全新推出：LiteRT：Google 专为设备端 AI 打造的高性能运行时，以前称为 TensorFlow Lite。

此页面由 Cloud Translation API 翻译。

Python 姿势特征点检测指南

借助 MediaPipe 姿势地标任务，您可以检测图片或视频中人体的地标。您可以使用此任务来识别关键身体部位、分析姿势和对动作进行分类。此任务使用可处理单张图片或视频的机器学习 (ML) 模型。该任务会以图片坐标和 3 维世界坐标输出身体姿势地标。

这些说明中介绍的代码示例可在 GitHub 上找到。如需详细了解此任务的功能、模型和配置选项，请参阅概览。

代码示例

姿势地标注点示例代码提供了此任务的完整 Python 实现，供您参考。此代码可帮助您测试此任务，并开始构建自己的姿势地标。您只需使用网络浏览器即可查看、运行和修改姿势地标示例代码。

如果您要为 Raspberry Pi 实现姿势地标定位器，请参阅 Raspberry Pi 示例应用。

设置

本部分介绍了专门用于使用姿势地标注地图的开发环境和代码项目的设置关键步骤。如需了解有关设置开发环境以使用 MediaPipe 任务的一般信息（包括平台版本要求），请参阅 Python 设置指南。

软件包

MediaPipe Pose Landmarker 任务需要 mediapipe PyPI 软件包。您可以使用以下命令安装和导入这些依赖项：

$ python -m pip install mediapipe

导入

导入以下类以访问姿势地标任务函数：

import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision

型号

MediaPipe 姿势地标任务需要与此任务兼容的训练模型。如需详细了解可供使用的人体姿势地标注点训练模型，请参阅任务概览的“模型”部分。

选择并下载模型，然后将其存储在本地目录中：

model_path = '/absolute/path/to/pose_landmarker.task'

使用 BaseOptions 对象 model_asset_path 参数指定要使用的模型的路径。如需查看代码示例，请参阅下一部分。

创建任务

MediaPipe 姿势地标任务使用 create_from_options 函数来设置任务。create_from_options 函数接受配置选项要处理的值。如需了解详情，请参阅配置选项。

以下代码演示了如何构建和配置此任务。

这些示例还展示了图片、视频文件和直播的任务构建变体。

Image

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
PoseLandmarker = mp.tasks.vision.PoseLandmarker
PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

options = PoseLandmarkerOptions(
    base_options=BaseOptions(model_asset_path=model_path),
    running_mode=VisionRunningMode.IMAGE)

with PoseLandmarker.create_from_options(options) as landmarker:
  # The landmarker is initialized. Use it here.
  # ...

视频

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
PoseLandmarker = mp.tasks.vision.PoseLandmarker
PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a pose landmarker instance with the video mode:
options = PoseLandmarkerOptions(
    base_options=BaseOptions(model_asset_path=model_path),
    running_mode=VisionRunningMode.VIDEO)

with PoseLandmarker.create_from_options(options) as landmarker:
  # The landmarker is initialized. Use it here.
  # ...

直播

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
PoseLandmarker = mp.tasks.vision.PoseLandmarker
PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions
PoseLandmarkerResult = mp.tasks.vision.PoseLandmarkerResult
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a pose landmarker instance with the live stream mode:
def print_result(result: PoseLandmarkerResult, output_image: mp.Image, timestamp_ms: int):
    print('pose landmarker result: {}'.format(result))

options = PoseLandmarkerOptions(
    base_options=BaseOptions(model_asset_path=model_path),
    running_mode=VisionRunningMode.LIVE_STREAM,
    result_callback=print_result)

with PoseLandmarker.create_from_options(options) as landmarker:
  # The landmarker is initialized. Use it here.
  # ...

如需查看有关创建姿势地标以与图片搭配使用的完整示例，请参阅代码示例。

配置选项

此任务针对 Python 应用提供了以下配置选项：

选项名称	说明	值范围	默认值
`running_mode`	设置任务的运行模式。共有三种模式： IMAGE：适用于单张图片输入的模式。视频：视频的解码帧的模式。 LIVE_STREAM：输入数据（例如来自摄像头）的直播模式。在此模式下，必须调用 resultListener 以设置监听器以异步接收结果。	{`IMAGE, VIDEO, LIVE_STREAM`}	`IMAGE`
`num_poses`	姿势地标点检测器可检测的姿势数量上限。	`Integer > 0`	`1`
`min_pose_detection_confidence`	姿势检测被视为成功所需的最低置信度得分。	`Float [0.0,1.0]`	`0.5`
`min_pose_presence_confidence`	在姿势地标检测中，姿势存在得分的最小置信度得分。	`Float [0.0,1.0]`	`0.5`
`min_tracking_confidence`	姿势跟踪被视为成功所需的最低置信度得分。	`Float [0.0,1.0]`	`0.5`
`output_segmentation_masks`	姿势地标检测器是否为检测到的姿势输出分割掩码。	`Boolean`	`False`
`result_callback`	设置结果监听器，以便在姿势地标在实时流模式下时异步接收地标结果。仅当运行模式设置为 `LIVE_STREAM` 时才能使用	`ResultListener`	`N/A`

准备数据

将输入准备为图片文件或 NumPy 数组，然后将其转换为 mediapipe.Image 对象。如果输入是视频文件或来自摄像头的直播，您可以使用 OpenCV 等外部库将输入帧加载为 numpy 数组。

Image

import mediapipe as mp

# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')

# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)

视频

import mediapipe as mp

# Use OpenCV’s VideoCapture to load the input video.

# Load the frame rate of the video using OpenCV’s CV_CAP_PROP_FPS
# You’ll need it to calculate the timestamp for each frame.

# Loop through each frame in the video using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)

直播

import mediapipe as mp

# Use OpenCV’s VideoCapture to start capturing from the webcam.

# Create a loop to read the latest frame from the camera using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)

运行任务

姿势地标定位器使用 detect、detect_for_video 和 detect_async 函数触发推理。对于姿势地标检测，这涉及预处理输入数据和检测图片中的姿势。

以下代码演示了如何使用任务模型执行处理。

Image

# Perform pose landmarking on the provided single image.
# The pose landmarker must be created with the image mode.
pose_landmarker_result = landmarker.detect(mp_image)

视频

# Perform pose landmarking on the provided single image.
# The pose landmarker must be created with the video mode.
pose_landmarker_result = landmarker.detect_for_video(mp_image, frame_timestamp_ms)

直播

# Send live image data to perform pose landmarking.
# The results are accessible via the `result_callback` provided in
# the `PoseLandmarkerOptions` object.
# The pose landmarker must be created with the live stream mode.
landmarker.detect_async(mp_image, frame_timestamp_ms)

请注意以下几点：

在视频模式或直播模式下运行时，还应向姿势地标任务提供输入帧的时间戳。
在图片或视频模型中运行时，Pose Landmarker 任务会阻塞当前线程，直到其处理完输入图片或帧。
在直播模式下运行时，Pose Landmarker 任务会立即返回，并且不会阻塞当前线程。每次处理完输入帧后，它都会调用带有检测结果的结果监听器。如果在姿势地标任务忙于处理其他帧时调用检测函数，该任务将忽略新的输入帧。

如需查看在图片上运行姿势地标注定器的完整示例，请参阅代码示例了解详情。

处理和显示结果

姿势地标注点会为每次运行检测返回一个 poseLandmarkerResult 对象。结果对象包含每个姿势地标的坐标。

以下是此任务的输出数据示例：

PoseLandmarkerResult:
  Landmarks:
    Landmark #0:
      x            : 0.638852
      y            : 0.671197
      z            : 0.129959
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.634599
      y            : 0.536441
      z            : -0.06984
      visibility   : 0.999909
      presence     : 0.999958
    ... (33 landmarks per pose)
  WorldLandmarks:
    Landmark #0:
      x            : 0.067485
      y            : 0.031084
      z            : 0.055223
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.063209
      y            : -0.00382
      z            : 0.020920
      visibility   : 0.999976
      presence     : 0.999998
    ... (33 world landmarks per pose)
  SegmentationMasks:
    ... (pictured below)

输出包含每个地标的归一化坐标 (Landmarks) 和世界坐标 (WorldLandmarks)。

输出包含以下归一化坐标 (Landmarks)：

x 和 y：地标坐标，已根据图片宽度 (x) 和高度 (y) 标准化为介于 0.0 和 1.0 之间。
z：地标深度，以髋部中点的深度为原点。值越小，地标离相机越近。z 的大小与 x 大致相同。
visibility：地标在图片中可见的可能性。

输出包含以下世界坐标 (WorldLandmarks)：

x、y 和 z：以米为单位的真实 3 维坐标，以髋部中点为原点。
visibility：地标在图片中可见的可能性。

下图显示了任务输出的可视化结果：

一位女士在冥想。她的姿势用线框突出显示，线框表示她的四肢和躯干的位置

可选的分割掩码表示每个像素属于检测到的人物的可能性。以下图片是任务输出的分割掩码：

上一张图片的分割掩码，勾勒出女性的形状

姿势地标示例代码演示了如何显示从任务返回的结果，如需了解详情，请参阅代码示例。