![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 64
DeepVisionZero
这个作者很懒,什么都没留下…
展开
-
【原创】图像处理第5弹:面部表情识别--微笑
一、前言mediapipe模块还提供了面部468个特征点的检测,所以拿来试试做一个面部表情的检测。这次要实现两个目标:1.面部检测2.微笑表情检测二、算法原理1.面部检测依旧是采用谷歌的mediapipe模块来获取面部的468个特征点。然后根据需要提取出我们想要的特征点坐标。※确定468个特征点分别是脸部的哪个位置,实在是个比较繁琐的工作。2.微笑表情检测微笑表情的话,其实网上有很多范例,但是大多都是基于嘴巴裂开的程度以及眼睛眉毛的位置变化来检测。虽然...原创 2021-09-26 10:11:40 · 1906 阅读 · 0 评论 -
【原创】图像处理第4弹:引体向上检测并计数
一、前言前面我们介绍了俯卧撑检测以及自动计数,今天想对引体向上也做一个类似的检测。依旧是三个目标:1.检测俯卧撑以及引体向上姿势2.俯卧撑,引体向上分别计数3.检测结果输出。(Chin-up:计数、push-up:计数)二、算法原理※俯卧撑的检测以及计数在上节已经实现了,这里主要介绍引体向上的内容。1.引体向上检测我么还是沿用谷歌的mediapipe模块来获取身体各个部位的三维坐标。引体向上姿势的特点就是身体处于一个直立状态,也就是腰,肩,膝盖大约处于同一个垂..原创 2021-09-12 12:35:41 · 2571 阅读 · 9 评论 -
【原创】图像处理第3弹:俯卧撑检测并计数
一、前言前面我们介绍了手势检测以及手势识别,今天要说的是姿势检测及识别。因为我个人有运动的习惯,所以就以最基础的俯卧撑为例,实现以下三个目标:1.检测到俯卧撑姿势2.俯卧撑计数3.检测结果输出。(push-up:计数)二、算法原理1.俯卧撑姿势检测我么还是沿用谷歌的mediapipe模块来获取身体各个部位的三维坐标。mediapipe会给我们返回以下内容。如图所示,返回值总共有33个点的信息,每个点包含了该点的横轴,纵轴以及深度信息,也就是该点三维信息。有了这些点的信息我们就可以设计算法原创 2021-09-05 12:42:56 · 2821 阅读 · 3 评论 -
【原创】图像处理第2弹:手势识别
一、前言生活中我们偶尔会用手势来比划数字0-9,比如拳头代表0,拇指代表5,其余每个指头代表1。通过拇指和其余四根手指的配合就可以表示0-9的数字,所以我今天想做的就是识别这10个手势。。二、算法原理首先我们介绍下mediapipe模型的返回值如图所示,返回值总共有21个点的信息,每个点代表一个手关节,0代表手腕。每个点包含了该点的横轴,纵轴以及深度信息,也就是该点三维信息。有了这些点的信息我们就可以设计算法来对手势进行识别。因为手指弯曲就代表该手指不计数,伸直才会计数,所以我的想法是通过判定每原创 2021-08-29 13:57:29 · 1909 阅读 · 0 评论 -
【原创】图像处理第1弹:手势检测
【原创】图像处理第1弹:手势检测一、前言深度学习已经告一段落,虽然充满了各种枯燥的公式和代码,但还是跌跌撞撞的说完了。说实话我自己都差点放弃,不过风雨过后便是彩虹,接下来就进入实战阶段,用传统图像处理和深度学习来玩一些好玩的东西。今天要介绍的是一个手势检测模块,个人感觉很有意思。这个技术该怎么样落地为产品暂时还没有想法,所以暂且就当充实自己的武器库了。二、手势检测人脸检测现在在我们生活中已经很普及了,手势检测的原理其实也是差不多,但是因为面部具有高对比度图案,例如,在眼睛和嘴巴区域,而手部缺乏此类原创 2021-08-29 13:47:48 · 509 阅读 · 2 评论