使用OpenCV和MediaPipe实现基于深度学习的人体姿态估计

没有背景的姿态估计结果。

计算机视觉中最困难的任务之一是确定人体四肢、复杂的自遮挡、自相似部分以及由于服装、体型、照明、以及许多其他因素。人体姿态估计问题可以定义为预测各种人体关键点（关节和地标）位置的计算机视觉技术，例如肘部、膝盖、颈部、肩部、臀部、胸部等。

在今天的文章中，我们将了解使用 MediaPipe 和 OpenCV 库进行基于深度学习的人体姿态估计。

目录

• 什么是 MediaPipe？

• 姿态估计问题

• 实施解决方案

• 有用的链接

什么是 MediaPipe？

Mediapipe 是一个主要用于构建多模式音频、视频或任何时间序列数据的框架。在 MediaPipe 框架的帮助下，可以为 TensorFlow、TFLite 等推理模型以及媒体处理功能构建 ML 管道。

**注意：**你甚至不需要 GPU 来运行 MediaPipe 实验，因为今天的集成显卡和 CPU 非常适合此解决方案。从逻辑上讲，FPS 会比使用 GPU 低得多。

MediaPipe 提供可定制的 Python 解决方案作为PyPI上的预构建 Python 包，可以简单地使用pip install mediapipe. 它还为用户提供了构建自己的解决方案的工具。有关详细信息，