Mediapipe人体骨架检测和实时3d绘制——Mediapipe实时姿态估计-Toy模板网

这篇具有很好参考价值的文章主要介绍了Mediapipe人体骨架检测和实时3d绘制——Mediapipe实时姿态估计。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。

一、前言

大约两年前，基于自己的理解我曾写了几篇关于Mediapipe的文章，似乎帮助到了一些人。这两年，忙于比赛、实习、毕业、工作和考研。上篇文章已经是一年多前发的了。这段时间收到很多私信和评论，请原谅无法一一回复了。我将尝试在这篇文章里回答一些大家经常问到的问题。

二、绘制3d铰接骨架

我曾在之前的文章里讲过，可以使用Mediapipe推理得到的3d坐标绘制到3d画布上，使用的函数就是：mp.solutions.drawing_utils.plot_landmarks()，不过只能导出2d图，没法拖动交互，实现效果如下：
Mediapipe人体骨架检测和实时3d绘制——Mediapipe实时姿态估计,mediapipe学习,3d,python,计算机视觉,opencv,手势识别,人脸识别
这个函数是官方自己封装的，我们可以利用matplotlib自行实现实时绘制3d铰接骨架图的需求，效果如下：

实时姿态估计

由于画在了3d画布上，这时候就能拖动画布，以不同角度查看实时的人体姿态。大家可以自行尝试。

三、关于Mediapipe的3d坐标

mediapipe可以推理得到3d坐标，但这个3d坐标并不是真实的3d坐标。这些坐标描述了一个以人体臀部为中心的人体外接圆，是虚拟的坐标。这一点可以从其官方描述得知。
在对每一帧图像做处理时，如果要获取某个keypoint（人体某个关节）在图像上的坐标时，可以这样转换：

results = pose.process(img)
X_ = results.pose_landmarks.landmark[mp_pose.PoseLandmark.NOSE].x * img_width
Y_ = results.pose_landmarks.landmark[mp_pose.PoseLandmark.NOSE].y * img_height

四、关于姿态估计的进一步学习

如果想获取实际的3d坐标，可以用相机标定，这里涉及的知识更多。Google搜索‘camera calibration’可以学习到更多。
其他好用的人体姿态估计模型，有mmpose、alphapose、openpose等。个人比较喜欢mmpose，从数据标注到模型训练都比较成熟。
曾经有人问过，如果要做动物姿态估计，那么毫不犹豫请用DeepLabCut，同样在数据标注和模型训练及导出上，非常成熟易用。

五、所有代码

要结束程序，请按ESC，或者ctrl+c

import cv2
import matplotlib.pyplot as plt
import mediapipe as mp
import time
import numpy as np

mp_pose = mp.solutions.pose
mp_drawing = mp.solutions.drawing_utils 
mp_drawing_styles = mp.solutions.drawing_styles

colorclass = plt.cm.ScalarMappable(cmap='jet')
colors = colorclass.to_rgba(np.linspace(0, 1, int(33)))
colormap = (colors[:, 0:3])

def draw3d(plt, ax, world_landmarks, connnection=mp_pose.POSE_CONNECTIONS):
    ax.clear()
    ax.set_xlim3d(-1, 1)
    ax.set_ylim3d(-1, 1)
    ax.set_zlim3d(-1, 1)

    landmarks = []
    for index, landmark in enumerate(world_landmarks.landmark):
        landmarks.append([landmark.x, landmark.z, landmark.y*(-1)])
    landmarks = np.array(landmarks)

    ax.scatter(landmarks[:, 0], landmarks[:, 1], landmarks[:, 2], c=np.array(colormap), s=50)
    for _c in connnection:
        ax.plot([landmarks[_c[0], 0], landmarks[_c[1], 0]],
                [landmarks[_c[0], 1], landmarks[_c[1], 1]],
                [landmarks[_c[0], 2], landmarks[_c[1], 2]], 'k')

    plt.pause(0.001)

#端口号一般是0，除非你还有其他摄像头
#使用本地视频推理，复制其文件路径代替端口号即可
cap = cv2.VideoCapture(0)
with mp_pose.Pose(
    min_detection_confidence=0.5,
    min_tracking_confidence=0.5, 
    model_complexity = 1) as pose:
  fig = plt.figure()
  ax = fig.add_subplot(111, projection="3d")

  while cap.isOpened():
    success, image = cap.read()
    if not success:
        print("Ignoring empty camera frame.")
        # If loading a video, use 'break' instead of 'continue'.
        continue
    
    # To improve performance, optionally mark the image as not writeable to
    # pass by reference.
    start = time.time()
    image.flags.writeable = False
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    results = pose.process(image)
    
    # Draw the pose annotation on the image.
    image.flags.writeable = True
    image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
    
    mp_drawing.draw_landmarks(
        image,
        results.pose_landmarks,
        mp_pose.POSE_CONNECTIONS,
        landmark_drawing_spec=mp_drawing_styles.get_default_pose_landmarks_style())
    
    end = time.time()
    fps = 1 / (end - start)
    fps = "%.2f fps" % fps
    #实时显示帧数
    image = cv2.flip(image, 1)
    cv2.putText(image, "FPS {0}".format(fps), (100, 50),
                cv2.FONT_HERSHEY_SIMPLEX, 0.75, (255, 255, 255),3)   
    
    cv2.imshow('MediaPipe Pose', image)
    if cv2.waitKey(5) & 0xFF == 27:
        break
    if results.pose_world_landmarks:
        draw3d(plt, ax, results.pose_world_landmarks)

cap.release()