深度学习|opencv小项目，AI视觉人体姿态关键点实时跟踪

1. 导入工具包

MediaPipe Pose 中的地标模型预测了 33 个姿势地标的位置

# 安装opencv
pip install opencv-contrib-python
# 安装mediapipe
pip install mediapipe
#pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mediapipe==0.8.8
#有user报错的话试试这个，我也是发现这个库包版本过高并不会提示，而是在编译器乱报错懵了很久。
 
# 安装之后导入各个包
import cv2  #已经在opencv-python包含了
import mediapipe as mp
import time

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。

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 为 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

        以下是一个简单的绘制人体关键点的代码示例：

# 初始化视频捕获
cap = cv2.VideoCapture("video.mp4")  # 替换为您的视频路径
mp_pose = mp.solutions.pose
mp_drawing = mp.solutions.drawing_utils

with mp_pose.Pose(model_complexity=1, enable_segmentation=True) as pose:
    while cap.isOpened():
        success, img = cap.read()
        if not success:
            break
        
        # 转换图像格式为 RGB
        img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        
        # 检测姿态
        results = pose.process(img_rgb)
        
        # 绘制姿态关键点和连线
        if results.pose_landmarks:
            mp_drawing.draw_landmarks(img, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)

        # 显示视频
        cv2.imshow('Pose Detection', img)
        if cv2.waitKey(10) & 0xFF == ord('q'):
            break

cap.release()
cv2.destroyAllWindows()

         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 。

绘制人体33个关键点及连线

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。在获取到 pose_landmarks 后，我们可以将其归一化的坐标转换为像素坐标，并将这些点绘制出来。如下代码是一个简单的示例，展示了如何将坐标放大并保存到列表中：

# 获取图像尺寸
img_height, img_width, _ = img.shape
lmlist = []

if results.pose_landmarks:
    for id, lm in enumerate(results.pose_landmarks.landmark):
        x, y = int(lm.x * img_width), int(lm.y * img_height)
        lmlist.append((x, y))

        # 绘制放大的关键点
        cv2.circle(img, (x, y), 5, (0, 255, 0), cv2.FILLED)

# 打印每帧的关键点坐标
print(lmlist)

        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中。

         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：

大功告成，本次小项目分享就到这里了，喜欢的友友记得点赞+关注+收藏哦~~~

附录

完整代码，拿去选择你的视频路径跑就行，包的老弟

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()