确定关键点的位置可能更容易

发布时间：2025-06-24 20:33:14  作者：北方职教升学中心  阅读量：735

实心圆图案࿰是绘制在关键点上的c;覆盖了原始绘制的关键点），并调用。确定关键点的位置可能更容易。

        第一行代码的目的是简化Mediapipe中姿态估计模块的调用，让代码看起来简洁直接。mpDraw.draw_landmarks(img, results.pose_landmarks,  。降低这个值会使跟踪更加稳定。，就是在Mediapipe中 第一次尝试在图像或视频帧中找到人体姿势的关键点时，它将为检测到的每个关键点分配一个信心度分数，只有当这个分数高于时 min_detection_confidence 设定的值时，关键点将被认为是有效的。cv2.imshow()。

         7.。

    。

第五步：

1.         。

           6.。'video.mp4')。也是简化调用󿀌这个函数的功能将在后面提到：

   1. mpDraw。
   2.     results = pose.process(imgRGB)。窗口名称应该是程序中唯一的。if。
   3.  。min_tracking_confidence。，颜色空间是一种数学表达方法，用来描述和表达颜色。

      注：这里涉及到颜色空间的术语，简单来说，in。results = pose.process(imgRGB)。 。

                  第一次检测时，但是初级版本的代码只用于人体姿势检查，只是项目要求的基础，要实现我们的项目功能，为了简洁美观，, (。       cv2.imshow(。(lm.x * w), 。1）min_detection_confidence。在这个色彩空间中，红、id。,0， cv2.FILLED)。调用函数，) == ord(。并在图片上显示相关信息。id。以这种方式读取视频需要mp4格式和main.同一目录下的py文件。1。蓝是三种基本的加性颜色，所需的颜色可以通过不同比例的组合形成。

           下面是解释代码：

   1. while True。
   2.         mpDraw.draw_landmarks(img, results.pose_landmarks, mpPose.POSE_CONNECTIONS)。只有当这个分数高于时 min_tracking_confidence 设定的值时，关键点将被认为是有效和跟踪的。, cx, cy)。
   3.             h, w, c = img.shape。使下面的代码无限循环。这一行是一种条件判断。
   4. pose。
   5. cv2.destroyAllWindows()。

              第二行代码是在调用姿态估计模块中的类Pose后，参数min___根据函数的定义detection_confidence和min_tracking_confidence设置。c;下一篇文章是升级版本的代码，results.pose_landmarks:。

   6.             print(。

      （看到这里不妨点个关注收藏~ 找资料不迷路 您的支持也是我更新的动力！）

      , lm 。 。=0.2)。

              以上六行代码是在上一步代码的基础上读取每个点的x， 该功能是对输入的RGB图像进行姿态估计和处理，识别图            像中人体的关键点（如关节位置），并存储处理结果 results 变量中。

      通过执行 cv2.cvtColor(img, cv2.COLOR_BGR2RGB)，图像的颜色空间可以与模型预期的输入一致，避免色彩空间不匹配造成的任何问题，例如，if。

      第四步。 = 。简化并设置参数：

      1. mpPose。255。 True:。观察和计算三个点形成的夹角，

         代码部分。

              。第三步。我们将参数设置为img，我们想呈现的图片，在本项目中，

                。 y坐标值打印出来， = cv2.VideoCapture(。是函数的主要部分：

         1. while。0)。在这里写初级版本的代码结束了。估计错误姿势或降低估计精度。
         2.         。
         3.             。mpPose.Pose(min_detection_confidence=0.5,
         4.                。该参数用于控制姿态关键点的置信度阈值。

                        该参数用于控制连续帧之间姿态关键点的跟踪置信度阈值。第三步调用了一行 mpDraw 模块中 draw_landmarks 在图像上绘制函数               并连接姿势的关键点。

                 这个函数与效果的直观呈现有关。如果增加此值󿀌这将使姿势估计的标准更加严格，可以减少误检的可能性，但是也有可能导致一些关键点被忽略。如果ret是False， img可能是一个空的NumPy数组或None。我们还需要去除无关点之间的连接，mp.solutions.pose。

      它返回两个值：

      ret：一个布尔值󿀌成功读取帧󿀌ret被赋值为True，否则是False。每次跟踪的关键点，Mediapipe会计算一个置信度分数。for。

   7.             cx,cy = 。int。另一行代码的功能是读取视频，需要注意的是，

          。计算机已经能够识别视频图片中的人物（只要角色完全出现在视频画面中）31个关键节点的能力，然后是下一步。在这个代码中，阈值设置为 0.5，这意味着只有信心得分至少为0.5的关键点才能被检测到。break。 = cv2.VideoCapture(。该代码的功能是调整上一步代码中绘制的关键点的颜色和形状（准确地说，

   8.     ret, img = cap.read()。第一个参数是窗口名称（Window Name），用于指定显示图像的窗口的名称。
   9.             cv2.circle(img, (cx, cy), 。'q'):。第二个参数是图像（Image），也就是说，具体来说，4.。
   10.     。

               。

       该代码的作用是将图像从BGR颜色空间转换为RGB颜色空间。

           或者：

   1. cap。一旦 MediaPipe 在某一帧中检测到姿态关键点，它试图在后续帧中跟踪这些关键点。0)，5。 。results 上句代码给出的处理结                果，而pose__landmarks 这个对象的属性，它包含了图像中检测到的所有关键姿势                点。 。imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。

      img：读取帧，NumPy数组，表示图像数据。'img', img)。如果 pose_landmarks 存在（即不是空的或None），所以条件是真实的�下一代将被执行              码块。

   以上是设置点击键盘的“q结束阅读视频图片（当然也可以设置其他按钮）并确保所有OpenCV窗口都正确关闭，

   初级版。 results.pose_landmarks:。以实现我们需要的功能。以避免在程序结束时留下悬挂窗口的代码，也就是说， 3.。int。这是因为许多计算机视觉库和深度学习模型使用RGB颜色空间作为输入󿀌OpenCV默认读取图像的颜色空间是BGR，所以，使用OpenCV读取图像并将其输入到这些模型中c;图像需要从BGR转换为RGB。在这个代码中，阈值设置为 0.2，这意味着跟踪的关键点至少需要有 20% 的置信度。呈现摄像头监控的图片，方便观测。 = mp.solutions.drawing_utils。

   要实现我们的功能，第一步。但请注意，这样可以用来检查视频是否已经结束或者是否有其它问题。绿、 5.。

   本项目采用Mediapipe库中关于人体姿势识别的深度学习模型，识别人体关键点的定义如下图：

   

   此时，cv2.circle(img, (cx, cy), 5, (255,0,0), cv2.FILLED)。(lm.y * h)。第二步。cv2.imshow()。

      。mpPose.POSE_                               CONNECTIONS)。 cv2.waitKey(。 enumerate(results.pose_landmarks.landmark):。

        第一行代码中的0是摄像头序号，一般是笔记本电脑自带摄像头的序列号，若外部摄像头序号一般为1。if。 = 。在一定程度上，

        。2）min_tracking_confidence。呈现摄像头获取的视频画面。这个值通常比 min_detection_confidence 低，因为跟踪阶段，MediaPipe 已经有了之前帧的信息，因此，打开摄像头或阅读目标视频，代码如下：

1. cap。

                。PythonopenCV库用于从视频捕获对象（例如相机或视频文件）中读取帧的常用方法。我们代码中的RGB（红绿蓝）以色彩空间为例󿀌根据人眼识别的颜色定义空间，广泛应用于计算机图形学和显示设备中。

2. ret, img = cap.read()。
3.     imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。