Python+MediaPipe实现AI姿态检测与健身姿态检测追踪项目

python+mediapip 实现AI姿态检测健身姿态检测追踪项目

最近研究mediapipe 这个东东，感觉有点意思，有点上瘾。如果实现了姿态检测，那么我们可以用这些姿态检测的坐标做一下项目了，比如说，如何检测健身举哑铃的动作检测，虽然功能十分简单，但是要用Python 去实现一个动作的检测，在代码层次来讲还是很繁琐的。 下面讲解一下如何使用python+opencv+mediapipe实现姿态检测，并对举哑铃这个动作进行识别。

要实现上面所说的功能，需要实现以下步骤，下面我们一步一步的实现下面的步骤，以完成整个的功能。

1. Install and Import Dependencies
2. Make Detections
3. Determining Joints
4. Calculate Angles
5. Curl Counter

1. Install and Import Dependencies

首先是运行环境的检测， 要看下你的mediapipe 与opencv-python 依赖是成功安装，并且 摄像头  能成功的采集到你的那张帅脸，如果这些都没有问题，那么就可以进行下面的操作了。

pip install mediapipe opencv-python

import cv2
import mediapipe as mp
import numpy as np
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose

# VIDEO FEED
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, frame = cap.read()
    cv2.imshow('Mediapipe Feed', frame)
    
    if cv2.waitKey(10) & 0xFF == ord('q'):
        break
        
cap.release()
cv2.destroyAllWindows()

2. Make Detections

cap = cv2.VideoCapture(0)
## Setup mediapipe instance
## 开启我们的姿态检测进程函数，这里有两个指标检测置信度和跟踪置信度，作用是控制模型检测的准确度和灵敏度
with mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5) as pose:
    while cap.isOpened():
        ret, frame = cap.read()
        
        # Recolor image to RGB
        ## 摄像投的数据都是以BGR的形式，但是模型处理要以RGB,所以这里的颜色空间要进行转换
        image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        image.flags.writeable = False
      
        # Make detection
        results = pose.process(image)
    
        # Recolor back to BGR
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
        
        # Render detections
        ##然后进行画点和连线的操作了
        mp_drawing.draw_landmarks(image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS,
                                mp_drawing.DrawingSpec(color=(245,117,66), thickness=2, circle_radius=2), 
                                mp_drawing.DrawingSpec(color=(245,66,230), thickness=2, circle_radius=2) 
                                 )               
        
        cv2.imshow('Mediapipe Feed', image)

        if cv2.waitKey(10) & 0xFF == ord('q'):
            break

    cap.release()
    cv2.destroyAllWindows()

代码的功能我基本上已经在注释中阐述明白了， 完成了上面的步骤，那么基本上就能够检测到你的姿态的模型了。

3.Determining Joints

下图是姿态检测模型中的33个关节点，我们会获取所需要的关节点的坐标，然后进行 算法  的计算，以达到我们所需的功能需求。下面我会获取我们的其
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删