基于行空板的MediaPipe Pose与Holistic人体姿态检测 简单

import cv2
import mediapipe as mp

# 初始化 MediaPipe 绘图和姿势识别模块
mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_pose = mp.solutions.pose

# 打开默认摄像头（设备编号为 0）
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)  # 设置摄像头宽度
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)  # 设置摄像头高度
cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # 设置摄像头缓冲区大小

# 创建一个名为 'MediaPipe Pose' 的全屏窗口
cv2.namedWindow('MediaPipe Pose', cv2.WND_PROP_FULLSCREEN)
cv2.setWindowProperty('MediaPipe Pose', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)

# 使用 MediaPipe Pose 模块进行姿势识别，设置检测和跟踪的置信度
with mp_pose.Pose(
        min_detection_confidence=0.5,  # 设置最小检测置信度
        model_complexity=0,  # 设置模型复杂度，0 表示较低复杂度
        min_tracking_confidence=0.5  # 设置最小跟踪置信度
) as pose:
    while cap.isOpened():  # 检查摄像头是否已打开
        success, image = cap.read()  # 读取一帧图像
        if not success:  # 如果读取失败
            print("Ignoring empty camera frame.")
            continue  # 忽略空帧并继续循环

        # 为了提高性能，可以将图像标记为不可写，以便通过引用传递
        image.flags.writeable = False
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 将图像从 BGR 转换为 RGB
        results = pose.process(image)  # 使用 Pose 模块处理图像

        # 在图像上绘制姿势注释
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)  # 将图像从 RGB 转换回 BGR
        mp_drawing.draw_landmarks(
            image,
            results.pose_landmarks,  # 获取姿势地标
            mp_pose.POSE_CONNECTIONS,  # 获取姿势连接
            landmark_drawing_spec=mp_drawing_styles.get_default_pose_landmarks_style()  # 使用默认绘图样式
        )
        
        # 将图像顺时针旋转 90 度
        image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)
        # 将图像水平翻转，以获得自拍视图显示
        cv2.imshow('MediaPipe Pose', cv2.flip(image, 1))
        
        # 如果按下 Esc 键（ASCII 码为 27），则退出循环
        if cv2.waitKey(5) & 0xFF == 27:
            break

# 释放摄像头并关闭所有 OpenCV 窗口
cap.release()
cv2.destroyAllWindows()

import cv2
import mediapipe as mp

# 初始化 MediaPipe 绘图和整体模型模块
mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_holistic = mp.solutions.holistic

# 打开默认摄像头（设备编号为 0）
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)  # 设置摄像头宽度
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)  # 设置摄像头高度
cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # 设置摄像头缓冲区大小

# 创建一个名为 'MediaPipe Holistic' 的全屏窗口
cv2.namedWindow('MediaPipe Holistic', cv2.WND_PROP_FULLSCREEN)
cv2.setWindowProperty('MediaPipe Holistic', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)

# 使用 MediaPipe Holistic 模块进行整体识别，设置检测和跟踪的置信度
with mp_holistic.Holistic(
        min_detection_confidence=0.5,  # 设置最小检测置信度
        model_complexity=0,  # 设置模型复杂度，0 表示较低复杂度
        min_tracking_confidence=0.5  # 设置最小跟踪置信度
) as holistic:
    while cap.isOpened():  # 检查摄像头是否已打开
        success, image = cap.read()  # 读取一帧图像
        if not success:  # 如果读取失败
            print("Ignoring empty camera frame.")
            continue  # 忽略空帧并继续循环

        # 为了提高性能，可以将图像标记为不可写，以便通过引用传递
        image.flags.writeable = False
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # 将图像从 BGR 转换为 RGB
        results = holistic.process(image)  # 使用 Holistic 模块处理图像

        # 在图像上绘制地标注释
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)  # 将图像从 RGB 转换回 BGR
        
        # 绘制面部地标
        mp_drawing.draw_landmarks(
            image,
            results.face_landmarks,  # 获取面部地标
            mp_holistic.FACEMESH_CONTOURS,  # 获取面部网格轮廓
            landmark_drawing_spec=None,
            connection_drawing_spec=mp_drawing_styles.get_default_face_mesh_contours_style()  # 使用默认面部网格轮廓样式
        )
        
        # 绘制姿势地标
        mp_drawing.draw_landmarks(
            image,
            results.pose_landmarks,  # 获取姿势地标
            mp_holistic.POSE_CONNECTIONS,  # 获取姿势连接
            landmark_drawing_spec=mp_drawing_styles.get_default_pose_landmarks_style()  # 使用默认姿势地标样式
        )
        
        # 将图像顺时针旋转 90 度
        image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)
        # 将图像水平翻转，以获得自拍视图显示
        cv2.imshow('MediaPipe Holistic', cv2.flip(image, 1))
        
        # 如果按下 Esc 键（ASCII 码为 27），则退出循环
        if cv2.waitKey(5) & 0xFF == 27:
            break

# 释放摄像头并关闭所有 OpenCV 窗口
cap.release()
cv2.destroyAllWindows()