使用 Mediapipe 生成人体骨骼角度数据集（Python 代码）

以下是一个示例代码，可以根据文件夹中的图像生成人体骨骼角度数据集，并将其保存为 CSV 文件。

import os
import csv
import mediapipe as mp
import cv2

# 初始化 Mediapipe 的人体姿态估计模型
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose
pose = mp_pose.Pose(static_image_mode=True, min_detection_confidence=0.5)

# 定义图像文件夹路径和 CSV 文件路径
image_folder_path = 'path/to/image/folder'
csv_file_path = 'path/to/csv/file.csv'

# 获取图像文件夹中所有图像的文件名
image_files = os.listdir(image_folder_path)

# 创建 CSV 文件并写入表头
with open(csv_file_path, mode='w', newline='') as csv_file:
    fieldnames = ['image_name', 'nose_angle', 'left_shoulder_angle', 'right_shoulder_angle', 'left_elbow_angle', 'right_elbow_angle']
    writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
    writer.writeheader()

    # 循环处理每个图像文件
    for image_file in image_files:
        # 读取图像
        image_path = os.path.join(image_folder_path, image_file)
        image = cv2.imread(image_path)

        # 进行人体姿态估计
        results = pose.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

        # 计算骨骼角度
        if results.pose_landmarks is not None:
            # 计算鼻子、左肩、右肩的角度
            nose_angle = mp_pose.angle(
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.NOSE],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_SHOULDER],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_SHOULDER]
            )
            left_shoulder_angle = mp_pose.angle(
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_SHOULDER],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_ELBOW],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_WRIST]
            )
            right_shoulder_angle = mp_pose.angle(
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_SHOULDER],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_ELBOW],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_WRIST]
            )

            # 计算左肘、右肘的角度
            left_elbow_angle = mp_pose.angle(
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_SHOULDER],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_ELBOW],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_WRIST]
            )
            right_elbow_angle = mp_pose.angle(
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_SHOULDER],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_ELBOW],
                results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_WRIST]
            )

            # 将角度写入 CSV 文件
            writer.writerow({
                'image_name': image_file,
                'nose_angle': nose_angle,
                'left_shoulder_angle': left_shoulder_angle,
                'right_shoulder_angle': right_shoulder_angle,
                'left_elbow_angle': left_elbow_angle,
                'right_elbow_angle': right_elbow_angle
            })

        else:
            print(f'No pose landmarks detected in {image_file}')

# 释放资源
pose.close()

在上面的代码中，我们首先初始化了 Mediapipe 的人体姿态估计模型，然后定义了图像文件夹路径和 CSV 文件路径。接下来，我们循环处理每个图像文件，读取图像并进行人体姿态估计。如果有姿态估计结果，我们就计算骨骼角度，并将它们写入 CSV 文件。最后，我们释放了资源。

请注意，上面的代码只是一个示例，您需要根据自己的需求进行修改和优化。例如，您可能需要添加异常处理来处理无法处理的图像文件，或者添加更多的骨骼角度计算。