AI Trainer(基于Mediapipe实现哑铃计数)-优快云博客

视频检测

哑铃弯举动作计数器实现解析

该Python代码实现了一个基于计算机视觉的哑铃弯举动作计数器，使用OpenCV和自定义姿势检测模块(PoseModule)来实时检测和计数健身动作。

核心功能实现

初始化视频捕获设备，支持摄像头或视频文件输入

cap = cv2.VideoCapture(0) if not video_path else cv2.VideoCapture(video_path)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, display_size[0])
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, display_size[1])

姿势检测器初始化，配置检测参数

self.detector = pm.PoseDetector(
    mode=self.mode,
    up_body=self.up_body,
    smooth=self.smooth,
    detection_con=self.min_detection_conf,
    track_con=self.min_tracking_conf
)

关键技术点

人体姿势关键点检测使用MediaPipe解决方案，通过21个3D关键点构建人体姿势模型。手臂角度计算公式： [ \theta = \arctan2(y_3 - y_2, x_3 - x_2) - \arctan2(y_1 - y_2, x_1 - x_2) ]

动作计数逻辑基于角度阈值判断：

if angle > self.config["rep_threshold"] and self.direction == 0:
    self.count += 0.5
    self.direction = 1
elif angle < self.config["rep_threshold"] and self.direction == 1:
    self.count += 0.5
    self.direction = 0

交互功能实现

键盘控制功能包括：

暂停/继续检测(q键)
重置计数器(r键)
切换左右手检测(a键)
调整检测阈值(+/-键)
平滑模式切换(s键)

性能优化策略

视频处理采用逐帧分析，使用时间戳计算FPS：

cTime = time.time()
fps = 1 / (cTime - self.pTime)
self.pTime = cTime

显示优化包括关键点绘制和计数信息叠加：

cv2.putText(img, f"次数: {int(self.count)}", (50, 100), 
           self.config["font"], 3, (255, 0, 0), 3)
cv2.putText(img, f"FPS: {int(fps)}", (50, 150), 
           self.config["font"], 2, (255, 0, 0), 2)