Mediapipe - 版本历史

Liangdaozheng：/* 利用Mediapipe和Unity实现简易的动作捕捉 */

2022-11-20T13:44:32Z

‎利用Mediapipe和Unity实现简易的动作捕捉

2022年11月20日 (日) 13:35 Liangdaozheng

2022-11-20T13:35:48Z

2022年11月20日 (日) 13:34 Liangdaozheng

2022-11-20T13:34:28Z

2022年11月20日 (日) 13:27 Liangdaozheng

2022-11-20T13:27:59Z

2022年11月20日 (日) 07:43 Liangdaozheng

2022-11-20T07:43:59Z

Liangdaozheng：/* Mediapipe简介 */

2022-11-20T07:22:31Z

‎Mediapipe简介

Liangdaozheng：/* 应用 */

2022-11-20T07:21:43Z

‎应用

Liangdaozheng：/* 应用 */

2022-11-20T07:02:51Z

‎应用

2022年11月20日 (日) 06:54 Liangdaozheng

2022-11-20T06:54:19Z

Liangdaozheng：/* Mediapipe Python的安装和应用 */

2022-11-14T07:01:26Z

‎Mediapipe Python的安装和应用

←上一版本		2022年11月20日 (日) 13:44的版本
第121行：		第121行：

	= 利用Mediapipe和Unity实现简易的动作捕捉 =		= 利用Mediapipe和Unity实现简易的动作捕捉 =
		+	== 概述 ==
		+	通过Python使用Mediapipe进行人体姿态和手势识别，利用UDP通信技术将识别到的关节点数据传输到Unity中，实现人体模型在Unity的同步运动。
		+	== 参考资源 ==
		+	#https://blog.csdn.net/weixin_50679163/article/details/125081760
		+	#https://blog.csdn.net/weixin_50679163/article/details/124658314

@@ 第116行： / 第116行： @@
          cv2.waitKey(0)
          cv2.destroyAllWindows()
-= 利用Mediapipe和Unity实现简易的动作捕捉 =
+=== 参考资源 ===
 #https://blog.csdn.net/weixin_43229348/article/details/120530937
 #https://blog.csdn.net/XiaoyYidiaodiao/article/details/125280207
-−

@@ 第116行： / 第116行： @@
          cv2.waitKey(0)
          cv2.destroyAllWindows()
 = 参考资源 =

@@ 第76行： / 第76行： @@
      cap.release()
-*'''Mediapipe姿态识别'''
+==='''Mediapipe姿态识别'''===
 .OpenCV调用摄像头(同手势识别)<br>
 .调用Mediapipe中的pose模块

@@ 第20行： / 第20行： @@
 #安装Mediapipe <br> 1)安装OpenCV,终端执行pip install opencv-contrib-python <br> 2)安装Mediapipe，终端执行pip install mediapipe，或者使用国内镜像 pip install mediapipe -i https://pypi.tuna.tsinghua.edu.cn/simple/br
 ==应用==
-*'''Mediapipe手势识别'''
+==='''Mediapipe手势识别'''===
 .OpenCV调用摄像头：
      import cv2
@@ 第40行： / 第40行： @@
 mp.solutions.drawing_utils是一个绘图模块，将识别到的手部关键点信息绘制道cv2图像中，mp.solutions.drawing_style定义了绘制的风格。<br>
 mp.solutions.hands是mediapipe中的手部识别模块，可以通过它调用手部识别的api，然后通过调用mp_hands.Hands初始化手部识别类。<br>
-'''mp_hands.Hands中的参数：'''<br>1)static_image_mode=True适用于静态图片的手势识别，Flase适用于视频等动态识别，比较明显的区别是，若识别的手的数量超过了最大值，True时识别的手会在多个手之间不停闪烁，而False时，超出的手不会识别，系统会自动跟踪之前已经识别过的手。默认值为False;<br>2)max_num_hands用于指定识别手的最大数量。默认值为2;<br>3)min_detection_confidence 表示最小检测信度，取值为[0.0,1.0]这个值约小越容易识别出手，用时越短，但是识别的准确度就越差。越大识别的越精准，但是响应的时间也会增加。默认值为0.5;<br>4)min_tracking_confience 表示最小的追踪可信度，越大手部追踪的越准确，相应的响应时间也就越长。默认值为0.5。
+'''mp_hands.Hands中的参数：'''<br>1)static_image_mode=True适用于静态图片的手势识别，Flase适用于视频等动态识别，比较明显的区别是，若识别的手的数量超过了最大值，True时识别的手会在多个手之间不停闪烁，而False时，超出的手不会识别，系统会自动跟踪之前已经识别过的手。默认值为False;<br>2)max_num_hands用于指定识别手的最大数量。默认值为2;<br>3)min_detection_confidence 表示最小检测信度，取值为[0.0,1.0]这个值约小越容易识别出手，用时越短，但是识别的准确度就越差。越大识别的越精准，但是响应的时间也会增加。默认值为0.5;<br>4)min_tracking_confience 表示最小的追踪可信度，越大手部追踪的越准确，相应的响应时间也就越长。默认值为0.5。<br><br>
-.一个手部识别的简单代码：
+.demo示例：
      import cv2
      import mediapipe as mp
@@ 第71行： / 第71行： @@
                  mp_drawing.draw_landmarks(
                      frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)
-       cv2.imshow('MediaPipe Hands', frame)
+        cv2.imshow('MediaPipe Hands', frame)
          if cv2.waitKey(1) & 0xFF == 27:
              break
      cap.release()
 *'''Mediapipe姿态识别'''
 .OpenCV调用摄像头(同手势识别)<br>
@@ 第87行： / 第88行： @@
                          min_detection_confidence=0.5,
                          min_tracking_confidence=0.5)
-mp_pose.Pose()其参数：<br>1)static_image_mode：静态图像还是连续帧视频;<br>2)model_complexity：人体姿态估计模型,0表示速度最快,精度最低（三者之中）,1表示速度中间，精度中间（三者之中),2表示速度最慢，精度最高（三者之中）;<br>3)smooth_landmarks：是否平滑关键点；<br>4)enable_segmentation：是否对人体进行抠图;<br>5)min_detection_confidence：检测置信度阈值；<br>6)min_tracking_confidence：各帧之间跟踪置信度阈值；
+mp_pose.Pose()其参数：<br>1)static_image_mode：静态图像还是连续帧视频;<br>2)model_complexity：人体姿态估计模型,0表示速度最快,精度最低（三者之中）,1表示速度中间，精度中间（三者之中),2表示速度最慢，精度最高（三者之中）;<br>3)smooth_landmarks：是否平滑关键点；<br>4)enable_segmentation：是否对人体进行抠图;<br>5)min_detection_confidence：检测置信度阈值；<br>6)min_tracking_confidence：各帧之间跟踪置信度阈值；<br><br>

@@ 第2行： / 第2行： @@
 = Mediapipe简介 =
-Mediapipe是google的一个开源项目，可以提供开源的、跨平台的常用ML(machine learning)方案.Mediapipe实际上是一个集成的机器学习视觉算法的工具库，包含了人脸检测、人脸关键点、手势识别、头像分割和姿态识别等各种模型。<br>'''Mediapipe具备的优点有：'''<br>1）支持各种平台和语言，包括IOS，Android，C++，Python，JAVAScript，Coral等；<br>2）速度快，各种模型基本上可以做到实时运行。<br>'''Mediapipe在实际应用中的例子：'''<br>1）人脸检测；<br>2）FaceMesh：从图像/视频中重建出人脸的3D Mesh，可以用于AR渲染；<br>3）人像分割：从图像/视频中把人分割出来，可用于视频会议如Zoom、钉钉；<br>4）手势识别和跟踪：可以识别标出手部21个关键点的3D坐标；<br>5）人体姿态识别：可以识别标出人体33个关键点的3D坐标。
+Mediapipe是google的一个开源项目，可以提供开源的、跨平台的常用机器学习(machine learning)方案。Mediapipe实际上是一个集成的机器学习视觉算法的工具库，包含了人脸检测、人脸关键点、手势识别、头像分割和姿态识别等各种模型。<br>'''Mediapipe具备的优点有：'''<br>1）支持各种平台和语言，包括IOS，Android，C++，Python，JAVAScript，Coral等；<br>2）速度快，各种模型基本上可以做到实时运行。<br>'''Mediapipe在实际应用中的例子：'''<br>1）人脸检测；<br>2）FaceMesh：从图像/视频中重建出人脸的3D Mesh，可以用于AR渲染；<br>3）人像分割：从图像/视频中把人分割出来，可用于视频会议如Zoom、钉钉；<br>4）手势识别和跟踪：可以识别标出手部21个关键点的3D坐标；<br>5）人体姿态识别：可以识别标出人体33个关键点的3D坐标。
 * 官网地址：https://mediapipe.dev/

@@ 第29行： / 第29行： @@
          cv2.imshow("Image", image)       #CV2窗体,显示摄像头获取到的视频流
          cv2.waitKey(1)      #关闭窗体
-.调用mediapipe中的hands模块：
+'''2.调用mediapipe中的hands模块：'''
      mp_drawing = mp.solutions.drawing_utils
      mp_drawing_styles = mp.solutions.drawing_styles
@@ 第40行： / 第40行： @@
 mp.solutions.drawing_utils是一个绘图模块，将识别到的手部关键点信息绘制道cv2图像中，mp.solutions.drawing_style定义了绘制的风格。<br>
 mp.solutions.hands是mediapipe中的手部识别模块，可以通过它调用手部识别的api，然后通过调用mp_hands.Hands初始化手部识别类。<br>
-'''mp_hands.Hands中的参数：'''
+'''mp_hands.Hands中的参数：'''<br>    1.static_image_mode=True适用于静态图片的手势识别，Flase适用于视频等动态识别，比较明显的区别是，若识别的手的数量超过了最大值，True时识别的手会在多个手之间不停闪烁，而False时，超出的手不会识别，系统会自动跟踪之前已经识别过的手。默认值为False;<br>   2.max_num_hands用于指定识别手的最大数量。默认值为2;<br>   3.min_detection_confidence 表示最小检测信度，取值为[0.0,1.0]这个值约小越容易识别出手，用时越短，但是识别的准确度就越差。越大识别的越精准，但是响应的时间也会增加。默认值为0.5;<br>    4.min_tracking_confience 表示最小的追踪可信度，越大手部追踪的越准确，相应的响应时间也就越长。默认值为0.5。
-.static_image_mode=True适用于静态图片的手势识别，Flase适用于视频等动态识别，比较明显的区别是，若识别的手的数量超过了最大值，True时识别的手会在多个手之间不停闪烁，而False时，超出的手不会识别，系统会自动跟踪之前已经识别过的手。默认值为False;<br>   2.max_num_hands用于指定识别手的最大数量。默认值为2;<br>   3.min_detection_confidence 表示最小检测信度，取值为[0.0,1.0]这个值约小越容易识别出手，用时越短，但是识别的准确度就越差。越大识别的越精准，但是响应的时间也会增加。默认值为0.5;
+'''3.一个手部识别的简单代码：'''
      import cv2
      import mediapipe as mp
@@ 第78行： / 第76行： @@
      cap.release()
 *Mediapipe姿态识别
-.OpenCV调用摄像头(同手势识别)
+'''1.OpenCV调用摄像头(同手势识别)'''<br>
-.调用Mediapipe中的pose模块
+'''2.调用Mediapipe中的pose模块'''
      import mediapipe as mp
-     mp_pose = mp.solutions.pose
+     mp_pose = mp.solutions.pose   #调用pose api
      pose = mp_pose.Pose(static_image_mode=True,
@@ 第89行： / 第87行： @@
                          min_detection_confidence=0.5,
                          min_tracking_confidence=0.5)

@@ 第16行： / 第16行： @@
 = Mediapipe Python的安装和应用 =
-*安装
+==安装==
 #安装python 3.7以上版本，下载地址：https://www.python.org/getit <br>（python安装教程，引自CSDN https://blog.csdn.net/weixin_49237144/article/details/122915089）
 #安装Mediapipe <br> 1)安装OpenCV,终端执行pip install opencv-contrib-python <br> 2)安装Mediapipe，终端执行pip install mediapipe，或者使用国内镜像 pip install mediapipe -i https://pypi.tuna.tsinghua.edu.cn/simple/br
-*应用
+==应用==
 #Mediapipe手势识别
 )OpenCV调用摄像头：