使用OpenCV和MediaPipe实现基于深度学习的人体姿态估计

最新推荐文章于 2024-07-22 16:07:24 发布
最新推荐文章于 2024-07-22 16:07:24 发布
阅读量8k 收藏 123
点赞数 8
文章标签： python 人工智能 区块链 google html
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/woshicver/article/details/118165954
版权
本文介绍了如何使用MediaPipe和OpenCV库进行人体姿态估计，详细阐述了MediaPipe框架的功能，并展示了如何创建姿势估计器类进行实时预测，最后提供了相关资源链接。
摘要由CSDN通过智能技术生成

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，

最低0.47元/天 解锁文章
woshicver
关注
机器学习笔记 - MediaPipe了解 + 结合OpenCV进行人体姿势估计
学以致用 知行合一
04-02 7442
MediaPipe 为直播和流媒体提供开源跨平台、可定制的 ML 解决方案。MediaPipe 是谷歌开发的开源框架。它是一个非常轻量级的多平台机器学习解决方案框架，可以在 CPU 上实时运行。 MediaPipe 在后端使用 TensorFlow lite。使用检测器首先在框架内定位人 (ROI)。然后它使用 ROI 裁剪帧作为 INPUT 并预测 ROI 内的地标/关键点。mediaPipe 姿态估计器共检测到 33 个关键点。
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 2396
Mediapipe 人体姿态估计专题
Mediapipe实现手势识别教程
最新发布
m0_73726178的博客
07-22 1716
本文介绍了手势识别的详细思路和代码，希望能帮助到大家！
OpenCV和Mediapipe实现摸嘴或鼻检测
WenJGo的博客
03-13 1264
OpenCV和Mediapipe实现摸嘴或鼻检测
使用opencv和mediapipe控制虚拟键盘
weixin_41747193的博客
12-27 2960
在写上篇文章的时候 ，我尝试用双手同时在屏幕中显示手势，然后我发现，我还需要做屏幕截图，这是我就在想，如果可以用手势控制键盘，操作快捷键就好了。然后，就有了这篇文章。网上有很多这方面的教程或者视频，但是都是用CVZONE开发的，我也发现，使用CVZONE确实很方便，但是当我写完代码运行的时候，却报错了，可能是CVZONE的版本问题，或者其他原因，反正我查看CVZONE的源代码，没看到我想使用的函数（方法）的接口，好在我们有上篇文章的底子，可以直接来使用或者手势的检测跟踪、手势判别和关键点的左...
深度学习tf-pose-estimation人体姿态识别实现教程
suswulongyuan的博客
05-26 1万+
这个项目在github上非常火，项目地址是：https://github.com/ildoonet/tf-pose-estimation，是基于tensorflow深度学习框架实现的人体姿态识别，有兴趣地朋友可以去找一下。这个项目的原始项目是用caffe框架，c++编写的人体姿态识别（检测人体身体部分、手、脸、脚等部位）。 参考的文献如下，有兴趣的同学可以读一下： （1）OpenPose: Rea...
基于MediaPipe人体姿态识别
03-22
常见的关键点有人脸关键点、人体骨骼关键点、车辆关键点等。当然，关键点本质上就是在图像中用一个点表示物体上特定的部位。于此同时关键点检测分为常见的三大派别，它们分别为回归派、heatmap派、混合派。
使用 Mediapipe 和 Yolov5 进行多人姿态估计
深度学习与计算机视觉
05-10 8308
介绍基于图像和视频的人体姿态估计可以在许多应用中发挥重要作用，例如健身活动识别、肢体语言检测、手语识别、量化体育锻炼和全身手势控制。MediaPipe Pose 是一种用于高保真人体姿态跟踪的机器学习解决方案，从 RGB 视频帧中推断出全身的 33 个 3D 地标和背景分割蒙版。不同姿势的分类也可以使用自定义对象检测模块来完成，但它需要大量数据并且训练将是耗时且复杂的。我...
使用Python+OpenCV实现姿态估计
深度学习与计算机视觉
05-18 1473
什么是OpenCV？计算机视觉是一个能够理解图像和视频如何存储和操作的过程，它还有助于从图像或视频中检索数据。计算机视觉是人工智能的一部分。计算机视觉在自动驾驶汽车，物体检测，机器人技术，...
基于深度学习的三维人体姿态估计
admin11111111的博客
07-04 4298
目录 ​​​​​一、技术背景 1.1 人体姿态估计 1.2三维人体重建 1.4构建多人场景研究情况 二. 技术方法 2.1基础架构 2.2重叠loss 2.3深度顺序感知loss 四．存在的问题与未来研究热点 4.1 本实验方法存在的问题 4.2 未来研究热点 参考文献： ​​​​​一、技术背景 1.1 人体姿态估计 人体姿态估计（human pose estimation, HPE）已经发展了几十年，一直围绕着从传感器的输入来构建人体姿态。在摄影领域...
【MediaPipe】(2) AI视觉，人体姿态关键点实时跟踪，附python完整代码
热门推荐
博观而约取，厚积而薄发
12-20 1万+
各位同学好，今天和大家分享一下如何使用MediaPipe完成人体姿态关键点的实时跟踪检测，先放张图看效果，FPS值为17，右下输出框为32个人体关键点的xy坐标。 有需要的可以使用cv2.VideoCapture(0)捕获电脑摄像头。本节就用马老师的视频来跟踪人体姿态。 1. 导入工具包 # 安装opencv pip install opencv-contrib-python # 安装mediapipe pip install mediapipe # pip install mediapip..
3D视觉——1.人体姿态估计(Pose Estimation)入门——使用MediaPipe含单帧(Signel Frame)与实时视频(Real-Time Video)
对方正在输入中...
06-14 1万+
使用Mediapipe工具包进行开发MediaPipe是一款由Google Research 开发并开源的多媒体机器学习模型应用框架，用于处理视频、音频等时间序列数据。这个跨平台架构使用于桌面/服务器、Android、iOS和嵌入式设备等。我们使用MeidaPie下的Solutions（方案特定的模型），共有16个Solutions:1.solutions.pose mediapipe姿态检测模块(.solutions.pose)，将人体各个部位分成33个点（0-32）如下图1.图1.通常可以通过判断角
深度学习进行人体的姿态估计
qq_54129105的博客
07-09 5858
文章提供了一个关于人工智能视觉中最新姿态跟踪方法，深度学习进行人体的姿态估计。
人体姿态检测—mediapipe
Y765990的博客
01-21 2266
min_detection_confidence=0.5, # 检测置信度# 检测置信度大于0.5代表检测到了，若此时跟踪置信度大于0.5就继续跟踪，小于就沿用上一次，避免一次又一次重复使用模型。# pose = mpPose.Pose(static_image_mode=False, # 静态图模式，False代表置信度高时继续跟踪，True代表实时跟踪检测新的结果。# mediapipe.solutions.drawing_utils.draw_landmarks()绘制关键点的连线。
【Opencv+MediaPipe】使用Opencv实现手部追踪
菜鸡踩的坑s
01-10 4353
2022年1月10日，看到相关教程跟做 代码存在C:\Users\10133\PycharmProjects\Project_PictureProcessing 目录 一、调研 Opencv MediaPipe 二、大概步骤 安装MediaPipe 导入opencv、MediaPipe和time库（其中time库是自带的，不用下载） 创建手部检测模型 结果输出 画图样式 三、代码段 一、调研 Opencv OpenCV 是一个基于 Apache2.0 许可（开源）发行的.
Opencv+Mediapipe-＞人脸特征点检测
weixin_44686138的博客
05-06 3607
人脸特征点检测是计算机视觉领域中的一项重要技术，它可以自动地定位和识别人脸图像中的关键特征点，如眼睛、鼻子、嘴巴等。
【基于Mediapipe与Unity的人体姿态捕捉系统】
moxiyi9990的博客
11-25 1万+
基于Mediapipe与Unity的人体姿态捕捉系统
【人体姿态估计】（一）原理介绍
weixin_40620310的博客
04-25 2985
人体姿态估计本质上是一个关键点检测的项目；关键点检测在生活中的应用十分广泛，包括人脸识别、手势识别，而人体姿态估计则是对身体的关键点进行检测；本文将介绍一些常见的数据集、评价指标以及比较经典的算法；
使用mediapipe和Opencv 实现人体姿态识别具体流程
05-05
实现人体姿态识别的具体流程如下： 1. 安装 OpenCV 和 MediaPipe 安装 OpenCV 和 MediaPipe，以便使用它们的功能来处理图像和实现人体姿态识别。 2. 导入必要的库 通过导入 OpenCV 和 MediaPipe 库，以及其他必要的库来准备编写代码。 ```python import cv2 import mediapipe as mp ``` 3. 加载模型 在代码中加载用于人体姿态识别的预训练模型，这可以通过使用 MediaPipe 的 Pose 模型来完成。 ```python mp_pose = mp.solutions.pose pose = mp_pose.Pose() ``` 4. 读取图像 使用 OpenCV 读取要进行人体姿态识别的图像。 ```python img = cv2.imread('image.jpg') ``` 5. 预处理图像 为了进行人体姿态识别，需要对输入图像进行预处理。首先将其转换为灰度图像，然后将其缩放到适当的大小。 ```python img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img_resized = cv2.resize(img_gray, (256, 256)) ``` 6. 检测人体姿态 使用 MediaPipe 的 Pose 模型来检测人体姿态。 ```python results = pose.process(img_resized) ``` 7. 绘制关键点 对于每个检测到的姿势，可以使用 OpenCV 在输入图像中绘制关键点。 ```python if results.pose_landmarks is not None: for lm in results.pose_landmarks.landmark: x, y = int(lm.x * img.shape[1]), int(lm.y * img.shape[0]) cv2.circle(img, (x, y), 5, (0, 255, 0), -1) ``` 8. 显示结果 最后，可以使用 OpenCV 将结果显示在屏幕上，并等待用户退出。 ```python cv2.imshow('Pose Detection', img) cv2.waitKey(0) ``` 这就是使用 MediaPipe 和 OpenCV 实现人体姿态识别的基本流程。
评论 2
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
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