Guía para detectar puntos de referencia de poses para iOS

La tarea Pose Landmarker te permite detectar puntos de referencia de cuerpos humanos en una imagen o video. Puedes usar esta tarea para identificar las ubicaciones clave del cuerpo, analizar la postura, y categorizar los movimientos. Esta tarea usa modelos de aprendizaje automático (AA) que funcionan con imágenes o videos individuales. La tarea muestra los puntos de referencia de la postura corporal en una imagen y en coordenadas mundiales tridimensionales.

Estas instrucciones te muestran cómo usar el marcador de posición de posposición con apps para iOS. El código descrita en estas instrucciones está disponible en GitHub:

Puedes ver esta tarea en acción viendo este sitio web demo. Para obtener más información sobre las capacidades, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.

Ejemplo de código

El código de ejemplo de tareas de MediaPipe es una implementación básica de un marcador de posición de posposición para iOS. En el ejemplo, se usa la cámara de un dispositivo iOS físico para detectar detectar poses en una transmisión de video continua. La aplicación también puede detectar poses en imágenes y videos de la galería del dispositivo.

Puedes usar la app como punto de partida para tu propia app para iOS o hacer referencia a ella. cuando se modifica una app existente. El código de ejemplo de Pose Landmarker se aloja en GitHub:

Descarga el código

En las siguientes instrucciones, se muestra cómo crear una copia local del ejemplo con la herramienta de línea de comandos git.

Para descargar el código de ejemplo, haz lo siguiente:

1. Clona el repositorio de Git con el siguiente comando:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. De forma opcional, configura tu instancia de Git para que use un método de confirmación de la compra disperso solo los archivos de la app de ejemplo de Pose Landmarker:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/pose_landmarker/ios/
   

Después de crear una versión local del código de ejemplo, puedes instalar el MediaPipe, abre el proyecto con Xcode y ejecuta la app. Para consulta la Guía de configuración para iOS.

Componentes clave

Los siguientes archivos contienen el código crucial para el ejemplo de la posición de un marcador de posición. aplicación:

• PoseLandmarkerService.swift: Inicializa el marcador, controla la selección del modelo y ejecuta la inferencia. de los datos de entrada.
• CameraViewController: Implementa la IU para el modo de entrada del feed de la cámara en vivo y visualiza la puntos de referencia.
• MediaLibraryViewController.swift: Implementa la IU para el modo de entrada de imágenes estáticas y archivos de video. visualice los puntos de referencia.

Configuración

En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo y para usar Pose Landmarker. Para obtener información general sobre cómo configurar tu entorno de desarrollo para usar tareas de MediaPipe, incluida la versión de la plataforma consulta la Guía de configuración para iOS.

Dependencias

Pose Landmarker usa la biblioteca MediaPipeTasksVision, que debe instalarse con CocoaPods. La biblioteca es compatible con apps de Swift y Objective-C y no requiere ninguna configuración adicional específica de idioma.

Si necesitas instrucciones para instalar CocoaPods en macOS, consulta los CocoaPods guía de instalación. Obtén instrucciones para crear un Podfile con los Pods necesarios para tu consulta Cómo usar CocoaPods.

Agrega el Pod MediaPipeTasksVision en Podfile con el siguiente código:

target 'MyPoseLandmarkerApp' do
  use_frameworks!
  pod 'MediaPipeTasksVision'
end

Si tu app incluye objetivos de prueba de unidades, consulta la Guía de configuración de iOS para obtener más información sobre la configuración tu Podfile.

Modelo

La tarea MediaPipe Pose Landmarker requiere un paquete entrenado que sea compatible con esta tarea. Para obtener más información sobre los modelos entrenados disponibles Pose Landmarker, consulta la descripción general de la tarea Modelos .

Usa la download_models.sh secuencia de comandos para descargar los modelos y agregarlos al directorio de tu proyecto con Xcode. Para Para obtener instrucciones sobre cómo agregar archivos a tu proyecto de Xcode, consulta Administra archivos y carpetas del código proyecto.

Usa la propiedad BaseOptions.modelAssetPath para especificar la ruta al modelo. del paquete de aplicación. Para ver un ejemplo de código, consulta la siguiente sección.

Crea la tarea

Puedes crear la tarea Pose Landmarker si llamas a uno de sus inicializadores. El El inicializador PoseLandmarker(options:) acepta valores para la configuración opciones de estado.

Si no necesitas que se inicialice un Pose Landmarker con una configuración personalizada puedes usar el inicializador PoseLandmarker(modelPath:) para crear un Pose Landmarker con las opciones predeterminadas Para obtener más información sobre la configuración consulta Descripción general de la configuración.

La tarea Pose Landmarker admite 3 tipos de datos de entrada: imágenes fijas y archivos de video y transmisiones de video en vivo. De forma predeterminada, PoseLandmarker(modelPath:) inicializa un de imágenes fijas. Si quieres que tu tarea se inicialice para procesar videos o transmisiones de video en vivo, usa PoseLandmarker(options:) para especificar el video o el modo de ejecución de transmisión en vivo. El modo de transmisión en vivo también requiere opción de configuración poseLandmarkerLiveStreamDelegate, que habilita la Posiciona marcador para enviar los resultados de detección de puntos de referencia de poses al delegado de forma asíncrona.

Elige la pestaña correspondiente a tu modo de ejecución para ver cómo crear la tarea y ejecutar inferencias.

Swift

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "pose_landmarker",
                                      ofType: "task")

let options = PoseLandmarkerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .image
options.minPoseDetectionConfidence = minPoseDetectionConfidence
options.minPosePresenceConfidence = minPosePresenceConfidence
options.minTrackingConfidence = minTrackingConfidence
options.numPoses = numPoses

let poseLandmarker = try PoseLandmarker(options: options)
    

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "pose_landmarker",
                                      ofType: "task")

let options = PoseLandmarkerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .video
options.minPoseDetectionConfidence = minPoseDetectionConfidence
options.minPosePresenceConfidence = minPosePresenceConfidence
options.minTrackingConfidence = minTrackingConfidence
options.numPoses = numPoses

let poseLandmarker = try PoseLandmarker(options: options)
    

import MediaPipeTasksVision

// Class that conforms to the `PoseLandmarkerLiveStreamDelegate` protocol and
// implements the method that the pose landmarker calls once it finishes
// performing pose landmark detection in each input frame.
class PoseLandmarkerResultProcessor: NSObject, PoseLandmarkerLiveStreamDelegate {

  func poseLandmarker(
    _ poseLandmarker: PoseLandmarker,
    didFinishDetection result: PoseLandmarkerResult?,
    timestampInMilliseconds: Int,
    error: Error?) {

    // Process the pose landmarker result or errors here.

  }
}

let modelPath = Bundle.main.path(forResource: "pose_landmarker",
                                      ofType: "task")

let options = PoseLandmarkerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .liveStream
options.minPoseDetectionConfidence = minPoseDetectionConfidence
options.minPosePresenceConfidence = minPosePresenceConfidence
options.minTrackingConfidence = minTrackingConfidence
options.numPoses = numPoses

// Assign an object of the class to the `poseLandmarkerLiveStreamDelegate`
// property.
let processor = PoseLandmarkerResultProcessor()
options.poseLandmarkerLiveStreamDelegate = processor

let poseLandmarker = try PoseLandmarker(options: options)
    

Objective-C

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"pose_landmarker"
                                                      ofType:@"task"];

MPPPoseLandmarkerOptions *options = [[MPPPoseLandmarkerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeImage;
options.minPoseDetectionConfidence = minPoseDetectionConfidence;
options.minPosePresenceConfidence = minPosePresenceConfidence;
options.minTrackingConfidence = minTrackingConfidence;
options.numPoses = numPoses;

MPPPoseLandmarker *poseLandmarker =
  [[MPPPoseLandmarker alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"pose_landmarker"
                                                      ofType:@"task"];

MPPPoseLandmarkerOptions *options = [[MPPPoseLandmarkerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeVideo;
options.minPoseDetectionConfidence = minPoseDetectionConfidence;
options.minPosePresenceConfidence = minPosePresenceConfidence;
options.minTrackingConfidence = minTrackingConfidence;
options.numPoses = numPoses;

MPPPoseLandmarker *poseLandmarker =
  [[MPPPoseLandmarker alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

// Class that conforms to the `MPPPoseLandmarkerLiveStreamDelegate` protocol
// and implements the method that the pose landmarker calls once it finishes
// performing pose landmarks= detection in each input frame.

@interface APPPoseLandmarkerResultProcessor : NSObject 

@end

@implementation APPPoseLandmarkerResultProcessor

-   (void)poseLandmarker:(MPPPoseLandmarker *)poseLandmarker
    didFinishDetectionWithResult:(MPPPoseLandmarkerResult *)poseLandmarkerResult
         timestampInMilliseconds:(NSInteger)timestampInMilliseconds
                           error:(NSError *)error {

    // Process the pose landmarker result or errors here.

}

@end

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"pose_landmarker"
                                                      ofType:@"task"];

MPPPoseLandmarkerOptions *options = [[MPPPoseLandmarkerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeLiveStream;
options.minPoseDetectionConfidence = minPoseDetectionConfidence;
options.minPosePresenceConfidence = minPosePresenceConfidence;
options.minTrackingConfidence = minTrackingConfidence;
options.numPoses = numPoses;

// Assign an object of the class to the `poseLandmarkerLiveStreamDelegate`
// property.
APPPoseLandmarkerResultProcessor *processor =
  [APPPoseLandmarkerResultProcessor new];
options.poseLandmarkerLiveStreamDelegate = processor;

MPPPoseLandmarker *poseLandmarker =
  [[MPPPoseLandmarker alloc] initWithOptions:options error:nil];
    

Nota: Si usas el modo de video o de transmisión en vivo, Pose Landmarker usa el seguimiento para evitar activar el modelo de detección de palma en cada fotograma, lo que ayuda reducir la latencia.

Opciones de configuración

Esta tarea tiene las siguientes opciones de configuración para las apps para iOS:

Configuración de la transmisión en vivo

Cuando se configura el modo de ejecución para la transmisión en vivo, el marcador de posición de la posición requiere opción de configuración poseLandmarkerLiveStreamDelegate adicional, que Permite que el marcador de posición de posposición proporcione resultados para la detección de puntos de referencia de poses. de forma asíncrona. El delegado debe implementar método poseLandmarker(_:didFinishDetection:timestampInMilliseconds:error:), que llama el marcador de posición después de procesar los resultados de realizar esa pose la detección de puntos de referencia en cada fotograma.

Preparar los datos

Antes de convertir la imagen o el marco de entrada en un objeto MPImage, y la pasamos al marcador de posición de la imagen. MPImage es compatible con diferentes tipos de imágenes de iOS y puede usarlos en cualquier modo de ejecución para inferencia. Para ver más información sobre MPImage, consulta la API de MPImage

Elige un formato de imagen de iOS según tu caso de uso y el modo de ejecución la aplicación lo requiera.MPImage acepta las UIImage, CVPixelBuffer y CMSampleBuffer Formatos de imagen de iOS.

UIImage

El formato UIImage es adecuado para los siguientes modos de ejecución:

• Imágenes: imágenes de un paquete de aplicación, una galería de usuarios o un sistema de archivos con el siguiente formato: Las imágenes UIImage se pueden convertir en un objeto MPImage.

• Videos: Usa AVAssetImageGenerator para extraer fotogramas de video CGImage y, luego, conviértelas en imágenes UIImage.

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(uiImage: image)
    

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

En el ejemplo, se inicializa un MPImage con el valor predeterminado. UIImage.Orientation.Up orientación. Puedes inicializar un MPImage con cualquiera de los UIImage.Orientation de salida. El marcador de posición de la posición no admite orientaciones duplicadas, como .upMirrored, .downMirrored, .leftMirrored y .rightMirrored

Para obtener más información sobre UIImage, consulta UIImage Apple Developer. Documentación.

CVPixelBuffer

El formato CVPixelBuffer es adecuado para aplicaciones que generan fotogramas Usa CoreImage de iOS. de infraestructura para el procesamiento.

El formato CVPixelBuffer es adecuado para los siguientes modos de ejecución:

• Imágenes: apps que generan imágenes de CVPixelBuffer después de cierto procesamiento con el framework CoreImage de iOS pueden enviarse al marcador de posición Pose en el el modo de ejecución de imagen.

• Videos: Los fotogramas de video se pueden convertir al formato CVPixelBuffer para y, luego, se envían al marcador de posición de imagen en modo video.

• transmisión en vivo: se pueden convertir las apps que usan una cámara de iOS para generar fotogramas en el formato CVPixelBuffer para procesarlos antes de enviarlos Posiciona un marcador en el modo de transmisión en vivo.

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(pixelBuffer: pixelBuffer)
    

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

Para obtener más información sobre CVPixelBuffer, consulta CVPixelBuffer Apple Desarrollador Documentación.

CMSampleBuffer

El formato CMSampleBuffer almacena muestras de contenido multimedia de un tipo uniforme y es adecuado para el modo de ejecución de transmisión en vivo. Los fotogramas en vivo de las cámaras iOS entregado de forma asíncrona en formato CMSampleBuffer por iOS AVCaptureVideoDataOutput:

// Obtain a CMSampleBuffer.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(sampleBuffer: sampleBuffer)
    

// Obtain a `CMSampleBuffer`.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithSampleBuffer:sampleBuffer error:nil];
    

Para obtener más información sobre CMSampleBuffer, consulta CMSampleBuffer en Apple. Desarrollador Documentación.

Ejecuta la tarea

Para ejecutar el marcador de posición de posposición, usa el método detect() específico para el marcador de posición asignado. modo de ejecución:

• Imagen fija: detect(image:)
• Video: detect(videoFrame:timestampInMilliseconds:)
• Transmisión en vivo: detectAsync(image:timestampInMilliseconds:)

En los siguientes ejemplos de código se muestran ejemplos simples de cómo ejecutar Pose Landmarker en estos diferentes modos de ejecución:

Swift

let result = try poseLandmarker.detect(image: image)
    

let result = try poseLandmarker.detect(
  videoFrame: image,
  timestampInMilliseconds: timestamp)
    

try poseLandmarker.detectAsync(
  image: image,
  timestampInMilliseconds: timestamp)
    

Objective-C

MPPPoseLandmarkerResult *result =
  [poseLandmarker detectImage:image error:nil];
    

MPPPoseLandmarkerResult *result =
  [poseLandmarker detectVideoFrame:image
           timestampInMilliseconds:timestamp
                             error:nil];
    

BOOL success =
  [poseLandmarker detectAsyncImage:image
           timestampInMilliseconds:timestamp
                             error:nil];
    

El ejemplo de código Pose Landmarker muestra las implementaciones de cada uno de estos modos con más detalle detect(image:), detect(videoFrame:timestampInMilliseconds:), y detectAsync(image:timestampInMilliseconds:). El código de ejemplo permite que la que el usuario cambie entre los modos de procesamiento, lo cual puede no ser necesario para su uso para determinar si este es el caso.

Ten en cuenta lo siguiente:

• Cuando se ejecute en modo de video o de transmisión en vivo, también debes proporcionar la y la marca de tiempo del fotograma de entrada a la tarea Pose Landmarker.

• Cuando se ejecuta en modo de imagen o video, la tarea Pose Landmarker bloquea la subproceso actual hasta que termine de procesar la imagen o el marco de entrada. Para Evita bloquear el subproceso actual y ejecuta el procesamiento en segundo plano subproceso con iOS Despachador o NSOperation los frameworks de IA.

• Cuando se ejecuta en modo de transmisión en vivo, la tarea Pose Landmarker vuelve de inmediato y no bloquea el subproceso actual. Invoca la función Método poseLandmarker(_:didFinishDetection:timestampInMilliseconds:error:) con el resultado del marcador de posición después de procesar cada fotograma de entrada. El El marcador de posición invoca este método de forma asíncrona en un número de serie dedicado de la fila de despacho. Para mostrar resultados en la interfaz de usuario, envía el los resultados a la cola principal después de procesarlos. Si el elemento detectAsync se llama a la función cuando la tarea Pose Landmarker está ocupada procesando otra fotograma, el marcador de posición de la posición ignora el nuevo fotograma de entrada.

Cómo controlar y mostrar resultados

Después de ejecutar la inferencia, la tarea Pose Landmarker muestra un PoseLandmarkerResult que contiene las coordenadas de cada punto de referencia de la pose.

A continuación, se muestra un ejemplo de los datos de salida de esta tarea:

PoseLandmarkerResult:
  Landmarks:
    Landmark #0:
      x            : 0.638852
      y            : 0.671197
      z            : 0.129959
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.634599
      y            : 0.536441
      z            : -0.06984
      visibility   : 0.999909
      presence     : 0.999958
    ... (33 landmarks per pose)
  WorldLandmarks:
    Landmark #0:
      x            : 0.067485
      y            : 0.031084
      z            : 0.055223
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.063209
      y            : -0.00382
      z            : 0.020920
      visibility   : 0.999976
      presence     : 0.999998
    ... (33 world landmarks per pose)
  SegmentationMasks:
    ... (pictured below)

El resultado contiene coordenadas normalizadas (Landmarks) y de imágenes coordenadas (WorldLandmarks) de cada punto de referencia.

El resultado contiene las siguientes coordenadas normalizadas (Landmarks):

• x y y: coordenadas de puntos de referencia normalizadas entre 0.0 y 1.0 por el ancho (x) y alto (y) de la imagen.

• z: La profundidad del punto de referencia, con la profundidad en el punto medio de las caderas origen. Cuanto menor sea el valor, más cerca estará el punto de referencia de la cámara. El usa más o menos la misma escala que x.

• visibility: Indica la probabilidad de que el punto de referencia sea visible dentro de la imagen.

El resultado contiene las siguientes coordenadas mundiales (WorldLandmarks):

• x, y y z: Coordenadas tridimensionales del mundo real en metros, con el punto medio de las caderas como origen.

• visibility: Indica la probabilidad de que el punto de referencia sea visible dentro de la imagen.

En la siguiente imagen, se muestra una visualización del resultado de la tarea:

La máscara de segmentación opcional representa la probabilidad de que cada píxel pertenezca a una persona detectada. La siguiente imagen es una máscara de segmentación del resultado de la tarea:

El código de ejemplo de marcador de posición de postura demuestra cómo mostrar el marcador de posición de posición resultados.