参考：https://google.github.io/mediapipe/solutions/hands

函数式

import cv2
import mediapipe as mp
import time
import os
import randomdef video_ope(file):switch = Truecap = cv2.VideoCapture(file)myhands= mp.solutions.handshands = myhands.Hands()myDraw = mp.solutions.drawing_utilsframe = 0 while(True):ret, img = cap.read()img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)results = hands.process(img_rgb)if (results.multi_hand_landmarks):for  handLms in results.multi_hand_landmarks:for id,lm in enumerate(handLms.landmark):h,w,c  = img.shapecx,cy = int(lm.x*w),int(lm.y*h)print (id,cx,cy)if id == 0:cv2.circle(img,(cx,cy),15,(255,0,0),cv2.FILLED)else:cv2.circle(img,(cx,cy),8,(0,255,5),cv2.FILLED)myDraw.draw_landmarks(img,handLms,myhands.HAND_CONNECTIONS)frame +=1cv2.putText(img,str(int(frame)),(10,70),cv2.FONT_HERSHEY_PLAIN,3,(255,0,255),3)cv2.imshow("Frame", img)key = cv2.waitKey(1) & 0xFFif  key == ord('s'):switch = Trueif key== ord('q'):switch = Falseif key== 27:breakcap.release()cv2.destroyAllWindows()def main():file = "video/anime.mp4"video_ope(file)if __name__=="__main__":main()

模块化

import cv2
import mediapipe as mp
import timeclass handDetector():def __init__(self, mode=False, maxHands=2, detectionCon=0.5, trackCon=0.5):self.mode = modeself.maxHands = maxHandsself.detectionCon = detectionConself.trackCon = trackConself.mpHands = mp.solutions.handsself.hands = self.mpHands.Hands(self.mode, self.maxHands,self.detectionCon, self.trackCon)self.mpDraw = mp.solutions.drawing_utilsdef findHands(self, img, draw=True):imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) results = self.hands.process(imgRGB)if results.multi_hand_landmarks:for handLms in results.multi_hand_landmarks:if draw:for id,lm in enumerate(handLms.landmark):h,w,c  = img.shapecx,cy = int(lm.x*w),int(lm.y*h)if id == 0:cv2.circle(img,(cx,cy),15,(255,0,0),cv2.FILLED)else:cv2.circle(img,(cx,cy),8,(0,255,5),cv2.FILLED)self.mpDraw.draw_landmarks(img, handLms,self.mpHands.HAND_CONNECTIONS)return imgdef main(file):if file!="":cap = cv2.VideoCapture(file)else:cap = cv2.VideoCapture(0)detector = handDetector()frame = 0while True:success, img = cap.read()img = detector.findHands(img)frame +=1cv2.putText(img, str(int(frame)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3,(255, 255, 255), 2)cv2.imshow("Image", img)cv2.waitKey(1)key = cv2.waitKey(1) & 0xFFif  key == ord('s'):switch = Trueif key== ord('q'):switch = Falseif key== 27:breakcap.release()cv2.destroyAllWindows()if __name__ == "__main__":file = "video/anime.mp4"main(file)

结果

【人体关键点定位】mediapipe_手部定位（一）相关推荐

torchvision使用keypoint rcnn 进行人体关键点定位
系统:Windows 11 pytorch版本:1.11.0 torchvision版本:0.12.0 使用图片地址:vision/person1.jpg at main · pytorch/visi ...
MS COCO数据集人体关键点评估（Keypoint Evaluation）（来自官网）
COCO系列文章: MS COCO数据集目标检测评估(Detection Evaluation)(来自官网) MS COCO数据集人体关键点评估(Keypoint Evaluation)(来自官网) ...
行为分析(十)：姿态估计部分（六）：人体关键点(keypoints)生成算法综述
**写在前面的话通常很重要对于行为分析任务,可以分为视频帧分类和依据人体关键点判定两个解决方向而依据人体关键点判定又可以分为单人检测和多人检测多人检测又可以分为top-down和bottom-u ...
快速上手百度大脑人体关键点识别
作者:wangwei8638 人体关键点识别能够检测图像中的人体并返回人体矩形框位置,精准定位21个核心关键点,包含头顶.五官.颈部.四肢主要关节部位,支持多人检测.大动作等复杂场景.本文以瑜伽动作为 ...
百度AI攻略：人体关键点识别
第四期[百度大脑新品体验]人体关键点识别 1.功能描述: 检测图像中的人体并返回人体矩形框位置,精准定位21个核心关键点,包含头顶.五官.颈部.四肢主要关节部位,支持多人检测.大动作等复杂场景 2.平 ...
【百度大脑新品体验】人体关键点识别
[百度大脑新品体验]人体关键点识别作者:才能我浪费99 1.功能描述: 检测图像中的人体并返回人体矩形框位置,精准定位21个核心关键点,包含头顶.五官.颈部.四肢主要关节部位,支持多人检测.大动作等 ...
人体模型 java代码_【人体分析-人体关键点识别】-Java示例代码
接口说明:http://ai.baidu.com/forum/topic/show/497747 人体关键点识别,即对于输入的一张图片(可正常解码,且长宽比适宜),输出图片中的所有人体的14个关键点, ...
OpenMMLab AI实战营第二期｜人体关键点检测与MMPose学习笔记
OpenMMLab AI实战营第二期|人体关键点检测与MMPose学习笔记文章目录 OpenMMLab AI实战营第二期|人体关键点检测与MMPose学习笔记一.前言 1.1 人体姿态概述 1.2 ...
OpenMMLab-AI实战营第二期——2-1.人体关键点检测与MMPose
文章目录 1. 人体姿态估计的介绍和应用 2-1. 2D姿态估计概述 2.1 任务描述 2.2 基于回归 2.3 基于热力图 2.3.1 从数据标注生成热力图(高斯函数) 2.3.2 使用热力图训练模 ...

【人体关键点定位】mediapipe_手部定位（一）

函数式

模块化

结果

【人体关键点定位】mediapipe_手部定位（一）相关推荐

最新文章

热门文章