基于mediapipe的人体姿态估计模型——没有GPU依然速度飞起

最新推荐文章于 2024-06-14 09:50:01 发布
最新推荐文章于 2024-06-14 09:50:01 发布
阅读量510 收藏 9
点赞数 13
分类专栏： mediapipe对象检测算法 文章标签： python 计算机视觉 深度学习
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/weixin_44782294/article/details/135347590
版权

关于人体姿态检测模型，我们前期也介绍过了很多相关的模型，比如基于Yolo-NAS的姿态检测以及基于YOLOv8的人体姿态检测，而人体姿态估计一直是计算机视觉任务中比较重要的一个模型。但是基于YOLO系列的人体姿态检测模型需要较大的算力，且很难在CPU模型上快速的运行。

基于mediapipe的人体姿态检测模型，可以检测图片或者视频流中的人体姿态检测，最重要的是可以在CPU上面快速运行，且可以运行在移动终端设备上，大大提高了模型的使用。mediapipe模型的姿态检测模型包含2个模型

了解本专栏 订阅专栏 解锁全文 超级会员免费看
人工智能研究所
关注
  • 13
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
YOLOv7与MediaPipe在人体姿态估计上的对比
人工智能研究所的博客
11-26 2085
由于MediaPipe是一个单人检测框架，因此在视频中，MediaPipe只检测单个人的姿态，其他人体姿态则会忽略，当然，软件会检测哪个人体姿态，理论上是最前面的人体姿态，但是通过实验后，其实并不完全是这样。YOLOv7姿态是在COCO数据集上训练的，前期的文章我们也分享过YOLOv7人体姿态检测的代码。但是一旦上GPU，yolov7的优势就会大大的提高，可以看到，一旦用上了GPU，yolov7的检测速度就达到了84FPS，而由于mediapipe仅仅用于CPU，就算加上GPU，也发挥不到GPU的优势。
MediaPipe 集成人脸识别，人体姿态评估，人手检测模型
热门推荐
张伟的专栏
05-05 1万+
上期文章，我们介绍了MediaPipe Holistic的基础知识，了解到MediaPipe Holistic分别利用MediaPipe Pose，MediaPipe Face Mesh和MediaPipe Hands中的姿势，面部和手界标模型来生成总共543个界标（每手33个姿势界标，468个脸部界标和21个手界标）。 对于姿势模型的精度足够低以至于所得到的手的ROI仍然不够准确的情况，但我们运行附加的轻型手重新裁剪模型，该模型起着的作用，并且仅花费了手模型推断时间的10％左右。 MediaPip
Mediapipe 人体姿态估计专题（一） Blaze组件算法之Blazeface （带一个小开源分享给大家）
啥都会一点的小程的博客
07-05 2344
Mediapipe 人体姿态估计专题
辅助驾驶技术——基于mediapipe的驾驶人睡意检测
人工智能研究所的博客
12-14 555
本期我们介绍了如何使用mediapipe来进行驾驶员睡意检测，但是我们只是进行了一张图片的检测，且真实情况下，人会不停的眨眼睛，因此，我们还需要进行时间的判断，超过多少时间的眼睛闭合才真正算是驾驶员有睡意，我们后期再进行详细的分享。当然，我们可以多收集一些数据，计算一个人眼睁开与闭合的数据，通过多个数据，计算一个比较合适的阈值，通过此阈值，我们检测到的人眼尺寸与此阈值来做对比，以便进行驾驶人的睡意检测。可以看到，当人眼闭合时，根据EAR的计算公式，其值就会很小，当人眼睁开时，其值就会变大。
3D视觉——2.人体姿态估计(Pose Estimation)入门——OpenPose含安装、编译、使用（单帧、实时视频）
对方正在输入中...
07-01 7205
本章博客就是对OpenPose工具包进行开发；我呕心沥血（笑哭），经历重重困难，想放弃了很多次（因为openpose的编译实在是太麻烦了）但是后来还是成功了，各位点个赞吧！这个真的太麻烦了。按照单帧图像和实时视频的顺序述写，其中单帧是使用的Pytorch编程只是调用OpenPose的模型；实时视频中使用Python调用OpenPose的包，所以必须得安装OpenPose，并对其进行编译，最后再使用。首先从github上，下载CMU提供的源码下来：https://github.com/CMU-Perceptu
基于YOLOv7 Pose 与 MediaPipe实现人体姿态估计-附源码
DT程序员的博客
06-27 449
详细介绍如何基于YOLOv7 Pose 与 MediaPipe实现人体姿态估计，并附源码下载链接
1. (arg0: bool) -＞ mediapipe.python._framework_bindings.packet.Packet
AI浩
01-21 2413
调用姿态估计库 mp.solutions.pose.Pose，出现下面的问题 Traceback (most recent call last): File "D:/cv/feilei/cc.py", line 11, in <module> detector = PoseDetector() File "D:\cv\feilei\poseutil.py", line 32, in __init__ self.min_detection_confidence, self.
【DeepLabCut】初识姿势估计 | DeepLabCut教程 | 单动物实现
m0_66307842的博客
07-17 3363
【DeepLabCut】初识姿势估计 | DeepLabCut教程 | 单动物实现
GPU OpenFlow海量数据网络处理模型——GOMDI.pdf
09-25
GPU OpenFlow海量数据网络处理模型——GOMDI.pdf
MediaPipe_handtracking_gpu_Demo_v0.8.2.zip
01-27
基于MediaPipe的v0.8.2的代码的gpu手跟踪Demo。 引用了我自己编译打包的aar。aar为9.3M,包含arm64和v7a的so 注意：我在索尼手机上测试，发现启动会黑屏，但点击home键后返回就好了。
基于GPU-SIFT算法的飞行器视觉导航姿态估计关键技术.pdf
09-25
"基于GPU-SIFT算法的飞行器视觉导航姿态估计关键技术" 从标题和描述中可以看出，这篇论文主要讨论了基于GPU-SIFT算法的飞行器视觉导航姿态估计关键技术。该技术旨在解决传统惯性导航累积误差大的问题，提高飞行器的...
人体姿态识别GPU加速推理
05-31
人体姿态识别GPU加速推理是C++开发的，用于人体关键节点检测，进行人体的行为识别。
基于硬件性能计数器的GPU功耗预测模型.pdf
09-25
"基于硬件性能计数器的GPU功耗预测模型" 本文探讨了基于硬件性能计数器的GPU功耗预测模型，旨在解决GPU在高性能计算领域中的高功耗问题。该模型基于硬件性能计数器信息，结合GPU在部分运行频率下的功耗值，通过线性...
基于JavaScript 如何实现爬山算法以及优化方案
乐闻世界
06-10 1375
爬山算法（Hill Climbing Algorithm）是一种常见的启发式搜索算法，常用于解决优化问题。其核心思想是从一个初始状态出发，通过逐步选择使目标函数值增大的邻近状态来寻找最优解。接下来，我们将通过 JavaScript 实现一个简单的爬山算法，帮助大家理解其原理和应用。从一个初始状态开始。评估当前状态的目标函数值。在当前状态的邻居中选择一个目标函数值更大的状态。如果找到了更优的邻居，则移动到该邻居并重复步骤2和步骤3。如果没有更优的邻居，则算法结束，当前状态即为局部最优解。
2024.6.13刷题记录
最新发布
lshx4658的博客
06-14 448
当时没有想到怎么保证队内全都是窗口内的元素，答案：“当队头元素在窗口的左边的时候，弹出队头”，虽然不能保证队内一直没有窗口外的元素，但是能保证使用到的队内元素（队头）全是窗口内元素。当时是有想到这个方法的，但是以为不行，一下没转过来弯。队列储存索引而不是元素，通过储存索引使我们能够快速判断元素是否出窗口。不会，思路来自题解（
Java——简单图书管理系统
m0_74100417的博客
06-09 1554
数据类型变量iffor数组方法类和对象封装继承多态抽象类和接口今天就是把上述知识点全部都用起来 图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理
python迁移数据教程
2402_85292291的博客
06-13 637
if os.path.isfile(src_item_path): dest_item_path = os.path.join(dest_folder, item) shutil.copy2(src_item_path, dest_item_path) # 如果item是目录，递归调用migrate_data函数。2. 准备源文件夹和目标文件夹： 在您的计算机上创建两个文件夹，分别为源文件夹（source_folder）和目标文件夹（destination_folder）。将您希望迁移的数据放入源文件夹。
Python | Leetcode Python题解之第149题直线上最多的点数
Mopes__的博客
06-14 412
Python | Leetcode Python题解之第149题直线上最多的点数
基于openpose的人体姿态估计算法
09-11
基于openpose的人体姿态估计算法是一种新型的通过计算机视觉技术，利用深度学习的方法来检测人类身体姿态的技术。openpose算法主要基于卷积神经网络，通过对人体进行端到端的检测和识别，精确地提取出人体的关键节点...

“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

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

人工智能研究所

你的鼓励将是我创作的最大动力

¥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