本文主要是介绍基于开源二兄弟MediaPipe＋Rerun实现人体姿势跟踪可视化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
概述
本文中，我们将探索一个利用开源框架MediaPipe的功能以二维和三维方式跟踪人体姿势的使用情形。使这一探索更有趣味的是由开源可视化工具Rerun提供的可视化展示，该工具能够提供人类动作姿势的整体视图。
您将一步步跟随作者使用MediaPipe在2D和3D环境中跟踪人体姿势，并探索工具Rerun的可视化功能。
人体姿势跟踪
人体姿势跟踪是计算机视觉中的一项任务，其重点是识别关键的身体位置、分析姿势和对动作进行分类。这项技术的核心是一个预先训练的机器学习模型，用于评估视觉输入，并在图像坐标和3D世界坐标中识别身体上的地标。该技术的应用场景包括但不限于人机交互、运动分析、游戏、虚拟现实、增强现实、健康等领域。
有一个完美的模型固然很好，但不幸的是，目前的模型仍然不完美。尽管数据集可能存储了多种体型数据，但人体在个体之间是有所不同的。每个人身体的独特性都带来了挑战，尤其是对于那些手臂和腿部尺寸不标准的人来说，这可能会导致使用这项技术时精度较低。在考虑将这项技术集成到系统中时，承认不准确的可能性至关重要。希望科学界正在进行的努力将为开发更强大的模型铺平道路。
除了缺乏准确性之外，使用这项技术还需要考虑伦理和法律因素。例如，如果个人未经同意，在公共场所拍摄人体姿势可能会侵犯隐私权。在现实世界中实施这项技术之前，考虑到任何道德和法律问题都是至关重要的。
先决条件和初始设置
首先，安装所需的库：
# 安装所需的Python包
pip install mediapipe
pip install numpy
pip install opencv-python<4.6
pip install requests>=2.31,<3
pip install rerun-sdk# 也可以直接使用配置文件requirements.txt
pip install -r examples/python/human_pose_tracking/requirements.txt使用MediaPipe跟踪人体姿势
谷歌提供的姿势地标检测指南中的图像
对于希望集成计算机视觉和机器学习的设备ML解决方案的开发人员来说，基于Python语言的MediaPipe框架正是一个方便的工具。
在下面的代码中，MediaPipe姿态标志检测被用于检测图像中人体的标志。该模型可以将身体姿势标志检测为图像坐标和3D世界坐标。一旦成功运行ML模型，就可以使用图像坐标和3D世界坐标来可视化输出。
import mediapipe as mp
import numpy as np
from typing import Any
import numpy.typing as npt
import cv2"""从Mediapipe姿势结果集中读取二维地标位置。
Args:results (Any): Mediapipe Pose results.image_width (int): Width of the input image.image_height (int): Height of the input image.Returns:np.array | None: Array of 2D landmark positions or None if no landmarks are detected.
"""
def read_landmark_positions_2d(results: Any,image_width: int,image_height: int,
) -> npt.NDArray[np.float32] | None:if results.pose_landmarks is None:return Noneelse:# 提取标准化的地标位置并将其缩放为图像尺寸normalized_landmarks = [results.pose_landmarks.landmark[lm] for lm in mp.solutions.pose.PoseLandmark]return np.array([(image_width * lm.x, image_height * lm.y) for lm in normalized_landmarks])"""从Mediapipe Pose结果集中读取三维地标位置。
Args:results (Any): Mediapipe Pose results.Returns:np.array | None: Array of 3D landmark positions or None if no landmarks are detected.
"""
def read_landmark_positions_3d(results: Any,
) -> npt.NDArray[np.float32] | None:if results.pose_landmarks is None:return Noneelse:# 提取三维地标位置landmarks = [results.pose_world_landmarks.landmark[lm] for lm in mp.solutions.pose.PoseLandmark]return np.array([(lm.x, lm.y, lm.z) for lm in landmarks])"""跟踪并分析输入图像中的姿势。
Args:image_path (str): Path to the input image.
"""
def track_pose(image_path: str) -> None:# 读取图像，将颜色转换为RGB格式image = cv2.imread(image_path)image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 创建Pose模型实例pose_detector = mp.solutions.pose.Pose(static_image_mode=True)# 处理图像以获得姿势标志results = pose_detector.process(image)h, w, _ = image.shape# 读取二维和三维地标位置landmark_positions_2d = read_landmark_positions_2d(results, w, h)landmark_positions_3d = read_landmark_positions_3d(results)使用Rerun可视化MediaPipe的输出
Rerun图像浏览器
Rerun可作为多模态数据的可视化工具。通过Rerun图像浏览器，您可以构建布局、自定义可视化以及与数据交互。本节的其余部分将详细介绍如何使用Rerun SDK在Rerun图像浏览器中记录和显示数据。
姿势标志模型
在二维和三维点中，指定点之间的连接至关重要。定义这些连接会自动渲染它们之间的线。使用MediaPipe提供的信息，可以从pose_connections集合获取姿势点连接，然后使用Annotation Context将它们设置为关键点连接。
rr.log("/",rr.AnnotationContext(rr.ClassDescription(info=rr.AnnotationInfo(id=0, label="Person"),keypoint_annotatinotallow=[rr.AnnotationInfo(id=lm.value, label=lm.name) for lm in mp_pose.PoseLandmark],keypoint_cnotallow=mp_pose.POSE_CONNECTIONS,)),timeless=True,)图像坐标——二维位置
将人的姿势可视化为2D点
在视频中以可视化方式观察身体姿势的标志似乎是一个不错的选择。要实现这一点，您需要仔细遵循Rerun文档中有关Entities和Components的相关介绍。其中，“实体路径层次结构（The Entity Path Hierarchy）”页面描述了如何在同一实体上记录多个组件。例如，您可以创建“video”实体，并包括视频的“video/rgb”组件和身体姿势的“video/pose”组件。不过，如果你打算把它用于视频设计中的话，你需要认真掌握时间线的概念。每个帧都可以与适当的数据相关联。
以下是一个可以将视频上的2D点可视化的函数：
def track_pose_2d(video_path: str) -> None:mp_pose = mp.solutions.pose with closing(VideoSource(video_path)) as video_source, mp_pose.Pose() as pose:for idx, bgr_frame in enumerate(video_source.stream_bgr()):if max_frame_count is not None and idx >= max_frame_count:breakrgb = cv2.cvtColor(bgr_frame.data, cv2.COLOR_BGR2RGB)# 将帧与数据关联rr.set_time_seconds("time", bgr_frame.time)rr.set_time_sequence("frame_idx", bgr_frame.idx)# 呈现视频rr.log("video/rgb", rr.Image(rgb).compress(jpeg_quality=75))# 获取预测结果results = pose.process(rgb)h, w, _ = rgb.shape# 把2D点记录到'video'实体中landmark_positions_2d = read_landmark_positions_2d(results, w, h)if landmark_positions_2d is not None:rr.log("video/pose/points",rr.Points2D(landmark_positions_2d, class_ids=0, keypoint_ids=mp_pose.PoseLandmark),)三维世界坐标——三维点
将人的姿势可视化为3D点
当你有三维点的时候，为什么要选择二维点呢？创建一个新实体，将其命名为“Person”，并输出有关这些三维点的数据。这就行了！这样就可以创建人体姿势的三维演示。
以下是操作方法：
def track_pose_3d(video_path: str, *, segment: bool, max_frame_count: int | None) -> None:mp_pose = mp.solutions.pose rr.log("person", rr.ViewCoordinates.RIGHT_HAND_Y_DOWN, timeless=True)with closing(VideoSource(video_path)) as video_source, mp_pose.Pose() as pose:for idx, bgr_frame in enumerate(video_source.stream_bgr()):if max_frame_count is not None and idx >= max_frame_count:breakrgb = cv2.cvtColor(bgr_frame.data, cv2.COLOR_BGR2RGB)# 把帧与数据关联起来rr.set_time_seconds("time", bgr_frame.time)rr.set_time_sequence("frame_idx", bgr_frame.idx)# 呈现视频rr.log("video/rgb", rr.Image(rgb).compress(jpeg_quality=75))# 取得预测结果results = pose.process(rgb)h, w, _ = rgb.shape# 对于3D呈现的新的实例"Person"landmark_positions_3d = read_landmark_positions_3d(results)if landmark_positions_3d is not None:rr.log("person/pose/points",rr.Points3D(landmark_positions_3d, class_ids=0, keypoint_ids=mp_pose.PoseLandmark),)源代码探索
本文重点介绍了“人体姿势跟踪”示例的主要部分。
对于那些喜欢动手的人来说，这个例子的完整源代码可以在GitHub（https://github.com/rerun-io/rerun/blob/latest/examples/python/human_pose_tracking/main.py）上找到。您可以随意探索、修改和理解其中实现的内部工作原理。
提示和建议
1.压缩图像以提高效率
您可以通过压缩记录的图像来提高整个过程的速度：
rr.log("video", rr.Image(img).compress(jpeg_quality=75)
)2.限制内存使用
如果你记录的数据超过了RAM的容量，它就会开始丢弃旧数据。默认限制是系统RAM的75%。如果你想增加这个限制，可以使用命令行参数——内存限制。有关内存限制的更多信息，请参阅Rerun的“如何限制内存使用”页面信息。
3.根据您的需求定制视觉效果
自定义Rerun查看器
这篇关于基于开源二兄弟MediaPipe＋Rerun实现人体姿势跟踪可视化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
