引言
本文主要是基于OpenCV实现了视频与摄像头中人体俯卧撑实时计数。
完整代码
import cv2
import mediapipe as mp
import numpy as np
# 定义计算角度的函数
def calculate_angle(a, b, c):
# 将输入点转换为numpy数组
a = np.array(a)
b = np.array(b)
c = np.array(c)
# 计算两个向量的角度差（弧度）
radians = np.arctan2(c[1] - b[1], c[0] - b[0]) - np.arctan2(a[1] - b[1], a[0] - b[0])
# 转换为角度（度）
angle = np.abs(radians * 180.0 / np.pi)
# 确保角度在0到360度之间
if angle > 180.0:
angle = 360 - angle
return angle
# 导入MediaPipe的绘图工具和Pose解决方案
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose
# 初始化MediaPipe Pose实例
pose = mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5)
# 打开视频
cap = cv2.VideoCapture('1.mp4')
# 计数器变量
counter = 0
# 当前动作阶段
stage = None
# 完成俯卧撑的最大角度
max_angle = 160
# 准备开始俯卧撑的最小角度
min_angle = 60
while cap.isOpened():
# 读取视频帧
ret, frame = cap.read()
# BGR图像转为RGB，便于MediaPipe处理
image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
image.flags.writeable = False
# 使用MediaPipe进行姿态检测
results = pose.process(image)
# 重新转为BGR
image.flags.writeable = True
image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
# 获取姿态关键点
try:
landmarks = results.pose_landmarks.landmark
# 获取左肩、左肘和左腕的坐标
shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].x,
landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].y]
elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].x, landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].y]
wrist = [landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].x, landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].y]
# 计算并显示肘部到肩部的角度
angle = calculate_angle(shoulder, elbow, wrist)
cv2.putText(image, str(angle),
tuple(np.multiply(elbow, [640, 480]).astype(int)),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2, cv2.LINE_AA)
print(angle)
# 根据角度更新俯卧撑计数
if angle > max_angle:
stage = "down"
if angle < min_angle and stage == 'down':
stage = "up"
counter += 1
print(counter)
except:
pass
# 在图像上绘制矩形框，用于显示计数和阶段
cv2.rectangle(image, (0, 0), (225, 73), (245, 117, 16), -1)
# 在矩形框内显示计数和阶段
cv2.putText(image, 'COUNTER', (15, 22),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
cv2.putText(image, str(counter),
(35, 60),
cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)
cv2.putText(image, 'STAGE', (135, 22),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1, cv2.LINE_AA)
cv2.putText(image, stage,
(130, 60),
cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)
# 在图像上绘制关键点和连接线
mp_drawing.draw_landmarks(image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS,
mp_drawing.DrawingSpec(color=(245, 117, 66), thickness=2, circle_radius=2),
mp_drawing.DrawingSpec(color=(245, 66, 230), thickness=2, circle_radius=2)
)
# 显示处理后的图像
cv2.imshow('Mediapipe Feed', image)
# 检查是否按下'q'键退出
if cv2.waitKey(10) & 0xFF == ord('q'):
break
# 释放视频资源，关闭所有OpenCV窗口
cap.release()
cv2.destroyAllWindows()详细实现步骤讲解
1.导入必要的库
import cv2
import mediapipe as mp
import numpy as np-
cv2：OpenCV库，用于视频处理和图像显示。
-
mediapipe：Google开发的用于处理媒体数据的跨平台解决方案。
-
numpy：用于科学计算的库，这里用于处理坐标和角度计算。
2.定义计算角度的函数
def calculate_angle(a, b, c):
# 将输入点转换为numpy数组
a = np.array(a)
b = np.array(b)
c = np.array(c)
# 计算两个向量的角度差（弧度）
radians = np.arctan2(c[1] - b[1], c[0] - b[0]) - np.arctan2(a[1] - b[1], a[0] - b[0])
# 转换为角度（度）
angle = np.abs(radians * 180.0 / np.pi)
# 确保角度在0到360度之间
if angle > 180.0:
angle = 360 - angle
return angle这个函数接收三个点的坐标，计算这三个点构成的夹角，并返回角度值。
3.初始化MediaPipe的Pose实例
mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose
# 初始化MediaPipe Pose实例
pose = mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5)这部分代码导入MediaPipe的绘图工具和Pose解决方案，并创建一个Pose对象，用于处理姿态检测。
4.开始视频流处理
cap = cv2.VideoCapture('自己的视频.mp4')创建一个VideoCapture对象，从指定的视频文件中读取帧。
5. 初始化俯卧撑计数器变量
counter = 0
stage = None
max_angle = 160
min_angle = 60定义了用于记录俯卧撑次数的counter，以及当前动作阶段stage，以及判断俯卧撑完成的最小和最大角度阈值。
6. 主循环，处理每一帧视频
while cap.isOpened():
# 读取视频帧
ret, frame = cap.read()在循环中，处理每一帧视频，进行姿态检测、角度计算和俯卧撑计数。
7.姿态检测和角度计算
# Recolor image to RGB
image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
image.flags.writeable = False
# Make detection
results = pose.process(image)8. 计算关节坐标和角度
try:
landmarks = results.pose_landmarks.landmark
# 获取左肩、左肘和左腕的坐标
shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].x,
landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].y]
elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].x, landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].y]
wrist = [landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].x, landmarks[mp_pose.PoseLandmark.LEFT_WRIST.value].y]从检测结果中提取关键点坐标，计算肘部到肩部的角度。
9.显示角度和更新计数器
if angle > max_angle:
stage = "down"
if angle < min_angle and stage == 'down':
stage = "up"
counter += 1
print(counter)根据计算出的角度判断当前动作阶段，当达到特定条件时增加俯卧撑计数。
10. 在视频帧上绘制结果和计数信息
mp_drawing.draw_landmarks(image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS,
mp_drawing.DrawingSpec(color=(245, 117, 66), thickness=2, circle_radius=2),
mp_drawing.DrawingSpec(color=(245, 66, 230), thickness=2, circle_radius=2)
)
cv2.imshow('Mediapipe Feed', image)11. 用户退出循环
if cv2.waitKey(10) & 0xFF == ord('q'):
break如果用户按下'q'键，退出循环。
12. 结束视频处理
cap.release()
cv2.destroyAllWindows()释放视频资源，关闭所有OpenCV窗口。