基于python使用OpenCV和MediaPipe通过人体姿态检测实现对标准的仰卧起坐数量的计量（三）

先来看一下main.py的代码

1. import cv2
2. import numpy as np
3. import PoseModule as pm
4.  
5. cap = cv2.VideoCapture('10.mp4')
6. detector = pm.poseDetector()
7. count = 0
8. dir = 0
9.  
10. while True:
11.     success, img = cap.read()
12.     img = cv2.resize(img, (400, 300))
13.     img = detector.findPose(img, False)
14.     lmList = detector.findPosition(img, False)
15.     if len(lmList) != 0:
16.         angle = detector.findAngle(img, 11, 23, 25)
17.         per = np.interp(angle, (240, 280), (0, 100))
18.         bar = np.interp(angle, (250, 280), (280, 100))
19.  
20.         if per == 100:
21.             if dir == 0:
22.                 count += 0.5
23.                 dir = 1
24.         if per == 0:
25.             if dir == 1:
26.                 count += 0.5
27.                 dir = 0
28.  
29.         cv2.rectangle(img, (335, 100), (355, 280), (255, 0, 0), 2)
30.         cv2.rectangle(img, (335, int(bar)), (355, 280), (255, 0, 0), cv2.FILLED)
31.         cv2.putText(img, f'{int(per)}%', (300, 75), cv2.FONT_HERSHEY_PLAIN, 2, (255, 0, 0), 2)
32.         cv2.putText(img, str(int(count)), (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
33.  
34.     cv2.imshow('img', img)
35.     if cv2.waitKey(1)& 0xFF == ord('q'):
36.         break
37.  
38. cap.release()
39. cv2.destroyAllWindows()

不难发现，明明我们的功能需求变复杂了，但主函数却没有变得多复杂，这时可以看到我们的调用部分多了一行import PoseModule as pm —— 我们将一部分功能函数放入了自己创建的类中然后直接调用，使得运行部分的代码不会过于冗长，不过因为类的编写大体基于初级版代码且篇幅较长，这里仅将PoseModule的内容通过截图呈现，不做过多解释。（如果需要发文解释，欢迎评论，热度高的话我有空再出一篇~）

             

             

呈现完代码，那么我们开始进行解释：

    先是一些调用和视频的调用（为了方便效果的展示，这里从b站上录屏了仰卧起坐过程（侵权删），存为mp4文件后使用）

1. import cv2
2. import numpy as np
3. import PoseModule as pm
4. cap = cv2.VideoCapture('10.mp4')
5. detector = pm.poseDetector()
6. count = 0
7. dir = 0

然后是就是主体功能：

1.     while True:
2.     success, img = cap.read()
3.     img = cv2.resize(img, (400, 300))
4.     img = detector.findPose(img, False)
5.     lmList = detector.findPosition(img, False)
6.     if len(lmList) != 0:
7.         angle = detector.findAngle(img, 11, 23, 25)
8.         per = np.interp(angle, (240, 280), (0, 100))
9.         bar = np.interp(angle, (250, 280), (280, 100))
10.  
11.         if per == 100:
12.             if dir == 0:
13.                 count += 0.5
14.                 dir = 1
15.         if per == 0:
16.             if dir == 1:
17.                 count += 0.5
18.                 dir = 0
19.  
20.         cv2.rectangle(img, (335, 100), (355, 280), (255, 0, 0), 2)
21.         cv2.rectangle(img, (335, int(bar)), (355, 280), (255, 0, 0), cv2.FILLED)
22.         cv2.putText(img, f'{int(per)}%', (300, 75), cv2.FONT_HERSHEY_PLAIN, 2, (255, 0, 0), 2)
23.         cv2.putText(img, str(int(count)), (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
24.  
25.     cv2.imshow('img', img)
26.     if cv2.waitKey(1)& 0xFF == ord('q'):
27.         break

        其中部分代码初级版已经解释过，故此处只解释我们补充的函数：

per = np.interp(angle, (240, 280), (0, 100)) 

      将计算机读取视频画面后监测计算出的角度值的范围转换成0~100

      bar = np.interp(angle, (250, 280), (280, 100))

      将计算机读取视频画面后监测计算出的角度值的范围转换成100~280

1. if per == 100:
2.     if dir == 0:
3.         count += 0.5
4.         dir = 1
5. if per == 0:
6.     if dir == 1:
7.         count += 0.5
8.         dir = 0

         此处是对角度的值和增减方向进行判断后计数（即起落一次count加1）

1. cv2.rectangle(img, (335, 100), (355, 280), (255, 0, 0), 2)
2. cv2.rectangle(img, (335, int(bar)), (355, 280), (255, 0, 0), cv2.FILLED)
3. cv2.putText(img, f'{int(per)}%', (300, 75), cv2.FONT_HERSHEY_PLAIN, 2, (255, 0, 0), 2)
4. cv2.putText(img, str(int(count)), (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)

         在显示的画面上绘制count所对应的值和仰卧起坐的准确程度（按百分比算）

     写到这里，我们的代码就完成了！下面就是效果的展示。

（没做动图 意思意思着看啦思密达 以及码字不易关注收藏一下叭）