机器学习笔记 - MediaPipe了解 + 结合OpenCV进行人体姿势估计

已于 2022-04-02 10:44:40 修改
阅读量7.2k 收藏 44
点赞数 6
分类专栏： 深度学习从入门到精通 文章标签： 人体姿势估计 MediaPipe opencv 机器学习 python
于 2022-04-02 10:43:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bashendixie5/article/details/123508782
版权

一、MediaPipe概述

        MediaPipe 为直播和流媒体提供开源跨平台、可定制的 ML 解决方案。MediaPipe 是谷歌开发的开源框架。它是一个非常轻量级的多平台机器学习解决方案框架，可以在 CPU 上实时运行。

        支持较多场景的检测

        人脸检测、面部网格、手势识别、部分姿势识别、人体姿势估计（可以给出33个关键点的3D坐标）、目标检测跟踪等等。

         还支持如下语言：Android    iOS    C++    Python    JS    Coral

        但不是每种语言所有功能都具备的。

         详情参考文档地址：

了解本专栏 订阅专栏 解锁全文
坐望云起
关注
  • 6
    点赞
  • 踩
  • 44
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
订阅专栏
使用OpenCV和MediaPipe实现基于深度学习的人体姿态估计
深度学习与计算机视觉
06-23 7876
没有背景的姿态估计结果。计算机视觉中最困难的任务之一是确定人体四肢、复杂的自遮挡、自相似部分以及由于服装、体型、照明、以及许多其他因素。人体姿态估计问题可以定义为预测各种人体关键点（关节和...
使用 Mediapipe 和 Yolov5 进行多人姿态估计
深度学习与计算机视觉
05-10 7769
介绍基于图像和视频的人体姿态估计可以在许多应用中发挥重要作用，例如健身活动识别、肢体语言检测、手语识别、量化体育锻炼和全身手势控制。MediaPipe Pose 是一种用于高保真人体姿态跟踪的机器学习解决方案，从 RGB 视频帧中推断出全身的 33 个 3D 地标和背景分割蒙版。不同姿势的分类也可以使用自定义对象检测模块来完成，但它需要大量数据并且训练将是耗时且复杂的。我...
Mediapipe框架介绍及使用说明
图灵追幕者博客录
01-20 3967
Mediapipe是Google开发的一款开源的跨平台框架，用于构建实时多媒体应用程序。它提供了一系列预训练的机器学习模型和工具，可以用于各种计算机视觉、音频处理和姿态估计等任务。
【姿态估计】MediaPipe部分solution(手势，人体姿态，面部动作)的用法
qq_43018832的博客
11-24 6494
MediaPipe是个基于图形的跨平台框架，用于构建多模式应用的机器学习管道。MediaPipe可在移动设备，工作站和服务器上跨平台运行，并支持移动GPU加速。使用MediaPipe，可以将应用的机器学习管道构建为模块化组件的图形。MediaPipe专为机器学习从业者而设计包括研究人员，学生，和软件开发人员，他们实施生产就绪的ML应用程序，发布伴随研究工作的代码，以及构建技术原型。MediaPipe的主要用例上使用推理模型和其他可重用组件对应用机器学习管道进行快速原型设计。
树莓派安装opencv+mediapipe教程
最新发布
T541132的博客
04-21 1267
由于目前树莓派新版本镜像自带的python版本已经高达python3.11版本，使用最新版本安装opencv会出现非常多的问题，所以尽量选择自带python版本为python3.7的镜像，我这里选择的是这个镜像（点击链接可下载）。如何查看自带python的版本？通过树莓派旧版本镜像下载地址，查看后缀为 info 的文件打开后查找 python3，第二列即为自带python版本选择好想要的镜像后，下载后缀为xz的文件（该文件大小一般有几百兆）
MediaPipe模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计
AI浩
10-02 1580
说起业务落地级别的姿态估计算法方案，大家基本上的共识都是top-down范式，也就是det+pose的形式，先由一个轻量级的姿态估计模型提供bbox，再依次送入pose模型进行单人姿态估计，利用一些工程上的优化能抵消掉det模型的开销，基本上做到一整套流程的平均推理延迟约等于单个姿态估计模型推理的延迟。而MoveNet则比较与众不同，它是一个bottom-up的模型，这种范式一般用在多人姿态估计中，而更特别的是，MoveNet是一个bottom-up的单人姿态估计模型。
使用OpenCV和MediaPipe实现姿态识别！
法纳斯特
06-11 6602
大家好，我是小F～MediaPipe是一款由Google开发并开源的数据流处理机器学习应用开发框架。它是一个基于图的数据处理管线，用于构建使用了多种形式的数据源，如视频、音频、传感器数据以及任何时间序列数据。MediaPipe通过将各个感知模型抽象为模块并将其连接到可维护的图中来解决这些问题。项目地址：https://github.com/google/mediapipe今天小F就给大家介绍一下，...
课程设计-基于MediaPipe+opencv+PySide2+PyGame开发的手势识别系统Python源码+文档说明+界面
01-21
<项目介绍> 启动 打开login.py文件运行，弹出登录界面 pSoXuY4.png 登录 在登录界面弹出虚拟键盘 虚拟鼠标控制：使用食指在屏幕前移动，可控制电脑鼠标移动 虚拟键盘控制：当食指在虚拟键盘前滑过时，对应键帽会进行显示，当食指指尖与中指指尖进行并拢时可触发键盘点击操作 账号：ADMIN 密码：123 手势控制音乐播放器 登录成功进入播放 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
MediaPipe -- BlazePose原理
热门推荐
qq_45617958的博客
04-16 1万+
BlazePose 原理 简介 Blaze 意为“火焰、失火”，反映了这一系列算法是从算法设计到实现都竭力追求“极速”的特点，方便对运行速度要求比较高的AR/VR开发者使用。 BlazePose，一个轻量级的卷积神经网络架构，用于人体姿势估计，它是为移动设备上的实时推理量身定做的。在推理过程中，该网络为一个人产生33个身体关键点，并在Pixel 2手机上以每秒超过30帧的速度运行。因此它特别适合实时用例，如健身追踪和手语识别。在Pixel 3 上 GPU 运行，BlazePose可以达到112 FPS(f
人体姿态识别方案详解
张伟的专栏
02-04 2549
MoveNet是一种超快速且准确的模型，可检测身体的 17 个关键点。受莱昂纳多的维特鲁威人的启发，我们预测了一个人臀部的中点，外接整个人的圆的半径，以及连接肩部和臀部中点的线的倾斜角。OpenMMD具体使用教程在b站上有一个大佬总结的很清楚了，但有一个问题，他只能绑定在mmd模型上，mmd模型在游戏里的通用性并不大，属于比较小范围的应用。目前AR，VR，元宇宙都比较火，需要实际场景和虚拟中进行交互的情况，因此研究了通过摄像头获取图像进行识别，本文主要概述了在人体身体姿势识别跟踪方面的一些调研和尝试。
3D视觉——1.人体姿态估计(Pose Estimation)入门——使用MediaPipe含单帧(Signel Frame)与实时视频(Real-Time Video)
对方正在输入中...
06-14 1万+
使用Mediapipe工具包进行开发MediaPipe是一款由Google Research 开发并开源的多媒体机器学习模型应用框架，用于处理视频、音频等时间序列数据。这个跨平台架构使用于桌面/服务器、Android、iOS和嵌入式设备等。我们使用MeidaPie下的Solutions（方案特定的模型），共有16个Solutions:1.solutions.pose mediapipe姿态检测模块(.solutions.pose)，将人体各个部位分成33个点（0-32）如下图1.图1.通常可以通过判断角
基于MediaPipe人体姿态识别
03-22
常见的关键点有人脸关键点、人体骨骼关键点、车辆关键点等。当然，关键点本质上就是在图像中用一个点表示物体上特定的部位。于此同时关键点检测分为常见的三大派别，它们分别为回归派、heatmap派、混合派。
机器学习-09-图像处理02-PIL+numpy+OpenCV实践
04-12
基于opencv进行车牌识别的完整过程，包含全部模板，代码和中文字体，一键下载，一键运行 opencv版本为4.9
human-pose-estimation-opencv:使用OpenPose MobileNet在OpenCV中执行人体姿势估计
05-13
使用OpenPose MobileNet在OpenCV中执行人体姿势估计 如何使用 使用网络摄像头进行测试 python openpose.py 用图像测试 python openpose.py --input image.jpg 使用--thr增加置信度阈值 python openpose.py --...
pyqt5+AI健身+CPU实时检测mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能
05-09
使用OpenCV+mediapipe的BlazePose以及前端界面的Qt Designer+Pyqt5实现的一个基于人体姿态识别的AI健身系统，可以实现选择打开图片文件或者是视频文件，具有视频的关闭播放和更换视频播放等功能。视频可以在CPU下...
Mediapipe框架学习
不一样的迷糊...
01-09 1万+
Mediapipe官方文档 Mediapipe框架学习之一——Win10安装Mediapipe环境 Mediapipe框架学习之二——Android SDK and NDK 配置 Mediapipe框架学习之三——构建 MediaPipe 的 Android aar 包 Mediapipe框架学习之四——利用 Mediapipe aar 包，在AS中构建基于 Mediapipe 的手势识别App ...
MediaPipe 3D姿态估计简明教程
新缸中之脑
12-03 571
姿势检测是更多地了解视频和图像中人体的重要一步。我们现有的模型支持 2D 姿态估计已经有一段时间了，你们中的许多人可能已经尝试过。今天，我们在 TF.js 姿势检测 API 中推出第一个 3D 模型。3D 姿态估计为健身、医疗、动作捕捉等应用开辟了新的设计机会 - 在其中许多领域，我们看到 TensorFlow.js 社区越来越感兴趣。一个很好的例子是在浏览器中。
通过Mediapipe获取肢体关键点并手动绘制
weixin_44180993的博客
02-22 651
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考以上就是关于Mediapipe对于肢体关键点的获取以及手动绘制的步骤。
LIBS += -lcurl LIBS += `pkg-config --libs opencv`
07-27
在您的QT项目中，如果需要使用libcurl和OpenCV库，可以通过在项目的.pro文件中添加以下内容来链接这些库： ``` LIBS += -lcurl LIBS += `pkg-config --libs opencv` ``` 这将会告诉QT构建系统将libcurl和OpenCV库链接到您的项目中。请确保您的系统已经正确安装了这些库，并且您已经配置好了相应的库路径。 另外，如果您在使用OpenCV时遇到了找不到头文件的问题，可以使用类似的方式在.pro文件中添加包含路径，例如： ``` INCLUDEPATH += /path/to/opencv/include ``` 将`/path/to/opencv/include`替换为您实际安装OpenCV的路径。 请确保您按照正确的方式配置和安装了这些库，并且根据您的操作系统和开发环境进行相应的调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值