位置: IT常识 - 正文

3D人体骨架检测(mediapipe)(3d人体骨骼模型软件)

编辑:rootadmin
3D人体骨架检测(mediapipe)

推荐整理分享3D人体骨架检测(mediapipe)(3d人体骨骼模型软件),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:3d人体骨架检测多少钱,kinect人体骨架检测,3d人体骨架检测多少钱,人体骨架模型3d软件,3d人体骨骼模型软件,3d人体骨架检测多少钱,3d人体骨骼模型软件,3d人体骨骼模型软件,内容如对您有帮助,希望把文章链接给更多的朋友!

m

在本教程中,我们将学习如何使用python中的mediapipe库进行实时3D骨架检测。

首先,我们得用pip下载下来我们需要用到的模组:

pip install mediapipe

这个工具不仅得到了谷歌的支持,而且Mediapipe中的模型也被积极地用于谷歌产品中。因此,这个模组,超级牛皮。

现在,MediaPipe的姿势检测是高保真(高质量)和低延迟(超快)的最先进的解决方案,用于在低端设备(即手机,笔记本电脑等)的实时视频源中检测一个人的33个3D地标。

pip install opencv-python

Opencv-python简称cv2, 是一个超级牛皮的模组(比mediapipe还牛皮),他可以打开你的摄像头,并且还能回去每一帧的图像并显示出来(详情请见opencv的教程),关键是,cv2还有C++和Java版的。

pip install numpy

Numpy, 为矩阵计算而生,是一个专门计算矩阵的模组,cv2会用到它。

pip install vpython

大家应该不是那么的熟悉这个模组,用来在3D中布点的。但是因为简洁且迅速的更新速度,让我选择了这个模组(主要是因为害怕会掉帧)

P.S python需要定在python 3.0 以上

接下来,就是骨架预测的操作。

首先,导入所有我们需要的模组:  

import cv2import mediapipe as mpfrom vpython import *

然后来了解一下mediapipe里骨架预测模块的初始化:  

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化

Static_image_mode -这是一个布尔值,如果设置为False,检测器只在需要时调用,在第一帧或当跟踪器丢失跟踪时。如果设置为True,则对每个输入图像调用人员检测器。当你处理一堆不相关的图像而不是视频时,你应该把这个设为True。默认值为False。

Min_detection_confidence—考虑骨架检测模型的预测正确性所需的最小检测置信范围(0.0,1.0)。默认值为0.5。这意味着如果一个检测器的预测置信度大于或等于50%,则被认为是阳性的。

3D人体骨架检测(mediapipe)(3d人体骨骼模型软件)

Min_tracking_confidence -这是骨架关节点跟踪模型为了有效跟踪地标的姿态,需要考虑的最小跟踪置信度([0.0,1.0])。如果置信度小于设定值,则在下一帧/图像中再次调用检测器,因此增加其值会增加稳定性,但也会造成延迟。默认值为0.5。

Model_complexity—骨架检测模型的复杂性。由于有三种不同的模型可供选择,可能的值为0、1或2。值越高,结果越准确,但代价是延迟越长。缺省值为1。

Smooth_landmarks -这是一个布尔值,如果设置为True,将过滤不同帧的骨架关节点以减少噪音。只有当static_image_mode也设置为False时,这才有效。默认值为True。

mp_drawing = mp.solutions.drawing_utils

mp_drawing 是为了可视化关节点于它们之间的关系初始化的

然后,咱们来搞一下摄像头的初始化:

cam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​

到现在为止,你的代码应该是这样的:

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​

 现在,我们将使用函数 mp.solutions.pose.Pose().process() 将图像传递到姿势检测机器学习管道。但是管道需要RGB颜色格式的输入图像,因此首先我们必须使用函数cv2.cvtColor()将示例图像从BGR转换为RGB格式,因为OpenCV以BGR格式(而不是RGB)读取图像:

results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB))

执行姿势检测后,我们将获得三十三个地标的列表,这些地标代表图像中突出人物的身体关节位置。每个地标都有:

x – 它是按图像宽度归一化为 [0.0, 1.0] 的地标 x 坐标。y:它是按图像高度归一化为 [0.0, 1.0] 的地标 y 坐标。z:它是归一化为与 x 大致相同的比例的地标 z 坐标。它表示以臀部中点为原点的地标深度,因此 z 的值越小,地标离相机越近。可见性:它是一个范围为 [0.0, 1.0] 的值,表示地标在图像中可见(未遮挡)的可能性。在决定是否要显示特定关节时,这是一个有用的变量,因为它可能在图像中被遮挡或部分可见。

但是,我们现在只需要x,y和z。

接下来,我们需要显示它们的位置,并画上线:  

mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS)

运行一下,你的代码应该是这样的:  

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧​ results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点​ cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​​

现在,一大半已经搞完了,现在只需要搞定在3D中的显示。

points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))

sphere 是用来布点的。

curve 是用来连接各个点的。

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化​points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))​mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧​ results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点​ cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​​​

P.S 后面的操作开始变得骚了,因此我每次操作都会放上一个完整的代码。

我们现在需要让我们的点根据骨骼关节点的x,y,z数值改变:

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化​points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))​mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧​ results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点​ cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​​​​

再画上连接线:

import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化​points = []ids = [[12, 14, 16], [11, 13, 15], [12, 24, 26, 28, 30, 32, 28], [11, 23, 25, 27, 29, 31, 27], [12, 11], [24, 23]]c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))​mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧​ results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) for n in range(2): for i in range(2): c[i + 2 * n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i + 1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i + 1]].pos.z), retaine=2) for n in range(2, 4): for i in range(6): c[i+6*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) for n in range(4, 6): for i in range(1): c[i+2*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点​ cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口​​​​​

好啦!作品已完成,经过整理后就变成这样了:  

import cv2import mediapipe as mpfrom vpython import *#mediapipe 模型变量初始化def mediapipe_varibles_init(): mp_pose = mp.solutions.pose pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) mp_drawing = mp.solutions.drawing_utils return pose,mp_pose, mp_drawing#vpython(三维画图)模型变量初始化def vpython_variables_init(): points = [] boxs = [] ids = [[12, 14, 16], [11, 13, 15], [12, 24, 26, 28, 30, 32, 28], [11, 23, 25, 27, 29, 31, 27], [12, 11], [24, 23]] c = [] for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4)) return points, boxs, ids, c#在3D里画出骨架的函数def draw_3d_pose(): results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) for n in range(2): for i in range(2): c[i + 2 * n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i + 1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i + 1]].pos.z), retaine=2) for n in range(2, 4): for i in range(6): c[i+6*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) for n in range(4, 6): for i in range(1): c[i+2*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS)#窗口关闭函数def clos_def(): cap.release() cv2.destroyAllWindows()#获取变量points, boxs, ids, c = vpython_variables_init()pose, mp_pose, mp_drawing = mediapipe_varibles_init()#打开摄像头,0是第一个摄像头,如果想换一个摄像头请改变这个数字cap = cv2.VideoCapture(0)while True: #获取每一帧的图像 _, f = cap.read() #vpython里的一个函数,用来调整3D中的FPS rate(150) #调用在3D里画出骨架的函数 draw_3d_pose() #在每一帧里画骨架 #显示每一帧 cv2.imshow('real_time', f) #检测是否要关闭窗口 if cv2.waitKey(1) & 0xFF == ord('q'): break#调用窗口关闭函数clos_def()
本文链接地址:https://www.jiuchutong.com/zhishi/300482.html 转载请保留说明!

上一篇:2022年前端Vue常见面试题大全(三万长文)持续更新...(vue前端常见面试题)

下一篇:Web 开发与搜索引擎优化,你应该选择哪一个?(web搜索与挖掘)

  • 微博怎么换昵称(微博怎么换昵称啊)

    微博怎么换昵称(微博怎么换昵称啊)

  • 快手能用obs直播吗(快手用obs直播会限流吗)

    快手能用obs直播吗(快手用obs直播会限流吗)

  • 缺少一个或多个shx文件 希望执行什么操作(缺少一个或多个shx怎么解决)

    缺少一个或多个shx文件 希望执行什么操作(缺少一个或多个shx怎么解决)

  • 苹果11底下白条怎么去掉(苹果11底下白条怎么关闭)

    苹果11底下白条怎么去掉(苹果11底下白条怎么关闭)

  • w10截图保存在哪里(windows10截图保存在哪了)

    w10截图保存在哪里(windows10截图保存在哪了)

  • 怎么删掉分节符下一页(怎么删除分节符不影响页眉)

    怎么删掉分节符下一页(怎么删除分节符不影响页眉)

  • cmcc的wifi密码是多少(cmcc wi-fi密码)

    cmcc的wifi密码是多少(cmcc wi-fi密码)

  • 苹果手机锁屏wifi总是自动断开(苹果手机锁屏wifi就断开)

    苹果手机锁屏wifi总是自动断开(苹果手机锁屏wifi就断开)

  • 华为camul00什么型号(华为camal00什么型号)

    华为camul00什么型号(华为camal00什么型号)

  • 优酷上传视频有限制吗(优酷上传视频有时间限制吗)

    优酷上传视频有限制吗(优酷上传视频有时间限制吗)

  • 如何查看微信中的历史广告(如何查看微信中对方撤回的消息记录)

    如何查看微信中的历史广告(如何查看微信中对方撤回的消息记录)

  • 小米蓝牙怎么删除不常用设备(小米蓝牙怎么删除配对记录)

    小米蓝牙怎么删除不常用设备(小米蓝牙怎么删除配对记录)

  • 常见的网络操作系统有(常见网络操作系统有哪些)

    常见的网络操作系统有(常见网络操作系统有哪些)

  • 苹果a1699内存多大(苹果a1699多少g)

    苹果a1699内存多大(苹果a1699多少g)

  • 新建word并重命名(新建文档重命名)

    新建word并重命名(新建文档重命名)

  • 怎么合并退款(京东怎么合并退款)

    怎么合并退款(京东怎么合并退款)

  • 手机搜索候选怎么关闭(手机搜索设置项)

    手机搜索候选怎么关闭(手机搜索设置项)

  • word文本占位符在哪(word文本占位符怎么设置)

    word文本占位符在哪(word文本占位符怎么设置)

  • 路由器sn码有什么用(无线路由器sn啥意思)

    路由器sn码有什么用(无线路由器sn啥意思)

  • 魅族手机远程管理怎么用(魅族手机远程操作)

    魅族手机远程管理怎么用(魅族手机远程操作)

  • 在家k歌怎么不吵到邻居(在家k歌怎么不被打断)

    在家k歌怎么不吵到邻居(在家k歌怎么不被打断)

  • 微信亲属卡怎么看余额(微信亲属卡怎么设置扣款顺序)

    微信亲属卡怎么看余额(微信亲属卡怎么设置扣款顺序)

  • 抖音视频模糊怎么办(抖音视频模糊怎么弄)

    抖音视频模糊怎么办(抖音视频模糊怎么弄)

  • 在一个JS文件中引用另一个JS文件中的变量(在一个js文件中怎么写)

    在一个JS文件中引用另一个JS文件中的变量(在一个js文件中怎么写)

  • 自学web前端觉得好难,可能你遇到了这些困境(想学web前端)

    自学web前端觉得好难,可能你遇到了这些困境(想学web前端)

  • php static的三种使用方法(php static变量)

    php static的三种使用方法(php static变量)

  • 税金及附加包括印花税吗
  • 一般纳税人提供服务税率
  • 报销用专票
  • 分公司小规模
  • 不能抵扣进项税额的发票类型
  • 高新企业收到政府补贴会计分录
  • 卷烟消费税纳税环节有几个
  • 虚开发票应如何进行处罚
  • 可交换债券与可转换债券的区别在于
  • 企业所得税营业收入包括什么
  • 企业印花税算法
  • 期末留抵税额小于当期免抵退税额是什么意思
  • 进项税额加计抵减如何申报
  • 什么情况需要对房屋外观拍照
  • 股票派息后会除权吗
  • 在建工程的工资计入哪里
  • 修理厂年收入
  • 自产自用产品的会计处理
  • win11怎么查看win的产品密钥
  • linux监控系统命令
  • php glob
  • 新的磁贴
  • autorun.exe无法运行
  • php预定义变量有哪些
  • 销售方怎么申请红字信息表
  • 小规模纳税人结转损益会计分录
  • 赖格宝视频
  • php mysql_list_dbs()函数用法示例
  • WINDOWS10系统怎样给电脑分区
  • php自定义变量的方法是
  • 《网络安全从入门到精通》
  • 金融机构存放的保证金存款
  • 可行性研究报告合同属于什么合同
  • 卖出回购证券的钱怎么算
  • 红字信息表必须要原件吗
  • 公司给买员工保险
  • phpcms程序
  • 小型微利企业所得税按什么预缴
  • 安装sqlserver2005警告iis
  • 原来的预提费用取消后放哪里
  • 缴纳以前年度房租的税
  • 母子公司关联交易规定
  • 季报利润表本月金额怎么填
  • 小规模纳税人低于多少免征增值税
  • 营业收入的核算方式有哪些
  • 公司发放加班补贴怎么做账
  • 预付卡充值可以退吗
  • 没收到发票也可以入账吗
  • 多交增值税可以不退吗
  • 拆迁置换安置房
  • 虚开发票但是没有成本如何做账?
  • 销售单位收入和税收
  • 会计工作重点工作
  • 提高sql执行效率的方法
  • 如何修改sqlserver中sa用户的密码
  • foxmail反应慢的原因
  • microsoft window vista
  • centos7添加ip地址
  • movie是什么文件
  • win1021年更新
  • xp取消开机启动项
  • linux添加系统调用的步骤
  • win7旗舰版系统激活码
  • win8.1启动设置
  • windows右键菜单
  • ERROR 1045: Access denied for user: root@localhost (Using password: NO)
  • win7电脑浏览器怎么设置默认浏览器
  • Win8中漂亮的metro开始画面图标最大列数的设定方法
  • javascript:window.top.space_additem
  • 请问在javascript程序中
  • nodejs查找文件
  • python开发bi
  • js中arguments
  • 广东电子税务局手机版
  • 个人所得税申诉有什么后果
  • 广西税务登记查询网站
  • 税务登记时必须要填银行账号吗
  • 三方协议暂不支持缴款
  • 江苏地税每月社保多少钱
  • 北京市朝阳区各中学校服照片
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设