【姿态估计】MediaPipe部分solution(手势，人体姿态，面部动作)的用法

Mediapipe介绍

MediaPipe是个基于图形的跨平台框架，用于构建多模式应用的机器学习管道。

MediaPipe可在移动设备，工作站和服务器上跨平台运行，并支持移动GPU加速。使用MediaPipe，可以将应用的机器学习管道构建为模块化组件的图形。

MediaPipe专为机器学习从业者而设计包括研究人员，学生，和软件开发人员，他们实施生产就绪的ML应用程序，发布伴随研究工作的代码，以及构建技术原型。MediaPipe的主要用例上使用推理模型和其他可重用组件对应用机器学习管道进行快速原型设计。MediaPipe还有助于机器学习技术部署到各种不用硬件平台上的演示和应用程序中。
MediaPipe Solutions是基于特定的预训练TensorFlow或TFLite模型的开源预构建示例，他提供了多个Solutions，如下图所示。

本篇主要对手势识别，人体姿态估计，面部识别的方法进行演示，带领入门者入门。

1. 手势识别

通过MediaPipe,可以获取手部关节的21个点（如下图），以及每个点对应的坐标，那么我们就可以用坐标点来做一下项目的实际应用了， 比如手语的翻译，手势指令之类的。

首先导入包

import mediapipe as mp
import cv2
import numpy as np
import time

手势检测代码如下，再次我们只是展示了大拇指与食指之间的距离，然后进行了可视化展示。
获取了20个点的坐标，可以实现自己想要手势手语识别。

# 定义一个函数，计算两个点的距离deffindDis(pts1,pts2):return((pts2[0]-pts1[0])**2+(pts2[1]-pts1[1])**2)**0.5# 创建手势检测模型
mpHands = mp.solutions.hands  # 检测人的手
hand_mode = mpHands.Hands(max_num_hands=2,min_detection_confidence=0.5,
                        min_tracking_confidence=0.5)# static_image_mode：默认为False，如果设置为false, 就是把输入看作一个视频流，在检测到手之后对手加了一个目标跟踪(目标检测+跟踪)，# 无需调用另一次检测，直到失去对任何手的跟踪为止。如果设置为True，则手部检测将在每个输入图像上运行(目标检测)，非常适合处理一批静态的，# 可能不相关的图像。(如果检测的是图片就要设置成True)# 检测手的模式参数设置，max_num_hands:可以检测到的手的数量最大值，默认是2# min_detection_confidence: 手部检测的最小置信度值，大于这个数值被认为是成功的检测，# min_tracking_confidence：目标踪模型的最小置信度值，大于这个数值将被视为已成功跟踪的手部，如果static_image_mode设置为true，则忽略此操作。
mpDraw = mp.solutions.drawing_utils  # 绘图

cap = cv2.VideoCapture(0)whileTrue:
    success,img = cap.read()
    img = cv2.flip(img,1)
    results = hand_mode.process(img)# 将图片导入模型，获取20个点的坐标进行分析if results.multi_hand_landmarks:for handLms in results.multi_hand_landmarks:
            point4_8 =[]forid,lm inenumerate(handLms.landmark):
                h,w,c = img.shape
                cx,cy =int(lm.x*w),int(lm.y*h)
                cv2.circle(img,(cx,cy),10,(255,0,0),-1)ifidin[4,8]:# 获取点4，8的坐标
                    point4_8.append([cx,cy])
            mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS)# 求点4，8的坐标，进行可视化展示
            cv2.line(img,(point4_8[0][0],point4_8[0][1]),(point4_8[1][0],point4_8[1][1]),(0,0,255),5)
            distance =round(findDis((point4_8[0][0],point4_8[0][1]),(point4_8[1][0],point4_8[1][1])),2)
            cv2.putText(img,"distance:{}".format(distance),(50,50),cv2.FONT_HERSHEY_PLAIN,3,(0,0,255),3)
            cv2.rectangle(img,(20,250),(20+10,250-int(distance)),(255,0,255),20)
    cv2.imshow("img",img)if cv2.waitKey(1)&0xFF==ord("q"):break
cap.release()
cv2.destroyAllWindows()

结果如下：

2. 人体姿势识别

人体姿势识别即是识别人体身上的32个点，本部分通过识别点23，25的位置来识别是否进行抬腿动作。通过这部分，大家可以去制作像深蹲计数、跳绳计数、摆臂等这样的功能。

代码如下：

mpPose = mp.solutions.pose  # 检测人的手
pose_mode = mpPose.Pose(min_detection_confidence=0.5,min_tracking_confidence=0.5)# 模式参数设置

mpDraw = mp.solutions.drawing_utils  # 绘图

cap = cv2.VideoCapture(0)
biaoji =0
i =0whileTrue:
    success,img = cap.read()
    img = cv2.flip(img,1)
    results = pose_mode.process(img)if results.pose_landmarks:
        point23_25 =[]forid,lm inenumerate(results.pose_landmarks.landmark):
            h,w,c = img.shape
            cx,cy =int(lm.x*w),int(lm.y*h)
            cv2.circle(img,(cx,cy),10,(255,0,0),-1)ifidin[23,25]:
                point23_25.append([cx,cy])
        mpDraw.draw_landmarks(img, results.pose_landmarks, mpPose.POSE_CONNECTIONS)
        cv2.line(img,(point23_25[0][0],point23_25[0][1]),(point23_25[1][0],point23_25[1][1]),(0,0,255),5)if point23_25[0][1]>point23_25[1][1]:if biaoji ==1:
                i +=1
                biaoji =0
                cv2.putText(img,"Leg up--{}".format(i),(10,50),cv2.FONT_HERSHEY_PLAIN,3,(0,0,255),3)else:
            biaoji =1
            cv2.putText(img,"Leg down--{}".format(i),(10,450),cv2.FONT_HERSHEY_PLAIN,3,(0,0,255),3)
    cv2.imshow("img",img)if cv2.waitKey(1)&0xFF==ord("q"):break
cap.release()
cv2.destroyAllWindows()

结果可视化展示：

3. 面部动作识别

mediapip的人脸关键点一共有468个我在图中只看到467最大值，但是实际代码输出的478的关键点，从输出结果索引468-472存储的是人眼左边5个关键点，473-477存储的是人眼右边5个关键点。关键点图在网上还有点难找因此放这里，图片需要放大才能开清楚位置数字。
本文选取左眼【130，240，23，159】四个点和嘴巴【62，292，12，15】四个点，通过计算四个点之间的关系，来判断眼睛和嘴巴是否处于张开状态。这对于疲劳检测具有一定的借鉴意义。代码如下：

deffindDis(pts1,pts2):return((pts2[0]-pts1[0])**2+(pts2[1]-pts1[1])**2)**0.5

cap = cv2.VideoCapture(0)
pTime =0

id_list =[23,159,130,243,62,292,12,15]

mpDraw = mp.solutions.drawing_utils
mpFaceMesh = mp.solutions.face_mesh
faceMesh = mpFaceMesh.FaceMesh(max_num_faces=2)
drawSpec = mpDraw.DrawingSpec(thickness=1, circle_radius=2)whileTrue:
    success, img = cap.read()
    imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    results = faceMesh.process(imgRGB)if results.multi_face_landmarks:for faceLms in results.multi_face_landmarks:
            mpDraw.draw_landmarks(img, faceLms, mpFaceMesh.FACEMESH_CONTOURS,
                                  drawSpec,drawSpec)
            mp_data =[]forid,lm inenumerate(faceLms.landmark):
                ih, iw, ic = img.shape
                x,y =int(lm.x*iw),int(lm.y*ih)ifidin id_list:#左眼[22, 23, 24, 26, 110, 157, 158, 159, 160, 161, 130, 243]:
                    mp_data.append([x,y])
                    cv2.circle(img,(x,y),2,(255,0,0),-1)
            eye_length_1 = findDis(mp_data[0],mp_data[1])
            eye_length_2 = findDis(mp_data[2],mp_data[3])
            mouth_length_2 = findDis(mp_data[4],mp_data[5])
            mouth_length_1 = findDis(mp_data[6],mp_data[7])#             print(eye_length_1,eye_length_2)if((mouth_length_1/mouth_length_2)<(98/18)):
                cv2.putText(img,"mouth close",(400,50),cv2.FONT_HERSHEY_PLAIN,2,(0,0,255),3)else:
                cv2.putText(img,"mouth open",(400,50),cv2.FONT_HERSHEY_PLAIN,2,(0,0,255),3)if(eye_length_2/eye_length_1)>18:
                cv2.putText(img,"eye open",(400,100),cv2.FONT_HERSHEY_PLAIN,2,(0,0,255),3)else:                 
                cv2.putText(img,"eye close",(400,100),cv2.FONT_HERSHEY_PLAIN,2,(0,0,255),3)  

    cTime = time.time()
    fps =1/(cTime - pTime)
    pTime = cTime
    cv2.putText(img,f'FPS: {int(fps)}',(20,70), cv2.FONT_HERSHEY_PLAIN,3,(255,0,0),3)
    cv2.imshow("Image", img)if cv2.waitKey(1)&0xFF==ord("q"):
        cv2.imwrite("6.jpg",img)break
cap.release()
cv2.destroyAllWindows()

结果展示：

总结

无论是手势，人体姿态，还是人脸检测，都是对于点位的检测，通过点位坐标实现一系列功能。对于手势点位检测，我们可以实现手语识别，对于人体姿势点位检测，可以实现人体动作，当下有那些跳绳计数、深蹲计数的App也是这么个原理；对于人脸检测，通过点位坐标检测，可以实现疲劳检测。这里不做多述，有兴趣者可以做各种有趣的事情。