利用机器学习，进行人体33个2D姿态检测与评估-Toy模板网

这篇具有很好参考价值的文章主要介绍了利用机器学习，进行人体33个2D姿态检测与评估。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

前几期的文章，我们分享了人脸468点检测与人手21点的代码实现过程，本期我们进行人体姿态的检测与评估

通过视频进行人体姿势估计在各种应用中起着至关重要的作用，例如量化体育锻炼，手语识别和全身手势控制，还可以在增强现实中将数字内容和信息覆盖在物理世界之上。

MediaPipe Pose是用于高保真人体姿势跟踪的ML解决方案，利用BlazePose研究成果，还从ML Kit Pose Detection API中获得了RGB视频帧的整个33个2D标志（或25个上身标志）。当前最先进的方法主要依靠强大的桌面环境进行推理，而MediaPipe Pose的方法可在大多数现代手机，，甚至是Web上实现实时性能。

利用机器学习，进行人体33个2D姿态检测与评估

ML管道

该解决方案利用两步检测器-跟踪器ML管线，管道首先使用检测器在帧内定位人/姿势感兴趣区域（ROI）。跟踪器随后使用ROI裁剪帧作为输入来预测ROI中的姿势界标。请注意，对于视频用例，仅在需要时（即，对于第一帧）以及当跟踪器无法再识别前一帧中的人体姿势时，才调用检测器。对于其他帧，管道仅从前一帧的姿势界标中得出ROI。

人/姿势检测模型（BlazePose检测器）

该检测器的灵感来自于轻型模型，该模型用于，作为器的代理。它明确预测了另外两个虚拟关键点，这些关键点将人体的中心，旋转和缩放牢牢地描述为一个圆圈。，我们预测了人的臀部的中点，外接整个人的圆的半径以及连接肩文章来源地址https://www.toymoban.com/news/detail-404607.html

到了这里，关于利用机器学习，进行人体33个2D姿态检测与评估的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！