Python玩人工智慧：你的仰臥起坐達標了嗎？

介紹

Google出了一個開源的、跨平臺的、可客製化化的機器學習解決方案工具包，給線上串流媒體（當然也可以用於普通的視訊、影象等）提供了機器學習解決方案。感興趣的同學可以開啟這個網址瞭解詳情：https://mediapipe.dev/。它提...

準備工作

1. 安裝Python3.8.x
2. 建立一個Python專案，建議使用virtualenv建立一個專案專有的Python環境
3. 安裝包：Opencv-Python、mediapipe、numpy

開始程式設計

1. 建立一個人體姿勢識別模組，在這個模組中，我們使用mediapipe模組來實現人體姿勢識別，並獲取姿勢資料。

import cv2
import mediapipe as mp
import math


class PoseDetector():
    '''
    人體姿勢檢測類
    '''

    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: 是否是靜態圖片，預設為否
        :param upper_body_only: 是否是上半身，預設為否
        :param smooth_landmarks: 設定為True減少抖動
        :param min_detection_confidence:人員檢測模型的最小置信度值，預設為0.5
        :param min_tracking_confidence:姿勢可信標記的最小置信度值，預設為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
        # 建立一個Pose物件用於檢測人體姿勢
        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):
        '''
        檢測姿勢方法
        :param img: 一幀影象
        :param draw: 是否畫出人體姿勢節點和連線圖
        :return: 處理過的影象
        '''
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        # pose.process(imgRGB) 會識別這幀圖片中的人體姿勢資料，儲存到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):
        '''
        獲取人體姿勢資料
        :param img: 一幀影象
        :param draw: 是否畫出人體姿勢節點和連線圖
        :return: 人體姿勢資料列表
        '''
        # 人體姿勢資料列表，每個成員由3個數位組成：id, x, y
        # id代表人體的某個關節點，x和y代表座標位置資料
        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):
        '''
        獲取人體姿勢中3個點p1-p2-p3的角度
        :param img: 一幀影象
        :param p1: 第1個點
        :param p2: 第2個點
        :param p3: 第3個點
        :param draw: 是否畫出3個點的連線圖
        :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]

        # 使用三角函數公式獲取3個點p1-p2-p3，以p2為角的角度值，0-180度之間
        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

1. 編寫situps.py，在這個程式中我們將使用opencv讀取視訊檔，當然你也可以使用攝像頭直接拍攝。呼叫人體姿勢識別模組進行視訊中人體姿勢識別並獲取姿勢資料，通過人體姿勢中3個位置點的資料：肩膀（11）、臀部（23）、膝蓋（25），計算這3個點的角度，判斷仰臥起坐是否達標。

# 匯入opencv工具包
import cv2
# 匯入numpy
import numpy as np
# 匯入姿勢識別器
from poseutil import PoseDetector

# 開啟視訊檔
cap = cv2.VideoCapture('videos/situp.mp4')
# 姿勢識別器
detector = PoseDetector()

# 方向與個數
dir = 0  # 0為躺下，1為坐起
count = 0

while True:
    # 讀取攝像頭，img為每幀圖片
    success, img = cap.read()
    if success:
        h, w, c = img.shape
        # 識別姿勢
        img = detector.find_pose(img, draw=True)
        # 獲取姿勢資料
        positions = detector.find_positions(img)

        if positions:
            # 獲取仰臥起坐的角度
            angle = detector.find_angle(img, 11, 23, 25)
            # 進度條長度
            bar = np.interp(angle, (50, 130), (w // 2 - 100, w // 2 + 100))
            cv2.rectangle(img, (w // 2 - 100, h - 150), (int(bar), h - 100), (0, 255, 0), cv2.FILLED)
            # 角度小於55度認為坐起
            if angle <= 55:
                if dir == 0:
                    count = count + 0.5
                    dir = 1
            # 角度大於120度認為躺下
            if angle >= 120:
                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)

        # 開啟一個Image視窗顯示視訊圖片
        cv2.imshow('Image', img)
        
    else:
        # 視訊結束退出
        break

    # 如果按下q鍵，程式退出
    key = cv2.waitKey(1)
    if key == ord('q'):
        break

# 關閉攝像頭
cap.release()
# 關閉程式視窗
cv2.destroyAllWindows()

執行測試

總體感覺mediapipe識別率還是很不錯的，在使用CPU的情況下基本上能達到25幀/秒。我們可以通過調整仰臥起坐的判斷角度來使這個程式更符合你自己的仰臥起坐檢測。