姿态估计-人脸识别mesh-3d手势识别-3d目标检测-背景分割-人脸关键点

往期热门博客项目回顾：点击前往

计算机视觉项目大集合

改进的yolo目标检测-测距测速

路径规划算法

图像去雨去雾+目标检测+测距项目

交通标志识别项目

yolo系列-重磅yolov9界面-最新的yolo

姿态识别-3d姿态识别

深度学习小白学习路线

AI健身教练-引体向上-俯卧撑计数代码-仰卧起坐姿态估计-康复训练姿态识别-姿态矫正（附代码）

yolov8双目测距-yolov8+sgbm（原理+代码）

效果展示

• Hands
  
  　
  
• Pose
  
  　
  
  
• Face Mesh
  
  　
  
• Holistic
  
  　
  
  
• Face Detection
  
  
  
• Objectron
  
  
  
• Selfie Segmentation
  
  
  

运行环境

pip install requ.txt

效果展示-demo

Demo

デモの実行方法は以下です。

Face Mesh

python sample_facemesh.py

以下是各项参数的中文说明：

手部检测与跟踪参数

python sample_hand.py

• --device：指定使用的相机设备编号，默认为0。
• --width：设定相机捕捉画面的宽度，默认为960像素。
• --height：设定相机捕捉画面的高度，默认为540像素。
• --max_num_hands：设置最大手部检测数量，默认为1只手。
• --refine_landmarks：是否使用注意力网格模型，可提升眼部和嘴部区域的地标点准确性，默认未指定。
• --min_detection_confidence：设定手部检测的最低置信度阈值，默认为0.5。
• --min_tracking_confidence：设定手部跟踪的最低置信度阈值，默认为0.5。
• --use_brect：是否绘制并显示包围手部的外接矩形，默认未指定。

面部检测与跟踪参数

python sample_face.py

• 参数同上，但增加了--model_complexity：面部检测模型复杂度（0：轻量级，1：高精度），默认为1。
• --max_num_faces：设置最大面部检测数量，默认为1个面部。
• 对于面部检测，--min_detection_confidence的默认值为0.7。

姿势估计算法参数

python sample_pose.py

• 参数同上，并增加--model_complexity：姿势估计模型复杂度（0：Lite版，1：完整版，2：加强版），性能差异参考姿态估计质量，默认为1。
• --enable_segmentation：是否启用人体分割功能，默认未指定。
• --segmentation_score_th：人体分割的得分阈值，默认为0.5。

全身解决方案参数

python sample_holistic.py

• 同样包含上述参数，同时：
  • --model_complexity 参数含义同姿势估计算法。
  • --unuse_smooth_landmarks：是否禁用人脸和手部地标点的平滑处理，默认未指定。

面部检测参数

python sample_facedetection.py

• 同样的相机参数，以及：
  • --model_selection：选择适合不同距离检测的模型（0：适合2米内检测，1：适合5米内检测），默认为0。

物体检测与跟踪参数

python sample_objectron.py

• 相机参数及置信度阈值参数同上，另外：
  • --static_image_mode：是否启用静止图像模式（不进行跟踪），默认未指定。
  • --model_name：指定要检测的对象类型（截至2020年3月3日，支持’Shoe’、‘Chair’、‘Cup’、‘Camera’四种类型），默认为’Cup’。

自拍分割参数

python sample_selfie_segmentation.py

• 相机参数相同，并增加：
  • --model_selection：选择模型种类（0：通用模型，输出256x256x1；1：风景模型，输出144x256x1），默认为0。
  • --score_th：分割得分阈值，决定高于该值的部分视为人物，低于该值视为背景，默认为0.1。
  • --bg_path：背景图像存储路径，默认为空则使用绿色背景。

最后，计算机视觉图像处理、毕业辅导、作业帮助、代码获取，阿里云/51CTO等专家博主，私聊会回复！

code :qq1309399183