机器学习笔记 - MediaPipe结合OpenCV分析人体标准运动姿势

最新推荐文章于 2024-10-21 13:30:00 发布
最新推荐文章于 2024-10-21 13:30:00 发布
阅读量793 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 OpenCV从入门到精通 文章标签： 笔记 人工智能
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.youkuaiyun.com/bashendixie5/article/details/130300887
本文介绍了如何使用MediaPipe和OpenCV进行人体深蹲姿势的估计。通过对不同阶段的膝盖与垂直角度分析，确定深蹲的正确状态。文章详细讲解了从代码实现到状态分析的过程，包括工具类、阈值设定和图像帧处理。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、简述

        在之前的文章中，对于MediaPipe进行了初步了解，并对结合OpenCV进行人体姿势估计的技术的处理思路进行看了一些探讨。

https://skydance.blog.youkuaiyun.com/article/details/123508782icon-default.png?t=N3I4https://skydance.blog.youkuaiyun.com/article/details/123508782        这里我们要进行一项具体的姿势估计，深蹲姿势的估计。如果为了完成这项任务，我们可以利用基于深度学习的人体姿势估计算法比如估计人类姿势的流行框架包括OpenPose，AlphaPose，Yolov7，MediaPipe等。在这还是基于MediaPipe和OpenCV进行一个具体

了解本专栏 订阅专栏 解锁全文
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 7987
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。
机器学习笔记 - 机器学习/深度学习实战案例合集
学以致用 知行合一
06-05 2283
案例1、使用opencv的DNN模块调用caffe的GoogLeNet图像分类模型 案例2、使用Opencv的DNN模块调用Tensorflow的mobilenet对象检测模型 案例3、基于tensorflow2.0的手写数字识别，并导出pb模型供OpenCV的C++版本的DNN模块调用 案例4、基于OpenCV图像处理和手写数字识别进行数独求解 案例5、自定义数据集 + 标准前馈神经网络分类进行训练 案例6、自定义数据集 + 卷积神经网络分类进行训练 案例7、使用Opencv的DNN模块调用Caffe的人
机器视觉 python+mediapipe+opencv实现人体姿态识别（二）
suck_snake的博客
12-11 4018
文章目录一、mediapipe是什么？二、使用步骤1.引入库2.主代码3.运行结果 一、mediapipe是什么？ mediapipe官网 二、使用步骤 1.引入库 代码如下： import cv2 import mediapipe as mp 2.主代码 代码如下： mp_drawing = mp.solutions.drawing_utils mp_drawing_styles = mp.solutions.drawing_styles mp_holistic = mp.solutions.holis
OpenCV实现人体动作识别
乐亦亦乐的博客
10-03 1万+
版本： 注意：如果是opencv-python 3.3会报错，cv2.dnn 找不到 readNet() 对于识别的行为超过400种： OpenCV官方示例的样本类别：https://github.com/opencv/opencv/blob/master/samples/data/dnn/action_recongnition_kinetics.txt 示例代码：https://github.com/opencv/opencv/blob/master/samples/d...
OpenCV + mediapipe -＞人体姿态估计
weixin_44686138的博客
05-10 3025
MediaPipe提供了一个人体姿态估计模型，可用于实时的人体姿态检测。
3D视觉——3.人体姿态估计(Pose Estimation) 算法对比 即 效果展示——MediaPipe与OpenPose
对方正在输入中...
07-02 6548
运行结果 MediaPipe人体姿态估计效果展示demo_video.py src/util.py src/hand.py src/body.py 运行结果 OpenPose效果展示需要安装OpenPose，请看我的另一篇博客：3D视觉——2.人体姿态估计(Pose Estimation)入门——OpenPose含安装、编译、使用（单帧、实时视频） 运行结果 OpenPose运行结果其实：1.MediaPipe比较成熟，并且不需要下载或者配置一些乱七八糟的东西，而Op
使用OPENCV进行人体识别
qq_39598960的博客
12-06 5674
使用OPENCV进行人体识别 使用OpenCV人体识别，可以点官网示例链接，也可以往下看。 安装OpenCV 具体步骤有点。。。各位可以参考官网的安装 教程. 代码部分 如果帧数极低， 可以在代码中修改分辨率。 for (;;) { cap >> frame; if (frame.empty()) { cout <&lt...
Python+OpenCV+MediaPipe 手势识别系统
最新发布
走向CTO的路上...
10-21 1008
MediaPipe 是一个跨平台的机器学习框架，支持多种模型的实时处理，并提供了丰富的手势识别功能。借助 OpenCV 的强大图像处理能力，我们可以搭建一个高效、可扩展的手势识别系统。通过结合 OpenCV 和 MediaPipe，我们能够创建一个实时、高效的手势识别系统。此系统不仅在交互式应用中具有巨大的潜力，还能够在许多领域提升用户体验。
cv算法工程师学习成长路线
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
11-15 4668
本文内容为 cv 算法工程师成长之路上的经典学习教材汇总，对于一些新兴领域则给出了较好的博客文章链接。本文列出的知识点目录是成系统且由浅至深的，可作为 cv 算法工程师的常备学习路线资料。部分学习资料存在离线 PDF 电子版，其可在 github仓库-cv_books 中下载。
基于opencv进行人体姿势识别
sunmingyang1987的博客
03-08 7763
代码来源GitHub：human-pose-estimation-opencv 模型比较小，模型参数已经训练好，保存在graph_opt.pb文件中（7.8M）,其中全部实现代码在openpose.py文件中： # To use Inference Engine backend, specify location of plugins: # export LD_LIBRARY_PATH=/opt/...
kinect结合opencv2.2,对人体蹲下起跳移动等动作判断
12-15
安装kinect 微软SDK，VS2010结合opencv2.2，对人体蹲下、起跳、前后左右等动作进行判断和识别，并打印提示信息给用户到显示的视频上。
opencv做的姿态检测项目
03-12
利用opencv做的人物姿态检测，采用了SVM训练样本
基于mediapipe的姿态识别和简单行为识别——前端界面的设计
weixin_44463519的博客
08-09 3171
本章将wxpython于mediapipe结合，设计了一个用于检测关键点的UI界面。
python+mediapip 实现AI姿态检测健身姿态检测追踪项目
恍恍惚惚的大穷猫的博客
03-22 8286
python+mediapip 实现AI姿态检测健身姿态检测追踪项目 最近研究mediapipe 这个东东，感觉有点意思，有点上瘾。如果实现了姿态检测，那么我们可以用这些姿态检测的坐标做一下项目了，比如说，如何检测健身举哑铃的动作检测，虽然功能十分简单，但是要用Python 去实现一个动作的检测，在代码层次来讲还是很繁琐的。 下面讲解一下如何使用python+opencv+mediapipe实现姿态检测，并对举哑铃这个动作进行识别。 要实现上面所说的功能，需要实现以下步骤，下面我们一步一步的实现下面的步骤
【MediaPipe】(2) AI视觉，人体姿态关键点实时跟踪，附python完整代码
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..
openpose和mediapipe中的关键点
BGMcat的博客
10-20 6126
1、18点模型 对应位置： // {0, “Nose”}, // {1, “Neck”}, // {2, “RShoulder”}, // {3, “RElbow”}, // {4, “RWrist”}, // {5, “LShoulder”}, // {6, “LElbow”}, // {7, “LWrist”}, // {8, “RHip”}, // {9, “RKnee”}, // {10, “RAnkle”}, // {11, “LHip”}, // {12, “LKnee”}, // {13, “
人体姿态估计库 mediapipe
potato123232的博客
07-05 1686
在jetson-nx上文件夹中的whl包就能安装了，在PC的windows上直接pip install mediapipe就能安装。
基于Mediapipe+Opencv实现手势检测
风吹落叶的博客
01-07 4418
基于Mediapipe+Opencv实现手势检测 一、前言 想实现一下姿态识别的时候，感觉手势识别也蛮重要的就过来顺便实现一下。 下面是一些国内的pip源，有需要可自取 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn
机器学习笔记 - 什么是支持向量回归(SVR)？
热门推荐
学以致用 知行合一
04-14 5万+
SVM 回归算法称为支持向量回归或SVR。支持向量回归是一种监督学习算法，用于预测离散值。支持向量回归使用与 SVM 相同的原理。SVR 背后的基本思想是找到最佳拟合线。在 SVR 中，最佳拟合线是点数最多的超平面。 ​ SVR将输入的数据的原始空间映射到更高维的特征空间，通常通过非线性高斯核函数实现。在特征空间中，问题变成了拟合数据的最优线性平面的构造。
评论
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

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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