俯卧撑计数器（Python）

最新推荐文章于 2024-08-01 16:56:32 发布
最新推荐文章于 2024-08-01 16:56:32 发布
阅读量447 收藏 10
点赞数 3
分类专栏： 小实战 文章标签： python 开发语言
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/qq_74156152/article/details/140265526
版权

 

通过 MediaPipe 检测人体姿态，计算俯卧撑角度和计数，并在图像上进行可视化展示

需要有cv2库和mediapipe库

mediapipe库：

MediaPipe是Google开源的机器学习框架，用于构建实时音频、视频和多媒体处理应用程序。它提供了一组预训练的模型和工具，帮助开发人员快速构建和部署计算机视觉和音频处理应用。MediaPipe库的特点包括实时性能、多平台兼容性、灵活性和易用性。

MediaPipe库的主要功能包括：

1. 视频和图像处理：提供了各种预训练的模型和工具，用于视频流分析和处理，例如人脸检测、姿态估计、手势识别等。

2. 音频处理：提供了模型和工具，用于音频流的实时处理，例如语音识别、语音分割、声音增强等。

3. 数据流图：使用数据流图构建和组合多个模块，以实现复杂的音频、视频和多媒体处理应用程序。

4. 跨平台支持：支持多种平台，包括Android、iOS、Linux、Windows等。

5. 开发者工具：提供了一些工具，用于开发和调试MediaPipe应用程序，例如模型训练和调优、性能分析等。

总之，MediaPipe库是一个功能强大的机器学习框架，用于实时音频、视频和多媒体处理应用程序的开发和部署。它提供了丰富的预训练模型和工具，使开发人员能够快速搭建高性能的应用程序。

目录

定义计算角度的函数：

初始化MediaPipe Pose实例： 

 打开视频：

读取视频帧：

计算个数：

 绘制图像：

完整代码： 

定义计算角度的函数：

def calculate_angle(a, b, c):
    # 将输入点转换为numpy数组
    a = np.array(a)
    b = np.array(b)
    c = np.array(c)

    # 计算两个向量的角度差（弧度）
    radians = np.arctan2(c[1] - b[1], c[0] - b[0]) - np.arctan2(a[1] - b[1], a[0] - b[0])

    # 转换为角度（度）
    angle = np.abs(radians * 180.0 / np.pi)

    # 确保角度在0到360度之间
    if angle > 180.0:
        angle = 360 - angle

    return angle

初始化MediaPipe Pose实例： 

# 初始化MediaPipe Pose实例
pose = mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5)
'''
min_detection_confidence：表示检测到人体姿态的最小置信度阈值。当检测到的姿态置信度低于该阈值时，可能会被视为无效检测。
min_tracking_confidence：表示跟踪人体姿态的最小置信度阈值。在跟踪过程中，如果姿态的置信度低于该阈值，可能会重新进行检测。
'''

 打开视频：

cap = cv2.VideoCapture("D:\\桌面\\1.mp4")

读取视频帧：

ret, frame = cap.read()

计算个数：

 # 尝试获取姿态关键点
    try:
        landmarks = results.pose_landmarks.landmark

        # 获取左肩、左肘和左腕的坐标
        shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].x,
                    landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].y]
        elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].x, landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].y]
        wrist = [landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].x, landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].y]

        # 计算并显示肘部到肩部的角度
        angle = calculate_angle(shoulder, elbow, wrist)
        cv2.putText(image, str(angle),
                    tuple(np.multiply(elbow, [640, 480]).astype(int)),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2, cv2.LINE_AA)
        print(angle)

        # 根据角度更新俯卧撑计数
        if angle > max_angle:
            stage = "down"
        if angle < min_angle and stage == 'down':
            stage = "up"
            counter += 1
            print(counter)

    except:
        pass

 

 绘制图像：

 # 在图像上绘制矩形框，用于显示计数和阶段
    cv2.rectangle(image, (0, 0), (225, 73), (245, 117, 16), -1)

    # 在矩形框内显示计数和阶段
    cv2.putText(image, 'COUNTER', (15, 22),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
    cv2.putText(image, str(counter),
                (35, 60),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)

    cv2.putText(image, 'STAGE', (135, 22),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
    cv2.putText(image, stage,
                (130, 60),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)

    # 在图像上绘制关键点和连接线
    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)
                              )

    # 显示处理后的图像
    cv2.imshow('Mediapipe Feed', image)

    # 检查是否按下'q'键退出
    if cv2.waitKey(10) & 0xFF == ord('q'):
        break

完整代码： 

#coding:utf-8
# 导入必要的库
import cv2
import mediapipe as mp  #通过 MediaPipe 检测人体姿态，计算俯卧撑角度和计数，并在图像上进行可视化展示
import numpy as np
import logging

# 配置日志记录
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

# 记录日志信息
logging.info('这是一条信息日志')
logging.warning('这是一条警告日志')
logging.error('这是一条错误日志')

# 定义计算角度的函数
"""
    计算三个点之间的角度

    参数：
    a (list)：第一个点的坐标
    b (list)：第二个点的坐标
    c (list)：第三个点的坐标

    返回：
    float：三个点之间的角度（度）
    """
def calculate_angle(a, b, c):
    # 将输入点转换为numpy数组
    a = np.array(a)
    b = np.array(b)
    c = np.array(c)

    # 计算两个向量的角度差（弧度）
    radians = np.arctan2(c[1] - b[1], c[0] - b[0]) - np.arctan2(a[1] - b[1], a[0] - b[0])

    # 转换为角度（度）
    angle = np.abs(radians * 180.0 / np.pi)

    # 确保角度在0到360度之间
    if angle > 180.0:
        angle = 360 - angle

    return angle

# 导入MediaPipe的绘图工具和Pose解决方案
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose

# 初始化MediaPipe Pose实例
pose = mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5)
'''
min_detection_confidence：表示检测到人体姿态的最小置信度阈值。当检测到的姿态置信度低于该阈值时，可能会被视为无效检测。
min_tracking_confidence：表示跟踪人体姿态的最小置信度阈值。在跟踪过程中，如果姿态的置信度低于该阈值，可能会重新进行检测。
'''

# 打开视频
cap = cv2.VideoCapture("D:\\桌面\\1.mp4")

# 计数器变量
counter = 0
# 当前动作阶段
stage = None
# 完成俯卧撑的最大角度
max_angle = 160
# 准备开始俯卧撑的最小角度
min_angle = 60

while cap.isOpened():
    # 读取视频帧
    ret, frame = cap.read()

    # BGR图像转为RGB，便于MediaPipe处理
    image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    image.flags.writeable = False

    # 使用MediaPipe进行姿态检测
    results = pose.process(image)

    # 重新转为BGR
    image.flags.writeable = True
    image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

    # 尝试获取姿态关键点
    try:
        landmarks = results.pose_landmarks.landmark

        # 获取左肩、左肘和左腕的坐标
        shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].x,
                    landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].y]
        elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].x, landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].y]
        wrist = [landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].x, landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].y]

        # 计算并显示肘部到肩部的角度
        angle = calculate_angle(shoulder, elbow, wrist)
        cv2.putText(image, str(angle),
                    tuple(np.multiply(elbow, [640, 480]).astype(int)),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2, cv2.LINE_AA)
        print(angle)

        # 根据角度更新俯卧撑计数
        if angle > max_angle:
            stage = "down"
        if angle < min_angle and stage == 'down':
            stage = "up"
            counter += 1
            print(counter)

    except:
        pass

    # 在图像上绘制矩形框，用于显示计数和阶段
    cv2.rectangle(image, (0, 0), (225, 73), (245, 117, 16), -1)

    # 在矩形框内显示计数和阶段
    cv2.putText(image, 'COUNTER', (15, 22),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
    cv2.putText(image, str(counter),
                (35, 60),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)

    cv2.putText(image, 'STAGE', (135, 22),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
    cv2.putText(image, stage,
                (130, 60),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)

    # 在图像上绘制关键点和连接线
    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)
                              )

    # 显示处理后的图像
    cv2.imshow('Mediapipe Feed', image)

    # 检查是否按下'q'键退出
    if cv2.waitKey(10) & 0xFF == ord('q'):
        break

# 释放视频资源，关闭所有OpenCV窗口
cap.release()
cv2.destroyAllWindows()

取名真难.
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于mediapipe和KNN分类算法的健身计数器引体向上计数器深蹲计数器俯卧撑计数器python源码（毕设）.zip
04-09
基于mediapipe和KNN分类算法的健身计数器引体向上计数器深蹲计数器俯卧撑计数器python源码（毕设）.zip 基于mediapipe和KNN分类算法的健身计数器引体向上计数器深蹲计数器俯卧撑计数器python源码（毕设）.zip 基于...
毕业设计基于mediapipe和KNN分类算法的健身计数器-引体向上计数器-深蹲计数器-俯卧撑计数器Python源码+文档说明
06-06
毕业设计基于mediapipe和KNN分类算法的健身计数器_引体向上计数器_深蹲计数器_俯卧撑计数器Python源码+文档说明本资源中的源码都是经过本地编译过可运行的，评审分达到95分以上。资源项目的难度比较适中，内容都是...
基于mediapipe和KNN分类算法实现的健身计数器/引体向上计数器/深蹲计数器/俯卧撑计数器Python源码+文档说明+演示
03-16
基于mediapipe和KNN分类算法实现的健身计数器/引体向上计数器/深蹲计数器/俯卧撑计数器Python源码+文档说明+演示 - 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...
Chapter 18 Python异常
2302_80253507的博客
07-28 1282
在Python中，异常是一种特定的对象，能够在程序运行过程中被抛出和处理。有效地管理异常不仅可以增强程序的稳定性，还可以提高用户体验，使程序能够优雅地处理错误情况。本章详细讲解了异常的基本概念以及如何捕获和处理异常。
python字符串数据容器练习（replace,split,count）
2301_79600015的博客
07-31 369
Python字符串是由一系列字符组成的数据类型。在Python中，字符串是不可变的，这意味着一旦创建了一个字符串，就不能修改它的内容。以下是关于Python字符串的一些重要知识点：1. 字符串的基本操作：拼接字符串：使用`+`运算符。重复字符串：使用`*`运算符。索引和切片：使用`[]`和`:`操作符访问字符串中的子串。长度：使用`len()`函数获取字符串长度。转换大小写：使用`upper()`和`lower()`方法。分割和连接：使用`split()`和`join()`方法。
loguru日志模块：简化Python自动化测试的日志管理！
07-29 804
日志是软件开发中的关键组成部分，为开发和测试人员提供了调试和监控应用程序的重要手段。loguru 是一个第三方的 Python 日志库，以其简洁的 API 和自动化的功能脱颖而出。本文将探讨为什么项目中需要日志，loguru 为何受到青睐，以及如何封装和在接口自动化测试项目中使用 loguru，同时结合 Allure 生成丰富的测试报告。
Python入门知识点 10--闭包与装饰器
@网工小赵的博客
07-30 818
什么情况下会用到装饰器特性:在不修改源代码的基础上,给函数加功能。
【BUG】Gunicorn [CRITICAL] WORKER TIMEOUT (pid:41518)
集电极
07-31 132
在使用Gunicorn 启动一个Flask服务后，访问接口响应错误，查看日志发现了该错误。具体上，我的接口大约需要2分钟才将结果返回，因此我的超时时间应该设置为200秒比较合适。秒内没有返回结果，Gunicorn 会弹出超时错误，并且会杀死flask服务重启。：接口返回时间超时。默认情况下，Gunicorn 超时时间为。样例，设置超时时间为200秒。解决方法是在启动命令中。
python语言利用Tkinter实现GUI计算器|（二）优化计算器：过滤用户不合理的输入
人工智能视觉分析算法学习实践和经验分享。
07-27 783
python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）计算器打包。
工作中需要做100来个条形号码商品SKU，我自己写个python来完成 。
jiang_changsheng的博客
07-31 391
'font_path': r'D:\Users\Administrator\Desktop\DINPro-Regular.otf' # 字体文件路径。'text_distance': 5.0, # 文本与条码的距离，单位毫米。'module_height': 10.0, # 模块高度，单位毫米。'module_width': 0.4, # 模块宽度，单位毫米。'quiet_zone': 2.0, # 静区宽度，单位毫米。'font_size': 10, # 字体大小，单位点。# 设置条形码的长宽和字体。
用Python打造精彩动画与视频，2.2 使用Jupyter Notebook进行编程
wfbl123456的博客
07-29 373
通过Jupyter Notebook，编程和分析工作变得更加直观和灵活。无论你是初学者还是有经验的开发者，Jupyter Notebook都是一个不可或缺的工具。下一节，我们将探讨如何利用Python的图形库创建动画和视频效果。
【Python】字母 Rangoli 图案
u010528690的博客
07-27 870
You are given an integer N. Your task is to print an alphabet rangoli of size N. (Rangoli is a form of Indian folk art based on creation of patterns.)Different sizes of alphabet rangoli are shown below:The center of rangoli has the first alphabet letter a,
【Python】Python化妆品评论贝叶斯情感分析可视化（源码+数据集）【独一无二】
测试开发自动化
07-28 732
👉博__主👈：米码收割机👉技__能👈：C++/Python语言👉公众号👈：测试开发自动化【获取源码+商业合作】👉荣__誉👈：阿里云博客专家博主、51CTO技术博主👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。
python 的pip包管理工具 requirements.txt 怎么用
yuguang的博客
07-31 369
如果你想要安装最新版本的包，你可以省略版本号，但这样做可能会使你的项目在不同环境中表现出不一致的行为，因为包的最新版本可能会引入不兼容的更改。在Python中，尤其是与pip和包管理相关的上下文中，requirements.txt文件用于列出项目所依赖的外部Python包及其版本。这里，-r选项告诉pip从一个文件中读取要安装的包列表，而requirements.txt就是包含这些包信息的文件名。执行这个命令后，pip会读取requirements.txt文件中的每一行，并尝试安装或更新到指定的包版本。
python中的三元表达式
cyj0919的博客
08-01 92
三元表达式是一种简洁的方式来根据某个条件选择两个值中的一个。它由三个部分组成：条件判断、冒号(:)、然后是两个可能的结果。
python---为某个项目使用虚拟环境
weixin_45880844的博客
08-01 465
通过在虚拟环境中开发，你可以确保你的代码在不同环境中（包括生产环境）的表现一致，因为依赖是被隔离和明确定义的。：如果你正在开发自己的Python包，并且希望在项目中使用它，你可以轻松地将包链接到虚拟环境中进行测试。：虚拟环境允许你为特定项目使用不同版本的Python解释器，即使全局环境中使用的是另一版本。：不同项目可能需要不同版本的库。：虚拟环境可以包含安全补丁或特定版本的库，而不影响全局环境中的库，这有助于减少安全风险。：在虚拟环境中，你可以安全地尝试新的包或工具，而不会影响到你主要的工作环境。
从0开始搭建vue + flask 旅游景点数据分析系统（四）：编写前端首页【数据驾驶舱】
roccreed的专栏
07-28 358
- 本期我们编写数据驾驶舱页面(Dashboard)这个页面。 - 主要任务是引入echarts 组件编写数据驾驶舱页面。
pycharm无法导入pyside2模块；“ModuleNotFoundError: No module named ‘PySide2“
最新发布
yrx020307的博客
08-01 114
出现报错““ModuleNotFoundError: No module named ‘PySide2’””后，看来很多博客，都不能解决，只有这篇博客提供了思路；2）.ui转化为.py后，点击运行，报错““ModuleNotFoundError: No module named ‘PySide2’””https://blog.csdn.net/weixin_61891798/article/details/127097989。按照博客的指引，和命令行的提示，我找到了pyside2的包；
随机森林的可解释性分析（含python代码）
m0_59257547的博客
07-31 819
随机森林的“黑箱”特性逐渐凸显，这使得我们难以理解和解释模型内部的工作机制。对于许多应用场景而言，仅仅获得高准确率的预测结果是不够的；了解预测背后的逻辑同样重要，特别是在医疗诊断、金融风险评估等领域。因此，对随机森林进行可解释性分析变得尤为重要。
pycharm摄像头人体俯卧撑的计数代码
06-03
以下是一个使用OpenCV库和Python编写的简单摄像头人体俯卧撑计数器的代码示例： ```python import cv2 cap = cv2.VideoCapture(0) detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") ...
评论
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
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