国内物流公司网站建设,网页设计首页,做一个互联网平台需要多少钱,网站策划流程目录
准备工作如何在Windows系统中安装OpenCV和MediaPipe库#xff1f;
安装Python
安装OpenCV
安装MediaPipe
验证安装
代码逻辑
整体代码
效果展示 准备工作如何在Windows系统中安装OpenCV和MediaPipe库#xff1f;
安装Python 可以通过命令行运行python --versio… 目录
准备工作如何在Windows系统中安装OpenCV和MediaPipe库
安装Python
安装OpenCV
安装MediaPipe
验证安装
代码逻辑
整体代码
效果展示 准备工作如何在Windows系统中安装OpenCV和MediaPipe库
安装Python 可以通过命令行运行python --version来检查版本号。如果没有安装可以从Python官方网站下载并安装。
安装OpenCV 打开命令提示符Command Prompt。 输入以下命令来安装OpenCV-python pip install opencv-python 如果你也需要OpenCV的额外模块如SIFT、SURF等可以运行 pip install opencv-contrib-python
安装MediaPipe
安装MediaPipe同样简单只需要在命令提示符下运行
pip install mediapipe
验证安装
为了验证OpenCV和MediaPipe是否成功安装可以在命令提示符中启动Python解释器然后尝试导入这两个库
import cv2
import mediapipe as mp
print(cv2.__version__)
print(mp.__version__)
如果打印出了版本号安装成功。 代码逻辑 导入必要的库: cv2: OpenCV库用于处理图像和视频。mediapipe as mp: MediaPipe库提供了一种简单的方法来访问先进的机器学习模型这里用于人体姿态估计。time: 用于时间相关的操作比如计算FPS。 初始化MediaPipe姿势检测对象: 使用mp_pose.Pose()创建了一个姿势检测器对象设置了最小检测置信度和跟踪置信度为0.5。 打开摄像头获取视频流: 使用cv2.VideoCapture(0)打开默认摄像头。 主循环开始: 在while cap.isOpened():循环中不断读取摄像头数据。 处理每一帧图像: 首先检查是否成功读取图像。然后计算当前帧的FPS。将BGR格式的图像转换为RGB格式因为MediaPipe需要RGB格式的输入。使用姿势检测器对象对图像进行处理得到关键点位置。 绘制关键点和连接线: 如果检测到了关键点(results.pose_landmarks)则使用mp_drawing.draw_landmarks()函数在图像上绘制这些关键点及其连接线。可以自定义关键点和连线的颜色、粗细等属性。 显示FPS信息: 在图像上显示当前帧的FPS值帮助用户了解程序运行的流畅度。 展示结果并监听退出指令: 使用cv2.imshow()展示处理后的图像。监听键盘事件当按下q键时退出循环释放资源并关闭所有窗口。 整体代码
import cv2 # 导入 OpenCV 库用于图像处理和显示
import mediapipe as mp # 导入 MediaPipe 库用于姿势检测
import time # 导入时间模块用于计算 FPS# 初始化 MediaPipe 的绘图工具和姿势检测模型
mp_drawing mp.solutions.drawing_utils # 用于绘制关键点和连接线
mp_pose mp.solutions.pose # 用于姿势检测# 打开摄像头
cap cv2.VideoCapture(0) # 0 表示默认摄像头如果有多个摄像头可以尝试 1, 2, 等# 初始化 FPS 计算相关变量
prev_time 0 # 用于存储上一帧的时间戳# 使用 MediaPipe 的姿势检测模型
with mp_pose.Pose(min_detection_confidence0.5, # 检测置信度阈值高于此值才认为检测到姿势min_tracking_confidence0.5 # 跟踪置信度阈值高于此值才继续跟踪
) as pose:# 进入主循环持续读取摄像头画面while cap.isOpened():success, image cap.read() # 读取一帧画面if not success: # 如果读取失败如摄像头断开print(无法读取摄像头画面。)break# --- 计算 FPS ---curr_time time.time() # 获取当前帧的时间戳dt curr_time - prev_time # 计算与上一帧的时间间隔秒fps 1 / dt if dt ! 0 else 0 # 计算帧率FPS避免除以零错误prev_time curr_time # 更新上一帧的时间戳# 将图像从 BGR 格式转换为 RGB 格式MediaPipe 需要 RGB 格式image_rgb cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 使用姿势检测模型处理图像results pose.process(image_rgb)# 如果检测到姿势关键点绘制关键点和连接线if results.pose_landmarks:mp_drawing.draw_landmarks(image, # 要绘制的图像results.pose_landmarks, # 检测到的姿势关键点mp_pose.POSE_CONNECTIONS, # 定义关键点之间的连接线landmark_drawing_specmp_drawing.DrawingSpec(color(0, 255, 0), thickness2), # 关键点的颜色和粗细connection_drawing_specmp_drawing.DrawingSpec(color(0, 0, 255), thickness2) # 连接线的颜色和粗细)# --- 在画面上显示 FPS ---fps_text FPS: {:.2f}.format(fps) # 格式化 FPS 值保留两位小数cv2.putText(image, # 要绘制的图像fps_text, # 显示的文本内容(10, 30), # 文本位置左上角距离左边 10 像素距离顶部 30 像素cv2.FONT_HERSHEY_SIMPLEX, # 字体类型1, # 字体大小(0, 255, 0), # 字体颜色绿色2 # 字体粗细)# 显示处理后的图像cv2.imshow(Real-Time Pose Detection, image)# 检测按键输入如果按下 q 键则退出循环if cv2.waitKey(1) 0xFF ord(q):break# 释放摄像头资源
cap.release()# 关闭所有 OpenCV 窗口
cv2.destroyAllWindows() 效果展示
