人工智能创客教育体育运动的姿势检测精品课件.pptxVIP

体育运动的姿态检测基于神经网络的姿态识别情景导入从图片或者视频中估计人体姿势在各种应用中发挥着关键作用，例如智能体育锻炼教练、手语识别、手势控制以及VR相关的各种体感应用。在我们日常生活中，姿态检测可以构成瑜伽、舞蹈和健身应用的基础。小派同学希望可以通过深蹲来锻炼自己腿部的肌肉力量，但是他害怕不标准的姿势有害无益。所以在这个项目周，我们将逐步跟小派一起，实现一个深蹲标准与否的检测器。任务分析总基于神经网络的姿态检测任务一姿态检测体验姿态检测姿态检测也被称为人体骨骼关键点检。顾名思义，姿态检测主要检测的是人体关键点的信息，如各种关节，脸部五官等。检测出人体的双眼，鼻子，耳朵，双肩，双臂，臀部，膝盖等等关键点之后，将这些关键点有序的连接起来，形成人的“骨架”。然后，我们就可以通过关键点描述人体骨骼信息，进行姿态识别、行为分析等等。分割掩码?图像分割（ImageSegmentation）是计算机视觉领域中的一项重要基础技术，是图像理解中的重要一环。顾名思义，这是将一个图像分割成多个片段的过程，我们可以从下图很直观的明白什么叫做分割掩码。下图将视频中的人与背景进行了图像分割，并对背景部分使用了掩码。WebServerforChrome插件WebServerforChrome插件安装与配置过程详见派Lab对应课程。实训步骤步骤1：资料下载步骤2：浏览器配置步骤3：调用模型请打开派Lab查看示例代码实训步骤可调参数说明：自拍模式：打开则对相机或视频图片输入进行垂直翻转处理。模型复杂度：0，1或2。标记的准确性和计算延迟通常会随着模型的复杂性而增加。默认为1。平滑标点：过滤不同输入图像中的地标以减少抖动。开启画面分割：如果设置为true，除了姿势界标之外，该解决方案还生成分割掩码。平滑分割：过滤不同输入图像的分割掩码以减少抖动。最小姿态检测置信度：人检测模型中的最小置信度值。最小姿态跟踪置信度：跟踪模型的最小置信度值（设置为更高的值可以提高识别的稳定性与准确性，但代价是更高的延迟。）任务二图片中的运动姿态检测MediaPipe简介MediaPipe是一款由GoogleResearch开发并开源的多媒体机器学习模型应用框架。基于图形的跨平台框架，用于构建多模式（视频，音频和传感器）应用的机器学习管道。MediaPipe是一款由GoogleResearch开发并开源的多媒体机器学习模型应用框架。MediaPipe大有用武之地，可以做物体检测、自拍分割、头发分割、人脸检测、手部检测、运动追踪，等等。基于此可以实现更高级的功能。?MediaPipe可在移动设备、工作站和服务器上跨平台运行，并支持移动GPU加速。使用MediaPipe，可以将应用的机器学习管道构建为模块化组件的图形。?在谷歌，一系列重要产品，如、GoogleLens、ARCore、GoogleHome以及，都已深度整合了MediaPipe，并且还支持TensorFlow和TFLite的推理引擎（InferenceEngine），任何TensorFlow和TFLite的模型都可以在MediaPipe上使用。同时，在移动端和嵌入式平台，MediaPipe也支持设备本身的GPU加速。MediaPipe简介?这是MediaPipe项目主页https://mediapipe.dev/https://mediapipe.dev/Mediapipe中的解决方案mediapipe.solutions种中的解决方案rawing_utils是画图用drawing_styles应该是渲染风格face_detection用于面部检测face_mesh用于绘人脸面网hands用于手部检测holistic是整体的解决方案（包括人脸、骨架、手）pose是识别姿势objectron用于目标检测，selfie_segmentation是自拍分割download_utilsdrawing_stylesdrawing_utilsdrawing_utils_testface_detectionface_detection_testface_meshface_mesh_connectionsface_mesh_testhandshands_connectionshands_testholisticholistic_testobjectronobjectron_testposepose_connectionspose_testselfie_segmentationselfie_segmentation_test使用mediapipe检测人体姿态姿态检测MediaPipe其中