐标自动返回到目标表面处。（联系我们获取文章附件） 介绍 在OpticStudio的序列模式中，我们经常会使用坐标间断(Coordinat…
阅读更多...
Netty 源码解析（上）

Netty 源码解析（上）

序 Netty的影响力以及使用场景就不用多说了， 去年10月份后，就着手研究Netty源码，之前研究过Spring源码，MyBatis源码，java.util.concurrent源码，tomcat源码，发现一个特点，之前的源码都…
阅读更多...
PHPStudy安装imagick扩展

PHPStudy安装imagick扩展

phpstudy软件管理中没有自带安装imagick扩展，只能自己安装了。 下面将用几个步骤来进行phpstudy imagick安装： 1.下载imagick 下载地址 ImageMagick – Download 下载电脑版本相对的64/32位，最新的版本 2.安装imagick 双击刚刚下载的文件…
阅读更多...
三维可视化如何助力智慧城市建设?

三维可视化如何助力智慧城市建设?

在智慧城市建设中，如何将城市各类数据可视化是一大难题，目前市面上可视化的方法很多，如传统的三维建模、地物模型、建筑模型等。 这些方法各有利弊，从其实现方式来看： GIS/BIM是将所有的空间信息全部整合到一起; 从技术…
阅读更多...
第三章 法的渊源与法的分类

第三章 法的渊源与法的分类

目录 第一节 法的渊源的分类 一、法的渊源释义二、法的渊源种类 第二节 正式法源 一、正式法源的含义二、当代中国的正式法源三、正式法源的一般效力原则 第三节 非正式法源 一、当代中国的非正式法源 第四节 法的分类 一、法的一般分类二、法的特殊分类 第一节 法的渊源的…
阅读更多...
SSH连接本地centerOS系统配置

SSH连接本地centerOS系统配置

SSH连接本地linux系统 前提：安装好centerOS系统并能启动 目标：连通外网并设置SSH 1.网卡配置文件路径 打开linux本地终端 快捷键一般是ctrlaltf2(f1~f3) 这里是管理员登录,密码是隐藏式的输入(输入看不见) 这样就显示成功登录了！ 下面查…
阅读更多...
Unity InputSystem (二)

Unity InputSystem (二)

InputActionAssets 是包含输入操作以及其关联的绑定和控制方案的资源，文件以 .inputactions 文件扩展名存储，并且是以纯 json 文件存储的。 创建 InputActionAssets 文件 在 Assets 窗口内选择创建 InputActions 文件 ControlSchemes 控制的解决方案…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023