Python玩人工智能：你能做几个引体向上_自动检测引体向上-CSDN博客

本文链接：https://blog.csdn.net/weixin_44492610/article/details/116395099

本文介绍了如何利用Google的MediaPipe库，通过Python实现人体姿势识别，特别是针对引体向上的检测。MediaPipe提供了手势、人体姿势、人脸等多种识别功能，并支持多种编程语言和平台。文章详细阐述了安装相关依赖、编写`poseutil.py`和`posetracking.py`模块的过程，以及如何通过检测手肘角度来判断引体向上动作的完成情况。

摘要由CSDN通过智能技术生成

Google出了一个开源的、跨平台的、可定制化的机器学习解决方案工具包，给在线流媒体（当然也可以用于普通的视频、图像等）提供了机器学习解决方案。感兴趣的同学可以打开这个网址了解详情：https://mediapipe.dev/
在这里插入图片描述
它提供了手势、人体姿势、人脸、物品等识别和追踪功能，并提供了C++、Python、JavaScript等编程语言的工具包以及iOS、Android平台的解决方案，今天我们就来看一下如何使用MediaPipe提供的人体姿势识别功能，使用Python编程完成一个“引体向上检测”的程序。

电脑需要安装Python3，建议安装Python3.8.x的版本。除此之外，还需要安装Opencv-Python、MediaPipe以及numpy几个工具包，可以使用pip进行安装：

pip install mediapipe numpy opencv-python

我的电脑是Python3.8.3，各工具包版本是：

mediapipe==0.8.3.1
numpy==1.20.2
opencv-python==4.5.1.48

编写一个poseutil.py模块，这个postutil模块有一个PoseDetector类，提供了检测人体姿势、获取人体姿势数据以及获取人体关节的角度的方法。代码如下，详细解决看代码注释：

import cv2
import mediapipe as mp
import math

class PoseDetector():
    '''
    人体姿势检测类
    '''
    def __init__(self,
                 static_image_mode=False,
                 upper_body_only=False,
                 smooth_landmarks=True,
                 min_detection_confidence=0.5,
                 min_tracking_confidence=0.5):
        '''
        初始化
        :param static_image_mode: 是否是静态图片，默认为否
        :param upper_body_only: 是否是上半身，默认为否
        :param smooth_landmarks: 设置为True减少抖动
        :param min_detection_confidence:人员检测模型的最小置信度值，默认为0.5
        :param min_tracking_confidence:姿势可信标记的最小置信度值，默认为0.5
        '''
        self.static_image_mode = static_image_mode
        self.upper_body_only = upper_body_only
        self.smooth_landmarks = smooth_landmarks
        self.min_detection_confidence = min_detection_confidence
        self.min_tracking_confidence = min_tracking_confidence
        # 创建一个Pose对象用于检测人体姿势
        self.pose = mp.solutions.pose.Pose(self.static_image_mode, self.upper_body_only, self.smooth_landmarks,
                                           self.min_detection_confidence, self.min_tracking_confidence)

    def find_pose(self, img, draw=True):
        '''
        检测姿势方法
        :param img: 一帧图像
        :param draw: 是否画出人体姿势节点和连接图
        :return: 处理过的图像
        '''
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        # pose.process(imgRGB) 会识别这帧图片中的人体姿势数据，保存到self.results中
        self.results = self.pose.process(imgRGB)
        if self.results.pose_landmarks:
            if draw:
                mp.solutions.drawing_utils.draw_landmarks(img, self.results.pose_landmarks,
                                                          mp.solutions.pose.POSE_CONNECTIONS)
        return img

    def find_positions(self, img):
        '''
        获取人体姿势数据
        :param img: 一帧图像
        :param draw: 是否画出人体姿势节点和连接图
        :return: 人体姿势数据列表
        '''
        # 人体姿势数据列表，每个成员由3个数字组成：id, x, y