目錄

準備工作如何在Windows系統中安裝OpenCV和MediaPipe庫？

安裝Python

安裝OpenCV

安裝MediaPipe

驗證安裝

代碼邏輯

整體代碼

效果展示

---

準備工作如何在Windows系統中安裝OpenCV和MediaPipe庫？

安裝Python

????可以通過命令行運行python --version來檢查版本號。如果沒有安裝，可以從Python官方網站下載并安裝。

安裝OpenCV

1. 打開命令提示符（Command Prompt）。

2. 輸入以下命令來安裝OpenCV-python：

   pip install opencv-python

   如果你也需要OpenCV的額外模塊（如SIFT、SURF等），可以運行：

   pip install opencv-contrib-python

安裝MediaPipe

安裝MediaPipe同樣簡單，只需要在命令提示符下運行：

pip install mediapipe

驗證安裝

為了驗證OpenCV和MediaPipe是否成功安裝，可以在命令提示符中啟動Python解釋器，然后嘗試導入這兩個庫：

import cv2
import mediapipe as mp
print(cv2.__version__)
print(mp.__version__)

如果打印出了版本號，安裝成功。

---

代碼邏輯

1. 導入必要的庫:

   • cv2: OpenCV庫，用于處理圖像和視頻。
   • mediapipe as mp: MediaPipe庫，提供了一種簡單的方法來訪問先進的機器學習模型，這里用于人體姿態估計。
   • time: 用于時間相關的操作，比如計算FPS。

2. 初始化MediaPipe姿勢檢測對象:

   • 使用mp_pose.Pose()創建了一個姿勢檢測器對象，設置了最小檢測置信度和跟蹤置信度為0.5。

3. 打開攝像頭獲取視頻流:

   • 使用cv2.VideoCapture(0)打開默認攝像頭。

4. 主循環開始:

   • 在while cap.isOpened():循環中不斷讀取攝像頭數據。

5. 處理每一幀圖像:

   • 首先檢查是否成功讀取圖像。
   • 然后計算當前幀的FPS。
   • 將BGR格式的圖像轉換為RGB格式，因為MediaPipe需要RGB格式的輸入。
   • 使用姿勢檢測器對象對圖像進行處理，得到關鍵點位置。

6. 繪制關鍵點和連接線:

   • 如果檢測到了關鍵點(results.pose_landmarks)，則使用mp_drawing.draw_landmarks()函數在圖像上繪制這些關鍵點及其連接線。
   • 可以自定義關鍵點和連線的顏色、粗細等屬性。

7. 顯示FPS信息:

   • 在圖像上顯示當前幀的FPS值，幫助用戶了解程序運行的流暢度。

8. 展示結果并監聽退出指令:

   • 使用cv2.imshow()展示處理后的圖像。
   • 監聽鍵盤事件，當按下'q'鍵時退出循環，釋放資源并關閉所有窗口。

---

整體代碼

import cv2  # 導入 OpenCV 庫，用于圖像處理和顯示
import mediapipe as mp  # 導入 MediaPipe 庫，用于姿勢檢測
import time  # 導入時間模塊，用于計算 FPS# 初始化 MediaPipe 的繪圖工具和姿勢檢測模型
mp_drawing = mp.solutions.drawing_utils  # 用于繪制關鍵點和連接線
mp_pose = mp.solutions.pose  # 用于姿勢檢測# 打開攝像頭
cap = cv2.VideoCapture(0)  # 0 表示默認攝像頭，如果有多個攝像頭可以嘗試 1, 2, 等# 初始化 FPS 計算相關變量
prev_time = 0  # 用于存儲上一幀的時間戳# 使用 MediaPipe 的姿勢檢測模型
with mp_pose.Pose(min_detection_confidence=0.5,  # 檢測置信度閾值，高于此值才認為檢測到姿勢min_tracking_confidence=0.5    # 跟蹤置信度閾值，高于此值才繼續跟蹤
) as pose:# 進入主循環，持續讀取攝像頭畫面while cap.isOpened():success, image = cap.read()  # 讀取一幀畫面if not success:  # 如果讀取失敗（如攝像頭斷開）print("無法讀取攝像頭畫面。")break# --- 計算 FPS ---curr_time = time.time()  # 獲取當前幀的時間戳dt = curr_time - prev_time  # 計算與上一幀的時間間隔（秒）fps = 1 / dt if dt != 0 else 0  # 計算幀率（FPS），避免除以零錯誤prev_time = curr_time  # 更新上一幀的時間戳# 將圖像從 BGR 格式轉換為 RGB 格式（MediaPipe 需要 RGB 格式）image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 使用姿勢檢測模型處理圖像results = pose.process(image_rgb)# 如果檢測到姿勢關鍵點，繪制關鍵點和連接線if results.pose_landmarks:mp_drawing.draw_landmarks(image,  # 要繪制的圖像results.pose_landmarks,  # 檢測到的姿勢關鍵點mp_pose.POSE_CONNECTIONS,  # 定義關鍵點之間的連接線landmark_drawing_spec=mp_drawing.DrawingSpec(color=(0, 255, 0), thickness=2),  # 關鍵點的顏色和粗細connection_drawing_spec=mp_drawing.DrawingSpec(color=(0, 0, 255), thickness=2)  # 連接線的顏色和粗細)# --- 在畫面上顯示 FPS ---fps_text = "FPS: {:.2f}".format(fps)  # 格式化 FPS 值，保留兩位小數cv2.putText(image,  # 要繪制的圖像fps_text,  # 顯示的文本內容(10, 30),  # 文本位置（左上角，距離左邊 10 像素，距離頂部 30 像素）cv2.FONT_HERSHEY_SIMPLEX,  # 字體類型1,  # 字體大小(0, 255, 0),  # 字體顏色（綠色）2  # 字體粗細)# 顯示處理后的圖像cv2.imshow('Real-Time Pose Detection', image)# 檢測按鍵輸入，如果按下 'q' 鍵則退出循環if cv2.waitKey(1) & 0xFF == ord('q'):break# 釋放攝像頭資源
cap.release()# 關閉所有 OpenCV 窗口
cv2.destroyAllWindows()

效果展示

?