Python OpenCV 和 MediaPipe 人体姿势检测 - 计算腿与手角度 - 常规

import cv2
import mediapipe as mp
import math

# 初始化MediaPipe的人体姿势模型
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose

# 打开输入视频文件
cap = cv2.VideoCapture('1.mp4')

# 获取输入视频的帧率和分辨率
fps = int(cap.get(cv2.CAP_PROP_FPS))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 创建输出视频文件
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('2.mp4', fourcc, fps, (width, height))

# 处理视频文件中的每一帧
with mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5) as pose:
    while cap.isOpened():
        # 读取一帧
        ret, frame = cap.read()
        if not ret:
            break

        # 将帧转换为RGB格式
        image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

        # 处理人体姿势检测
        results = pose.process(image)

        # 绘制人体骨架
        mp_drawing.draw_landmarks(
            frame, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)

        # 计算腿与右手的角度
        if results.pose_landmarks:
            right_knee = results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_KNEE]
            right_ankle = results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_ANKLE]
            right_wrist = results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_WRIST]

            angle = math.degrees(math.atan2(right_wrist.y - right_ankle.y, right_wrist.x - right_ankle.x) - 
                             math.atan2(right_knee.y - right_ankle.y, right_knee.x - right_ankle.x))

            # 在输出图片上显示角度值
            cv2.putText(image, 'Angle: {:.2f}'.format(angle), (50, 50),
                        cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
        else:
            cv2.putText(image, 'No person detected', (50, 50),
                        cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

        # 将帧写入输出视频文件
        out.write(frame)

        # 显示当前帧的结果
        cv2.imshow('MediaPipe Pose Detection', frame)
        # 按下q键退出

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

代码解释：

导入库： 导入 OpenCV (cv2)、MediaPipe (mp) 和 math 库。
初始化 MediaPipe 姿势模型： 创建 mp_drawing 和 mp_pose 对象，用于绘制骨架和处理姿势检测。
打开视频文件： 使用 cv2.VideoCapture() 打开输入视频文件。
获取视频信息： 获取视频的帧率、宽度和高度。
创建输出视频文件： 使用 cv2.VideoWriter() 创建输出视频文件，并设置编解码器、帧率和分辨率。
处理视频帧： 进入 with mp_pose.Pose(...) 上下文管理器，以使用 MediaPipe 姿势模型处理视频帧。
读取帧： 使用 cap.read() 读取视频的一帧。
转换为 RGB 格式： 使用 cv2.cvtColor() 将帧转换为 RGB 格式。
处理姿势检测： 使用 pose.process() 处理视频帧以进行人体姿势检测。
绘制骨架： 使用 mp_drawing.draw_landmarks() 绘制检测到的关键点和连接线。
计算角度： 如果检测到人体，则提取右膝、右踝和右手关键点坐标，并计算右腿与右手的角度。
显示角度： 在视频帧上显示计算得到的角度值。
写入视频文件： 将处理后的帧写入输出视频文件。
显示结果： 使用 cv2.imshow() 显示当前帧的结果。
退出： 按下 q 键退出程序。
释放资源： 释放视频文件和窗口资源。

代码改进：

添加检测不到人体的处理： 如果 results.pose_landmarks 为空，则在视频帧上显示 'No person detected' 的提示信息。
改进角度计算： 使用 math.degrees() 将弧度转换为角度，以便更容易理解角度信息。
更清晰的代码结构： 将角度计算和显示部分封装到 if results.pose_landmarks: 条件语句中，以便更清晰地展示代码逻辑。

运行代码：

将代码保存为 .py 文件，例如 pose_angle.py。
安装必要的库：

pip install opencv-python mediapipe

运行代码：

python pose_angle.py

注意：

将代码中的 '1.mp4' 替换为你的输入视频文件路径。
将代码中的 '2.mp4' 替换为你的输出视频文件路径。

希望这段代码能够帮助你理解如何使用 OpenCV 和 MediaPipe 进行人体姿势检测并计算角度。如果还有其他问题，请随时提问。', 'url': 'https://blog.csdn.net/qq_43149453/article/details/129284488

Python OpenCV 和 MediaPipe 人体姿势检测 - 计算腿与手角度