咱们曾经有了《Python玩人工智能：你能做几个引体向上？》和《Python玩人工智能：你的仰卧起坐达标了吗？》，明天就来玩俯卧撑啦！
1. 筹备工作
1.1 装置Python3.8.x
1.2 装置PyCharm社区版
1.3 创立我的项目
1.4 装置我的项目应用工具包
1.1 下载安装Python3.8.x版本
首先咱们的电脑上要装置Python3.8.x。Python 3.8.x : https://www.python.org/downlo…
1.2 下载安装PyCharm社区版
PyCharm: https://www.jetbrains.com/pyc… 当然你也能够应用本人喜爱的IDE。
1.3 创立一个Python我的项目
装置好Python和PyCharm之后，咱们能够启动PyCharm，创立一个新的Python我的项目。抉择我的项目的存储地位，创立我的项目时，能够让PyCharm帮忙创立一个虚拟环境（virtualenv）,虚拟环境能够了解为这个我的项目专属的编程环境，不会影响其余的我的项目。
1.4 装置我的项目所用的工具包
我的项目创立好之后，咱们关上PyCharm的Terminal窗口，在这里咱们能够输出以下命令来装置这个我的项目所须要的工具包：opencv-python mediapipe numpy pyautogui。上面的命令会从网络上下载工具包并装置，如果你看到最初有“Successfully installed…”这样的英文，示意装置胜利了。
pip install opencv-python mediapipe numpy也能够点开PyCharm的设置，看到我的项目的Python环境中，是否有以上的工具包，如果有就示意装置胜利了。
2. 编写程序
2.1 创立poseutil.py模块
2.2 编写pushup.py
2.3 测试运行
2.1 创立poseutil.py模块
创立一个新的Python文件，取名为poseutil.py，这是咱们创立的姿态辨认的模块，在这个模块中有一个PoseDetector的姿态识别器类，应用它能够辨认人体姿态、获取人体姿态数据以及计算人体姿态相干点的角度。
import cv2
import mediapipe as mp
import math
class PoseDetector():
'''
人体姿态检测类
'''
def __init__(self,
static_image_mode=False,
upper_body_only=False,
smooth_landmarks=True,
min_detection_confidence=0.5,
min_tracking_confidence=0.5):
'''
初始化
:param static_image_mode: 是否是动态图片，默认为否
:param upper_body_only: 是否是上半身，默认为否
:param smooth_landmarks: 设置为True缩小抖动
:param min_detection_confidence:人员检测模型的最小置信度值，默认为0.5
:param min_tracking_confidence:姿态可信标记的最小置信度值，默认为0.5
'''
self.static_image_mode = static_image_mode
self.upper_body_only = upper_body_only
self.smooth_landmarks = smooth_landmarks
self.min_detection_confidence = min_detection_confidence
self.min_tracking_confidence = min_tracking_confidence
# 创立一个Pose对象用于检测人体姿态
self.pose = mp.solutions.pose.Pose(self.static_image_mode, self.upper_body_only, self.smooth_landmarks,
self.min_detection_confidence, self.min_tracking_confidence)
def find_pose(self, img, draw=True):
'''
检测姿态办法
:param img: 一帧图像
:param draw: 是否画出人体姿态节点和连贯图
:return: 解决过的图像
'''
imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# pose.process(imgRGB) 会辨认这帧图片中的人体姿态数据，保留到self.results中
self.results = self.pose.process(imgRGB)
if self.results.pose_landmarks:
if draw:
mp.solutions.drawing_utils.draw_landmarks(img, self.results.pose_landmarks,
mp.solutions.pose.POSE_CONNECTIONS)
return img
def find_positions(self, img):
'''
获取人体姿态数据
:param img: 一帧图像
:param draw: 是否画出人体姿态节点和连贯图
:return: 人体姿态数据列表
'''
# 人体姿态数据列表，每个成员由3个数字组成：id, x, y
# id代表人体的某个关节点，x和y代表坐标地位数据
self.lmslist = []
if self.results.pose_landmarks:
for id, lm in enumerate(self.results.pose_landmarks.landmark):
h, w, c = img.shape
cx, cy = int(lm.x * w), int(lm.y * h)
self.lmslist.append([id, cx, cy])
return self.lmslist
def find_angle(self, img, p1, p2, p3, draw=True):
'''
获取人体姿态中3个点p1-p2-p3的角度
:param img: 一帧图像
:param p1: 第1个点
:param p2: 第2个点
:param p3: 第3个点
:param draw: 是否画出3个点的连贯图
:return: 角度
'''
x1, y1 = self.lmslist[p1][1], self.lmslist[p1][2]
x2, y2 = self.lmslist[p2][1], self.lmslist[p2][2]
x3, y3 = self.lmslist[p3][1], self.lmslist[p3][2]
# 应用三角函数公式获取3个点p1-p2-p3，以p2为角的角度值，0-180度之间
angle = int(math.degrees(math.atan2(y1 - y2, x1 - x2) - math.atan2(y3 - y2, x3 - x2)))
if angle < 0:
angle = angle + 360
if angle > 180:
angle = 360 - angle
if draw:
cv2.circle(img, (x1, y1), 20, (0, 255, 255), cv2.FILLED)
cv2.circle(img, (x2, y2), 30, (255, 0, 255), cv2.FILLED)
cv2.circle(img, (x3, y3), 20, (0, 255, 255), cv2.FILLED)
cv2.line(img, (x1, y1), (x2, y2), (255, 255, 255, 3))
cv2.line(img, (x2, y2), (x3, y3), (255, 255, 255, 3))
cv2.putText(img, str(angle), (x2 - 50, y2 + 50), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 255, 255), 2)
return angle
2.2 编写pushup.py
编写上面的代码，调用poseutil模块，获取人体姿态数据，并计算人体中肩膀、臀部、膝盖三个点以及肩膀、手肘、手段形成的角度，通过这2个角度来判断俯卧撑是否规范。
# 导入opencv工具包
import cv2
# 导入numpy
import numpy as np
# 导入姿态识别器
from poseutil import PoseDetector
# 关上视频文件
cap = cv2.VideoCapture('videos/pushup.mp4')
# 姿态识别器
detector = PoseDetector()
# 方向与个数
dir = 0 # 0为下，1为上
count = 0
# 视频宽度高度
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 录制视频设置
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('videos/pushupoutput.mp4', fourcc, 30.0, (width, height))
while True:
# 读取摄像头，img为每帧图片
success, img = cap.read()
if success:
h, w, c = img.shape
# 辨认姿态
img = detector.find_pose(img, draw=True)
# 获取姿态数据
positions = detector.find_positions(img)
if positions:
# 获取俯卧撑的角度
angle1 = detector.find_angle(img, 12, 24, 26)
angle2 = detector.find_angle(img, 12, 14, 16)
# 进度条长度
bar = np.interp(angle2, (45, 150), (w // 2 - 100, w // 2 + 100))
cv2.rectangle(img, (w // 2 - 100, h - 150), (int(bar), h - 100), (0, 255, 0), cv2.FILLED)
# 角度小于50度认为撑下
if angle2 <= 50 and angle1 >= 165 and angle1 <= 175:
if dir == 0:
count = count + 0.5
dir = 1
# 角度大于125度认为撑起
if angle2 >= 125 and angle1 >= 165 and angle1 <= 175:
if dir == 1:
count = count + 0.5
dir = 0
cv2.putText(img, str(int(count)), (w // 2, h // 2), cv2.FONT_HERSHEY_SIMPLEX, 10, (255, 255, 255), 20, cv2.LINE_AA)
# 关上一个Image窗口显示视频图片
cv2.imshow('Image', img)
# 录制视频
out.write(img)
else:
# 视频完结退出
break
# 如果按下q键，程序退出
key = cv2.waitKey(1)
if key == ord('q'):
break
# 敞开视频保留器
out.release()
# 敞开摄像头
cap.release()
# 关闭程序窗口
cv2.destroyAllWindows()
2.3 测试运行
在理论运行测试时，咱们设置的俯卧撑角度是50度到125度之间，能够依据拍摄角度来调整，另外咱们要求臀部角度在165度到175度之间，这个也是能够调整的。倡议拍摄视频或者应用摄像头时更多的放在人体的侧上局部，这样检测的会比拟精确。
发表回复