【MediaPipe】(2) AI视觉,人体姿态关键点实时跟踪,附python完整代码

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。

【MediaPipe】(2) AI视觉,人体姿态关键点实时跟踪,附python完整代码_第1张图片


1. 导入工具包

# 安装opencv
pip install opencv-contrib-python
# 安装mediapipe
pip install mediapipe
# pip install mediapipe --user  #有user报错的话试试这个
 
# 安装之后导入各个包
import cv2  #opencv
import mediapipe as mp
import time

人体姿态检测相关说明见官方文档:Pose - mediapipe (google.github.io)

MediaPipe Pose 中的地标模型预测了 33 个姿势地标的位置(见下图)。


2. 相关函数说明

从mediapipe中导入检测方法,今天我们使用mediapipe.solutions.pose,其他的后续章节再写。

mediapipe.solutions.hands  # 手部关键点检测
mediapipe.solutions.pose   # 人体姿态检测
mediapipe.solutions.face_mesh  # 人脸网状检测
mediapipe.solutions.face_detection  # 人脸识别
....................

(1)mediapipe.solutions.pose.Pose()  姿态关键点检测函数

参数:

static_image_mode: 默认为 False,将输入图像视为视频流。它将尝试在第一张图像中检测最突出的人,并在成功检测后进一步定位姿势地标。在随后的图像中,它只是简单地跟踪那些地标,而不会调用另一个检测,直到失去对目标的跟踪,可以减少计算和延迟。若为 True,则会对每张输入图像执行人体检测方法,非常适合处理一批静态的、可能不相关的图像。

model_complexity: 默认为 1,姿势地标模型的复杂度:0、1 、2。地标准确度和推理延迟通常随着模型复杂度的增加而增加。

smooth_landmarks: 默认为 True,平滑图像,过滤不同的输入图像上的姿势地标以减少抖动,但如果static_image_mode也设置为 True 则忽略。

upper_body_only: 默认为 False,是否只检测上半身的地标。人体姿势共有33个地标,上半身的姿势地标有25个。

enable_segmentation: 默认为False。如果设置为 true,除了姿势地标之外,该解决方案还会生成分割掩码。

smooth_segmentation:默认为 True,过滤不同的输入图像上的分割掩码以减少抖动,但如果 enable_segmentation 设置为 False,或者 static_image_mode 设置为 True 则忽略。

min_detection_confidence: 默认为 0.5,来自人员检测模型的最小置信值 (0-1之间),高于该阈值则认为检测视为成功。

min_tracking_confidence:默认为 0.5来自地标跟踪模型的最小置信值 (0-1之间),用于将被视为成功跟踪的姿势地标,否则将在下一个输入图像上自动调用人物检测。将其设置为更高的值可以提高解决方案的稳健性,但代价是更高的延迟。如果 static_image_mode True,则人员检测将在每帧图像上运行。

返回值:

具有 "pose_landmarks" 字段的 NamedTuple 对象,其中包含检测到的最突出人物的姿势坐标。

(2)mediapipe.solutions.drawing_utils.draw_landmarks()  绘制手部关键点的连线

参数: 

image: 需要画图的原始图片

landmark_list: 检测到的手部关键点坐标

connections: 连接线,需要把那些坐标连接起来

landmark_drawing_spec: 坐标的颜色,粗细

connection_drawing_spec: 连接线的粗细,颜色等


3. 绘制关键点和连线

使用cv2.VideoCapture()读取视频文件时,文件路径最好不要出现中文,防止报错。

变量.read() 每次执行就从视频中提取一帧图片,需要循环来不断提取。用success来接收是否能打开,返回True表示可以打开img保存返回的的每一帧图像

由于读入视频图像通道一般为RGB,而opencv中图像通道的格式为BGR,因此需要cv2.cvtColor()函数将opencv读入的视频图像转为RGB格式 cv2.COLOR_BGR2RGB

在绘制人体关键点时 mpDraw.draw_landmarks()results.pose_landmarks 获取所有关键点信息;如果不传入参数mpPose.POSE_CONNECTIONS,那么就不会绘制关键点之间的连线 。

import cv2
import mediapipe as mp
import time

# 导入姿态跟踪方法
mpPose = mp.solutions.pose  # 姿态识别方法
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
                   #upper_body_only=False,  # 是否只检测上半身
                   smooth_landmarks=True,  # 平滑,一般为True
                   min_detection_confidence=0.5, # 检测置信度
                   min_tracking_confidence=0.5)  # 跟踪置信度
# 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

# 导入绘图方法
mpDraw = mp.solutions.drawing_utils

#(1)导入视频
filepath = 'C:\\GameDownload\\Deep Learning\\master.mp4'
cap = cv2.VideoCapture(filepath)

pTime = 0  # 设置第一帧开始处理的起始时间

#(2)处理每一帧图像
while True:
    
    # 接收图片是否导入成功、帧图像
    success, img = cap.read()
    
    # 将导入的BGR格式图像转为RGB格式
    imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 将图像传给姿态识别模型
    results = pose.process(imgRGB)
    
    # 查看体态关键点坐标,返回x,y,z,visibility
    # print(results.pose_landmarks)
    
    # 如果检测到体态就执行下面内容,没检测到就不执行
    if results.pose_landmarks:
        
        # 绘制姿态坐标点,img为画板,传入姿态点坐标,坐标连线
        mpDraw.draw_landmarks(img, results.pose_landmarks, mpPose.POSE_CONNECTIONS)
              
    # 查看FPS
    cTime = time.time() #处理完一帧图像的时间
    fps = 1/(cTime-pTime)
    pTime = cTime  #重置起始时间
    
    # 在视频上显示fps信息,先转换成整数再变成字符串形式,文本显示坐标,文本字体,文本大小
    cv2.putText(img, str(int(fps)), (70,50), cv2.FONT_HERSHEY_PLAIN, 3, (255,0,0), 3)  
    
    # 显示图像,输入窗口名及图像数据
    cv2.imshow('image', img)    
    if cv2.waitKey(10) & 0xFF==27:  #每帧滞留15毫秒后消失,ESC键退出
        break

# 释放视频资源
cap.release()
cv2.destroyAllWindows()

绘制人体33个关键点及连线

【MediaPipe】(2) AI视觉,人体姿态关键点实时跟踪,附python完整代码_第2张图片  【MediaPipe】(2) AI视觉,人体姿态关键点实时跟踪,附python完整代码_第3张图片


4. 保存坐标点信息,绘图编辑

接下来,我们将33个关键点的坐标保存下来,并将这些关键点放大一些,使其更加明显。因此我们补充上面的代码。

由于 results.pose_landmarks.landmark 中保存的xyz坐标是归一化后的比例坐标,即某一像素点在图像的某一比例位置,如[0.5, 0.5]。我们需要将其转为像素坐标,如[200,200],像素坐标一定是整数。通过图像宽高乘以各自比例即可得到像素坐标下的宽高。为了能更明显的显示关键点,把关键点画的大一些,只需以关键点的像素坐标为圆心画圆cv2.circle()即可。将像素坐标保存到lmlist

import cv2
import mediapipe as mp
import time

# 导入姿态跟踪方法
mpPose = mp.solutions.pose  # 姿态识别方法
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
                   #upper_body_only=False,  # 是否只检测上半身
                   smooth_landmarks=True,  # 平滑,一般为True
                   min_detection_confidence=0.5, # 检测置信度
                   min_tracking_confidence=0.5)  # 跟踪置信度
# 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

# 导入绘图方法
mpDraw = mp.solutions.drawing_utils

#(1)导入视频
filepath = 'C:\\GameDownload\\Deep Learning\\master.mp4'
cap = cv2.VideoCapture(filepath)

pTime = 0  # 设置第一帧开始处理的起始时间

#(2)处理每一帧图像
lmlist = [] # 存放人体关键点信息

while True:
    
    # 接收图片是否导入成功、帧图像
    success, img = cap.read()
    
    # 将导入的BGR格式图像转为RGB格式
    imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 将图像传给姿态识别模型
    results = pose.process(imgRGB)
    
    # 查看体态关键点坐标,返回x,y,z,visibility
    # print(results.pose_landmarks)
    
    # 如果检测到体态就执行下面内容,没检测到就不执行
    if results.pose_landmarks:
        
        # 绘制姿态坐标点,img为画板,传入姿态点坐标,坐标连线
        mpDraw.draw_landmarks(img, results.pose_landmarks, mpPose.POSE_CONNECTIONS)
        
        # 获取32个人体关键点坐标, index记录是第几个关键点
        for index, lm in enumerate(results.pose_landmarks.landmark):
            
            # 保存每帧图像的宽、高、通道数
            h, w, c = img.shape
            
            # 得到的关键点坐标x/y/z/visibility都是比例坐标,在[0,1]之间
            # 转换为像素坐标(cx,cy),图像的实际长宽乘以比例,像素坐标一定是整数
            cx, cy = int(lm.x * w), int(lm.y * h)
            
            # 打印坐标信息
            print(index, cx, cy)
            
            # 保存坐标信息
            lmlist.append((cx, cy))
            
            # 在关键点上画圆圈,img画板,以(cx,cy)为圆心,半径5,颜色绿色,填充圆圈
            cv2.circle(img, (cx,cy), 3, (0,255,0), cv2.FILLED)

    # 查看FPS
    cTime = time.time() #处理完一帧图像的时间
    fps = 1/(cTime-pTime)
    pTime = cTime  #重置起始时间
    
    # 在视频上显示fps信息,先转换成整数再变成字符串形式,文本显示坐标,文本字体,文本大小
    cv2.putText(img, str(int(fps)), (70,50), cv2.FONT_HERSHEY_PLAIN, 3, (255,0,0), 3)  
    
    # 显示图像,输入窗口名及图像数据
    cv2.imshow('image', img)    
    if cv2.waitKey(10) & 0xFF==27:  #每帧滞留15毫秒后消失,ESC键退出
        break

# 释放视频资源
cap.release()
cv2.destroyAllWindows()

 结果如下,右下输出框打印每一帧图像的关键点的xy坐标信息

【MediaPipe】(2) AI视觉,人体姿态关键点实时跟踪,附python完整代码_第4张图片

你可能感兴趣的:(MediaPipe高级机器视觉,python,计算机视觉,MediaPipe,目标跟踪,opencv)