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 2025-05-18 20:34:00 发布
最新推荐文章于 2025-05-18 20:34:00 发布
阅读量606 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
本文介绍了如何利用Mediapipe在CPU上实现人体姿态估计，该模型能在移动设备上快速运行，包括lite、full、heavy三种尺寸的预训练模型，适合不同性能需求。通过实例展示了加载模型、设置参数、进行检测和可视化的过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
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 2591
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。
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
12-14 694
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。
基于MediaPipe模型能力的多种人体关键点姿态估计可视化
qq_53457019的博客
10-01 1097
本项目以COCO数据集的人体关键点为例，介绍如何利用MediaPipe进行COCO数据集的人体关键点姿态估计可视化
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 2616
Mediapipe 人体姿态估计专题
使用OpenCV和MediaPipe库——驼背检测（姿态监控）
WenJGo的博客
03-08 1611
计算机视觉CV——驼背检测。疲劳驾驶与儿童发展的卫视。超详细解释，完整代码，效果演示这你不来看看！！！
实时RGBD扩展人体姿态估计：开启三维人体捕捉新时代
gitblog_01181的博客
09-12 433
实时RGBD扩展人体姿态估计：开启三维人体捕捉新时代 rgbd-kinect-pose 项目地址: https://gitcode.com/gh_mirrors/rg/rgbd-kinect-pose ...
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 8299
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
06-27 667
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 2558
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.
mediapipe java人体姿态估计
12-26
### Java中使用MediaPipe进行人体姿态估计 为了在Java项目中集成并应用MediaPipe的人体姿态估计功能，需完成几个主要环节的工作：环境配置、依赖项引入以及编写具体的代码逻辑来调用MediaPipe的相关API。 #### ...
OpenPose人体姿态识别：从初学者到专家的模型进化之旅
[OpenPose人体姿态识别：从初学者到专家的模型进化之旅](https://img-blog.csdnimg.cn/4006c6ba9799452f85e661ea6690cf98.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd3lsMjA3...
Python爬虫实战：研究进制流数据，实现逆向解密
ylfhpy的博客
05-14 713
许多网站和应用通过二进制流数据传输敏感信息，如视频、金融交易数据等。逆向工程进制流数据不仅有助于合法的数据获取与分析，还能帮助企业发现自身安全漏洞，提升数据保护能力。本研究主要针对特定类型的视频加密系统，对于采用更复杂加密机制（如硬件加密、动态密钥交换）的系统，可能需要进一步优化方法。以二进制形式传输的数据序列，通常包含文件、图像、音频或加密信息。如 ECB、CBC、CFB 等，定义加密算法如何处理数据块。拦截并修改通信双方数据的攻击方式，本研究用于合法数据捕获。
如何利用 Python 获取京东商品 SKU 信息接口详细说明
J15779585792的博客
05-17 944
通过上述步骤和代码示例，你可以轻松地使用 Python 调用京东商品 SKU 信息接口，获取商品的详细信息。希望这个指南对你有所帮助！如果你对电商数据开发有更多兴趣，可以尝试探索更复杂的功能，如多线程爬取、数据可视化等。如遇任何疑问或有进一步的需求，请随时与我私信或者评论联系。
weibo_comment_pc_tool | 我于2025.5月用python开发的评论采集软件，根据帖子链接爬取评论的界面工具
最新发布
python布道者0516的博客
05-18 656
开始采集前，先把自己的cookie值填入cookie.txt文件。pc端cookie获取说明：然后把复制的cookie值填写到当前文件夹的cookie.txt文件中。软件首发众公号”老男孩的平凡之路“，欢迎技术交流、深度探讨！
YOLOv7训练时4个类别只出2个类别
qq_48873240的博客
05-16 823
在使用YOLOv7进行训练和预测时，发现模型仅能预测出两个类别（LFM和SFM），而实际应有四个类别。经过检查，特征图大小和anchors设置均与YOLOv3一致，且YOLOv3表现正常。最终发现问题可能出在detect.py中的conf-thres参数设置过高，将其从0.5调整为0.1后，问题得到解决。此外，还需注意在NMS操作时不使用classes参数，并在train.py中根据实际类别数和图片大小调整hyp['cls']和hyp['obj']的缩放比例。这些调整有助于确保模型能够正确预测所有类别。
WEB安全--Java安全--CC1利用链
m0_74800552的博客
05-14 1433
CC1利用链的原理与构建方式
UserWarning: Do not pass an input_shape/input_dim argument to a layer 问题及其解决
Humbunklung的专栏
05-17 321
xxx\Lib\site-packages\keras\src\layers\core\dense.py:87: UserWarning: Do not pass an input_shape/input_dim argument to a layer. When using Sequential models, prefer using an Input(shape) object as the first layer in the model instead. super().init(activity
【AI】“CUDA” 到底是什么？（AI 计算民主化，第二部分）
u011808788的博客
05-14 1150
似乎每个人都在去年开始谈论CUDA ：它是深度学习的支柱，是新型硬件难以竞争的原因，也是NVIDIA 护城河和飙升市值的核心。DeepSeek的出现，让我们获得了一个惊人的发现：它的突破是通过“绕过” CUDA，直接进入 PTX 层实现的……但这究竟意味着什么？似乎每个人都想打破这种锁定，但在制定计划之前，我们必须了解我们面临的是什么。本文是 Modular “ AI 计算民主化”系列文章的第二部分。更多信息，请参阅：第一部分：DeepSeek 对 AI 的影响第二部分：“CUDA”到底是什么？
python打卡day27
m0_62284115的博客
05-16 137
编写一个装饰器 logger，在函数执行前后打印日志信息（如函数名、参数、返回值）装饰器的思想：进一步复用。注意内部函数的返回值。
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