Opencv Mediapipe 人体追踪

import cv2
import mediapipe as mp

mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose



def video():
    # cap = cv2.VideoCapture(0) # 用于摄像头追踪
    cap = cv2.VideoCapture('')  # 用于视频文件追踪



# Setup mediapipe instance
    with mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5) as pose:
        while cap.isOpened():

            ret, frame = cap.read()

            # Recolor image to RGB
            image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            image.flags.writeable = False

            # Make detection
            results = pose.process(image)

            # Recolor image to BGR
            image.flags.writeable = True
            image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

            # Extrack landmarks

            if results.pose_landmarks is None:
                continue

            # Render detections
            mp_drawing.draw_landmarks(image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)
            cv2.imshow("Mediapipe Feed", image)

            if cv2.waitKey(1) & 0xFF == ord('q'): # 按 q 键退出
                break

    cap.release()
    cv2.destroyAllWindows()
    cv2.waitKey(1)


if __name__ == '__main__':
    video()
    print("End!")

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现人体姿态识别的具体流程如下: 1. 安装 OpenCVMediaPipe 安装 OpenCVMediaPipe,以便使用它们的功能来处理图像和实现人体姿态识别。 2. 导入必要的库 通过导入 OpenCVMediaPipe 库,以及其他必要的库来准备编写代码。 ```python import cv2 import mediapipe as mp ``` 3. 加载模型 在代码中加载用于人体姿态识别的预训练模型,这可以通过使用 MediaPipe 的 Pose 模型来完成。 ```python mp_pose = mp.solutions.pose pose = mp_pose.Pose() ``` 4. 读取图像 使用 OpenCV 读取要进行人体姿态识别的图像。 ```python img = cv2.imread('image.jpg') ``` 5. 预处理图像 为了进行人体姿态识别,需要对输入图像进行预处理。首先将其转换为灰度图像,然后将其缩放到适当的大小。 ```python img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img_resized = cv2.resize(img_gray, (256, 256)) ``` 6. 检测人体姿态 使用 MediaPipe 的 Pose 模型来检测人体姿态。 ```python results = pose.process(img_resized) ``` 7. 绘制关键点 对于每个检测到的姿势,可以使用 OpenCV 在输入图像中绘制关键点。 ```python if results.pose_landmarks is not None: for lm in results.pose_landmarks.landmark: x, y = int(lm.x * img.shape[1]), int(lm.y * img.shape[0]) cv2.circle(img, (x, y), 5, (0, 255, 0), -1) ``` 8. 显示结果 最后,可以使用 OpenCV 将结果显示在屏幕上,并等待用户退出。 ```python cv2.imshow('Pose Detection', img) cv2.waitKey(0) ``` 这就是使用 MediaPipeOpenCV 实现人体姿态识别的基本流程。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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