1.1 Mediapipe随手简记（一）

嵌入式&机器人

已于 2024-06-02 09:17:40 修改

阅读量2.1k

点赞数 14

分类专栏： Mediapipe 文章标签： python mediapipe

于 2024-06-01 15:10:20 首次发布

本文链接：https://blog.csdn.net/SSS465/article/details/139373859

版权

Mediapipe 专栏收录该内容

1 篇文章 1 订阅

订阅专栏

为了后续项目展开，需要Python、C++、Linux、OpenCV、Mediapipe、ROS知识。

最后面有手势识别（数字）精准案例，项目会用到。

Mediapipe学习篇1

Mediapipe 是一个开源的跨平台框架，它提供了大量的解决方案，用于构建高性能、跨平台的计算机视觉应用。Mediapipe 使用计算图（Calculation Graph）来表示算法的执行流程，可以轻松地组合和扩展不同的算法模块。

1. Mediapipe 简介

1.1 Mediapipe 的起源和发展

Mediapipe 由 Google Research 于 2020 年推出，旨在为计算机视觉研究人员和开发者提供一个易于使用、高性能的框架。Mediapipe 提供了多种预训练模型和算法，涵盖了人脸检测、手势识别、姿态估计等领域。

1.2 Mediapipe 的特点和优势

易于使用：Mediapipe 的 API 设计简洁易懂，易于学习和使用。
高性能：Mediapipe 使用计算图优化算法的执行流程，可以实现高性能的实时处理。
跨平台：Mediapipe 支持多种操作系统，包括 Windows、Linux、Mac OS、Android 和 iOS。
模块化：Mediapipe 的算法模块是可插拔的，可以轻松地组合和扩展不同的算法。

2. Mediapipe 安装和配置

2.1 Mediapipe 安装

Mediapipe 可以通过 pip 包管理工具进行安装：

pip install mediapipe

2.2 Mediapipe 配置

安装 Mediapipe 后，你需要在代码中导入 mediapipe 模块才能使用其功能。

3. Mediapipe 基础

3.1 计算图 (Calculation Graph)

计算图是 Mediapipe 的核心概念，它用于表示算法的执行流程。计算图由节点 (Node) 和边 (Edge) 组成，节点表示算法模块，边表示数据流。 示例（非完全）：

# 创建计算图
mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands
# 创建 Hand 类实例
hands = mp_hands.Hands()
# 读取图像
img = cv2.imread('image.jpg')
# 将图像转换为 RGB 格式
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = hands.process(img_rgb)
# 绘制手势关键点
if results.multi_hand_landmarks:
    for hand_landmarks in results.multi_hand_landmarks:
        mp_drawing.draw_landmarks(
            img,
            hand_landmarks,
            mp_hands.HAND_CONNECTIONS,
        )
# 显示图像
cv2.imshow('Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.2 节点 (Node)

节点是计算图中的基本单元，它表示一个算法模块。每个节点都可以接收输入数据，并生成输出数据。示例：

# 创建 Hand 类实例
hands = mp_hands.Hands()

3.3 边 (Edge)

边是连接节点的数据流，它表示节点之间的数据传递关系。示例：

# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = hands.process(img_rgb)

3.4 数据流

数据流是节点之间传递的数据，它可以是图像、关键点、检测框等。在 Mediapipe 中，数据流通常使用 NormalizedLandmarkList、Detection、Landmarks 等数据结构来表示。 示例（非完全）：

# 创建 Hand 类实例
hands = mp_hands.Hands()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = hands.process(img_rgb)
# 获取手势关键点
if results.multi_hand_landmarks:
    for hand_landmarks in results.multi_hand_landmarks:
        # hand_landmarks 是一个 NormalizedLandmarkList 对象
        # 它包含手部的 21 个关键点的位置信息
        for landmark in hand_landmarks.landmark:
            # landmark 是一个 Landmark 对象
            # 它包含关键点的 x, y, z 坐标
            x = landmark.x
            y = landmark.y
            z = landmark.z

数据结构说明：

NormalizedLandmarkList：表示一组归一化的关键点，其中每个关键点的坐标值都在 0 到 1 之间。
Detection：表示一个检测框，包含检测框的位置、置信度等信息。
Landmarks：表示一组关键点，包含关键点的坐标信息。

4. Mediapipe 常用算法模块

4.1 人脸检测

Mediapipe 提供了人脸检测模块，可以用于检测图像或视频中的 faces。 示例（非完全）：

mp_face_detection = mp.solutions.face_detection
# 创建 FaceDetection 类实例
face_detection = mp_face_detection.FaceDetection()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 检测图像中的人脸
results = face_detection.process(img_rgb)
# 绘制人脸矩形框
if results.detections:
    for detection in results.detections:
        mp_drawing.draw_detection(img, detection)

4.2 手势识别

Mediapipe 提供了手势识别模块，可以用于识别图像或视频中的手势。 示例（非完全）：

mp_hands = mp.solutions.hands
# 创建 Hand 类实例
hands = mp_hands.Hands()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = hands.process(img_rgb)
# 绘制手势关键点
if results.multi_hand_landmarks:
    for hand_landmarks in results.multi_hand_landmarks:
        mp_drawing.draw_landmarks(
            img,
            hand_landmarks,
            mp_hands.HAND_CONNECTIONS,
        )

4.3 姿态估计

Mediapipe 提供了姿态估计模块，可以用于估计图像或视频中的姿态。 示例（非完全）：

mp_pose = mp.solutions.pose
# 创建 Pose 类实例
pose = mp_pose.Pose()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = pose.process(img_rgb)
# 绘制姿态关键点
if results.pose_landmarks:
    mp_drawing.draw_landmarks(
        img,
        results.pose_landmarks,
        mp_pose.POSE_CONNECTIONS,
    )

4.4 目标跟踪

Mediapipe 提供了目标跟踪模块，可以用于跟踪图像或视频中的目标。 示例（非完全）：

mp_objectron = mp.solutions.objectron
# 创建 Objectron 类实例
objectron = mp_objectron.Objectron()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = objectron.process(img_rgb)
# 获取目标信息
if results.multi_object_detections:
    for detection in results.multi_object_detections:
        # detection 是一个 Detection 对象
        # 它包含目标的检测框、置信度等信息
        bounding_box = detection.bounding_box
        score = detection.score

示例（非完全）：

mp_objectron = mp.solutions.objectron
# 创建 Objectron 类实例
objectron = mp_objectron.Objectron()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = objectron.process(img_rgb)
# 获取目标信息
if results.multi_object_detections:
    for detection in results.multi_object_detections:
        # detection 是一个 Detection 对象
        # 它包含目标的检测框、置信度等信息
        bounding_box = detection.bounding_box
        score = detection.score

4.5 人体姿态估计

Mediapipe 提供了人体姿态估计模块，可以用于估计图像或视频中的姿态。 示例（非完全）：

mp_pose = mp.solutions.pose
# 创建 Pose 类实例
pose = mp_pose.Pose()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = pose.process(img_rgb)
# 获取姿态关键点
if results.pose_landmarks:
    # results.pose_landmarks 是一个 Landmarks 对象
    # 它包含人体姿态的 33 个关键点的位置信息
    for landmark in results.pose_landmarks.landmark:
        # landmark 是一个 Landmark 对象
        # 它包含关键点的 x, y, z 坐标
        x = landmark.x
        y = landmark.y
        z = landmark.z

4.6 表情识别

Mediapipe 提供了表情识别模块，可以用于识别图像或视频中的表情。 示例（非完全）：

mp_face_mesh = mp.solutions.face_mesh
# 创建 FaceMesh 类实例
face_mesh = mp_face_mesh.FaceMesh()
# 读取图像
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 处理图像
results = face_mesh.process(img_rgb)
# 获取面部关键点
if results.multi_face_landmarks:
    for face_landmarks in results.multi_face_landmarks:
        # face_landmarks 是一个 Landmarks 对象
        # 它包含面部 478 个关键点的位置信息
        for landmark in face_landmarks.landmark:
            # landmark 是一个 Landmark 对象
            # 它包含关键点的 x, y, z 坐标
            x = landmark.x
            y = landmark.y
            z = landmark.z

5. Mediapipe 高级功能

5.1 自定义模型

Mediapipe 支持自定义模型，允许开发者使用自己的模型进行图像处理、计算机视觉和机器学习等任务。这可以通过以下步骤实现：

训练模型：使用如 TensorFlow、PyTorch 等深度学习框架训练你的模型。
导出模型：将训练好的模型导出为 ONNX 或 TF Lite 等格式。
加载模型：在 Mediapipe 中加载导出的模型。
使用模型：在处理图像时，使用加载的模型进行预测。

示例：

# 加载自定义模型
model = load_model('path_to_custom_model')
# 使用自定义模型处理图像
predictions = model.predict(img)

5.2 性能优化

Mediapipe 提供了多种性能优化工具，可以帮助开发者提高算法的执行效率。以下是一些性能优化的方法：

CPU/GPU 加速：Mediapipe 可以使用 CPU 或 GPU 进行加速，提高算法的执行效率。在构建计算图时，可以通过指定 .with_cpu() 或 .with_gpu() 方法来选择使用 CPU 或 GPU。

# 使用 CPU 进行加速
hands = mp_hands.Hands(static_image_mode=True, max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5)
# 使用 GPU 进行加速
hands = mp_hands.Hands(static_image_mode=True, max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5, model_complexity=1)

量化模型：Mediapipe 支持量化模型，可以减小模型的体积，提高模型的执行速度。在构建计算图时，可以通过指定 .with_default_model_complexity() 方法来选择模型复杂度，从而实现量化。
```
# 选择模型复杂度为 1，进行量化
hands = mp_hands.Hands(static_image_mode=True, max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5, model_complexity=1)
```
模型剪枝：Mediapipe 支持模型剪枝，可以去除模型中不必要的参数，提高模型的执行速度。在构建计算图时，可以通过指定 .with_default_model_complexity() 方法来选择模型复杂度，从而实现模型剪枝。
```
# 选择模型复杂度为 1，进行模型剪枝
hands = mp_hands.Hands(static_image_mode=True, max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5, model_complexity=1)
```

5.3 跨平台支持

Mediapipe 支持多种操作系统，包括 Windows、Linux、Mac OS、Android 和 iOS。这使得开发者可以轻松地将 Mediapipe 应用到不同的平台上。

6. Mediapipe 数据结构

Mediapipe 中的数据结构用于存储和传递计算图中的数据。以下是 Mediapipe 中一些常用的数据结构：

6.1 NormalizedLandmarkList

NormalizedLandmarkList 是一个数据结构，用于存储归一化的关键点坐标。每个关键点坐标都是相对于输入图像的尺寸归一化的。

class NormalizedLandmarkList:
    num_landmarks: int
    landmark: List[NormalizedLandmark]

其中，num_landmarks 是关键点的数量，landmark 是一个包含所有关键点的列表，每个关键点是一个 NormalizedLandmark 对象。

6.2 Detection

Detection 是一个数据结构，用于存储检测框的位置、置信度等信息。

class Detection:
    bounding_box: BoundingBox
    score: float
    classification: Classification

其中，bounding_box 是检测框的位置，score 是置信度，classification 是分类信息。

6.3 Landmarks

Landmarks 是一个数据结构，用于存储关键点的坐标信息。

class Landmarks:
    num_landmarks: int
    landmark: List[Landmark]

其中，num_landmarks 是关键点的数量，landmark 是一个包含所有关键点的列表，每个关键点是一个 Landmark 对象。

6.4 BoundingBox

BoundingBox 是一个数据结构，用于存储检测框的位置。

class BoundingBox:
    origin: Origin
    size: Size

其中，origin 是检测框的左上角坐标，size 是检测框的尺寸。

6.5 Classification

Classification 是一个数据结构，用于存储分类信息。

class Classification:
    label: str
    score: float

其中，label 是分类标签，score 是置信度。

6.6 Origin

Origin 是一个数据结构，用于存储位置信息。

class Origin:
    x: float
    y: float

其中，x 和 y 是位置坐标。

6.7 Size

Size 是一个数据结构，用于存储尺寸信息。

class Size:
    width: float
    height: float

其中，width 和 height 是尺寸大小。通过这些数据结构，Mediapipe 可以有效地存储和传递计算图中的数据，使得开发者可以轻松地构建和运行复杂的计算机视觉应用。

手势识别代码案例（精准）

代码地址：Mediapipe_hand_detect: 这份代码是使用Mediapipe进行手势识别，超精准

嵌入式&机器人

关注

14
点赞
踩
42

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录