m
在本教程中，我们将学习如何使用python中的mediapipe库进行实时3D骨架检测。
首先，我们得用pip下载下来我们需要用到的模组：
pip install mediapipe这个工具不仅得到了谷歌的支持，而且Mediapipe中的模型也被积极地用于谷歌产品中。因此，这个模组，超级牛皮。
现在，MediaPipe的姿势检测是高保真（高质量）和低延迟（超快）的最先进的解决方案，用于在低端设备（即手机，笔记本电脑等）的实时视频源中检测一个人的33个3D地标。
pip install opencv-pythonOpencv-python简称cv2, 是一个超级牛皮的模组（比mediapipe还牛皮），他可以打开你的摄像头，并且还能回去每一帧的图像并显示出来（详情请见opencv的教程），关键是，cv2还有C++和Java版的。
pip install numpyNumpy, 为矩阵计算而生，是一个专门计算矩阵的模组，cv2会用到它。
pip install vpython大家应该不是那么的熟悉这个模组，用来在3D中布点的。但是因为简洁且迅速的更新速度，让我选择了这个模组（主要是因为害怕会掉帧）
P.S python需要定在python 3.0 以上
接下来，就是骨架预测的操作。
首先，导入所有我们需要的模组：
import cv2import mediapipe as mpfrom vpython import *然后来了解一下mediapipe里骨架预测模块的初始化：
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化Static_image_mode -这是一个布尔值，如果设置为False，检测器只在需要时调用，在第一帧或当跟踪器丢失跟踪时。如果设置为True，则对每个输入图像调用人员检测器。当你处理一堆不相关的图像而不是视频时，你应该把这个设为True。默认值为False。
Min_detection_confidence—考虑骨架检测模型的预测正确性所需的最小检测置信范围(0.0,1.0)。默认值为0.5。这意味着如果一个检测器的预测置信度大于或等于50%，则被认为是阳性的。
Min_tracking_confidence -这是骨架关节点跟踪模型为了有效跟踪地标的姿态，需要考虑的最小跟踪置信度([0.0,1.0])。如果置信度小于设定值，则在下一帧/图像中再次调用检测器，因此增加其值会增加稳定性，但也会造成延迟。默认值为0.5。
Model_complexity—骨架检测模型的复杂性。由于有三种不同的模型可供选择，可能的值为0、1或2。值越高，结果越准确，但代价是延迟越长。缺省值为1。
Smooth_landmarks -这是一个布尔值，如果设置为True，将过滤不同帧的骨架关节点以减少噪音。只有当static_image_mode也设置为False时，这才有效。默认值为True。
mp_drawing = mp.solutions.drawing_utilsmp_drawing 是为了可视化关节点于它们之间的关系初始化的
然后，咱们来搞一下摄像头的初始化：
cam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口到现在为止，你的代码应该是这样的:
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口现在，我们将使用函数mp.solutions.pose.Pose（）.process（）将图像传递到姿势检测机器学习管道。但是管道需要RGB颜色格式的输入图像，因此首先我们必须使用函数cv2.cvtColor（）将示例图像从BGR转换为RGB格式，因为OpenCV以BGR格式（而不是RGB）读取图像：
results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB))执行姿势检测后，我们将获得三十三个地标的列表，这些地标代表图像中突出人物的身体关节位置。每个地标都有：
x– 它是按图像宽度归一化为 [0.0， 1.0] 的地标 x 坐标。y：它是按图像高度归一化为 [0.0， 1.0] 的地标 y 坐标。z：它是归一化为与 x 大致相同的比例的地标z 坐标。它表示以臀部中点为原点的地标深度，因此 z 的值越小，地标离相机越近。可见性：它是一个范围为 [0.0， 1.0] 的值，表示地标在图像中可见（未遮挡）的可能性。在决定是否要显示特定关节时，这是一个有用的变量，因为它可能在图像中被遮挡或部分可见。
但是，我们现在只需要x，y和z。
接下来，我们需要显示它们的位置，并画上线：
mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS)运行一下，你的代码应该是这样的：
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口现在，一大半已经搞完了，现在只需要搞定在3D中的显示。
points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))sphere 是用来布点的。
curve 是用来连接各个点的。
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口P.S 后面的操作开始变得骚了，因此我每次操作都会放上一个完整的代码。
我们现在需要让我们的点根据骨骼关节点的x，y，z数值改变：
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化points = []c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口再画上连接线：
import cv2import mediapipe as mpfrom vpython import *mp_pose = mp.solutions.pose #从mediapipe里面获取posepose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) #初始化points = []ids = [[12, 14, 16], [11, 13, 15], [12, 24, 26, 28, 30, 32, 28], [11, 23, 25, 27, 29, 31, 27], [12, 11], [24, 23]]c = []for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4))mp_drawing = mp.solutions.drawing_utilscam = cv2.VideoCapture(0) #开启摄像头while True: _, frame = cam.read() #获取每一帧 results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) #检查每一帧中的骨架关节点 if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) for n in range(2): for i in range(2): c[i + 2 * n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i + 1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i + 1]].pos.z), retaine=2) for n in range(2, 4): for i in range(6): c[i+6*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) for n in range(4, 6): for i in range(1): c[i+2*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS) #画上关节点 cv2.imshow('real time', frame) #显示每一帧 if cv2.waitKey(1) == ord(q): #检查是否按下q键 breakcam.release() #关掉摄像头cv2.destroyAllWindows() #关掉窗口好啦！作品已完成，经过整理后就变成这样了：
import cv2import mediapipe as mpfrom vpython import *#mediapipe 模型变量初始化def mediapipe_varibles_init(): mp_pose = mp.solutions.pose pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5, model_complexity=1) mp_drawing = mp.solutions.drawing_utils return pose,mp_pose, mp_drawing#vpython（三维画图）模型变量初始化def vpython_variables_init(): points = [] boxs = [] ids = [[12, 14, 16], [11, 13, 15], [12, 24, 26, 28, 30, 32, 28], [11, 23, 25, 27, 29, 31, 27], [12, 11], [24, 23]] c = [] for x in range(33): points.append(sphere(radius=5, pos=vector(0, -50, 0))) c.append(curve(retain=2, radius=4)) return points, boxs, ids, c#在3D里画出骨架的函数def draw_3d_pose(): results = pose.process(cv2.cvtColor(f, cv2.COLOR_BGR2RGB)) if results.pose_world_landmarks: for i in range(11, 33): if i != 18 and i!=20 and i!= 22 and i != 17 and i!=19 and i!=21: points[i].pos.x = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].x * -cap.get(3) points[i].pos.y = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].y * -cap.get(4) points[i].pos.z = results.pose_world_landmarks.landmark[mp_pose.PoseLandmark(i).value].z * -cap.get(3) for n in range(2): for i in range(2): c[i + 2 * n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i + 1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i + 1]].pos.z), retaine=2) for n in range(2, 4): for i in range(6): c[i+6*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) for n in range(4, 6): for i in range(1): c[i+2*n].append(vector(points[ids[n][i]].pos.x, points[ids[n][i]].pos.y, points[ids[n][i]].pos.z), vector(points[ids[n][i +1]].pos.x, points[ids[n][i + 1]].pos.y, points[ids[n][i+1]].pos.z), retaine = 2) mp_drawing.draw_landmarks(image=f, landmark_list=results.pose_landmarks, connections=mp_pose.POSE_CONNECTIONS)#窗口关闭函数def clos_def(): cap.release() cv2.destroyAllWindows()#获取变量points, boxs, ids, c = vpython_variables_init()pose, mp_pose, mp_drawing = mediapipe_varibles_init()#打开摄像头，0是第一个摄像头，如果想换一个摄像头请改变这个数字cap = cv2.VideoCapture(0)while True: #获取每一帧的图像 _, f = cap.read() #vpython里的一个函数，用来调整3D中的FPS rate(150) #调用在3D里画出骨架的函数 draw_3d_pose() #在每一帧里画骨架 #显示每一帧 cv2.imshow('real_time', f) #检测是否要关闭窗口 if cv2.waitKey(1) & 0xFF == ord('q'): break#调用窗口关闭函数clos_def()