什么是OpenCV？

計算機視覺是一個能夠理解圖像和視頻如何存儲和操作的過程，它還有助于從圖像或視頻中檢索數據。計算機視覺是人工智能的一部分。計算機視覺在自動駕駛汽車，物體檢測，機器人技術，物體跟蹤等方面發揮著重要作用。

OpenCV

OpenCV是一個開放源代碼庫，主要用于計算機視覺，圖像處理和機器學習。通過OpenCV，它可以為實時數據提供更好的輸出，我們可以處理圖像和視頻，以便實現的算法能夠識別諸如汽車，交通信號燈，車牌等物體以及人臉，或者甚至是人類的筆跡。借助其他數據分析庫，OpenCV能夠根據自己的需求處理圖像和視頻。

我們將與OpenCV－python一起使用的庫是Mediapipe

什么是Mediapipe？

Mediapipe是主要用于構建多模式音頻，視頻或任何時間序列數據的框架。借助MediaPipe框架，可以構建令人印象深刻的ML管道，例如TensorFlow，TFLite等推理模型以及媒體處理功能。

使用Mediapipe的最先進的ML模型

人臉檢測

多手跟蹤

頭發分割

目標檢測與追蹤

Objectron：3D對象檢測和跟蹤

AutoFlip：自動視頻裁剪管道姿態估計

姿態估計

通過視頻或實時饋送進行人體姿態估計在諸如全身手勢控制，量化體育鍛煉和手語識別等各個領域中發揮著至關重要的作用。例如，它可用作健身，瑜伽和舞蹈應用程序的基本模型。它在增強現實中找到了自己的主要作用。Media Pipe Pose是用于高保真人體姿勢跟蹤的框架，該框架從RGB視頻幀獲取輸入并推斷出整個人類的33個3D界標。當前最先進的方法主要依靠強大的桌面環境進行推理，而此方法優于其他方法，并且可以實時獲得很好的結果。

姿勢地標模型

現在開始

首先，安裝所有必需的庫。– pip install OpenCV－python– pip install mediapipe下載任何類型的視頻，例如跳舞，跑步等。我們將利用這些視頻進行姿勢估計。

為了檢查mediapipe是否正常工作，我們將使用上面下載的視頻實現一個小的代碼。

import cv2
import mediapipe as mp
import time
mpPose ＝ mp．solutions．pose
pose ＝ mpPose．Pose（）
mpDraw ＝ mp．solutions．drawing＿utils
＃cap ＝ cv2．VideoCapture（0）
cap ＝ cv2．VideoCapture（＇a．mp4＇）
pTime ＝ 0
while True：
success， img ＝ cap．read（）
imgRGB ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2RGB）
results ＝ pose．process（imgRGB）
print（results．pose＿landmarks）
if results．pose＿landmarks：
mpDraw．draw＿landmarks（img， results．pose＿landmarks， mpPose．POSE＿CONNECTIONS）
for id， lm in enumerate（results．pose＿landmarks．landmark）：
h， w，c ＝ img．shape
print（id， lm）
cx， cy ＝ int（lm．x＊w）， int（lm．y＊h）
cv2．circle（img， （cx， cy）， 5， （255，0，0）， cv2．FILLED）
cTime ＝ time．time（）
fps ＝ 1／（cTime－pTime）
pTime ＝ cTime
cv2．putText（img， str（int（fps））， （50，50）， cv2．FONT＿HERSHEY＿SIMPLEX，1，（255，0，0）， 3）
cv2．imshow（＂Image＂， img）
cv2．waitKey（1）