MediaPipe 포즈 랜드마크 작업을 사용하면 이미지에서 인체의 랜드마크를 감지할 수 있습니다. 있습니다. 이 작업을 사용하여 주요 신체 위치를 식별하고, 자세를 분석하고, 움직임을 분류합니다. 이 작업에서는 머신러닝 (ML) 모델을 단일 이미지 또는 동영상만 사용할 수 있습니다. 작업이 이미지에 랜드마크를 포즈 본문을 출력합니다. 3차원 세계 좌표로 구성됩니다.
이 지침에서 설명하는 코드 샘플은 GitHub 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.
코드 예
포즈 랜드마크의 코드 예는 다음과 같은 전체 구현을 제공합니다. 참고하세요. 이 코드는 이 작업을 테스트하고 자신만의 포즈 랜드마크를 만들기 시작했습니다. 데이터를 보고, 실행하고, 이 Pose Panoramaer 예시 코드 할 수 있습니다.
Raspberry Pi용 포즈 랜드마크를 구현하는 경우 다음을 참조하세요. Raspberry Pi 예시 앱을 엽니다.
설정
이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 코딩 프로젝트를 사용하여 포즈 랜드마크를 사용하는 방법을 살펴보겠습니다 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 자세한 내용은 Python 설정 가이드
<ph type="x-smartling-placeholder">패키지
MediaPipe Pose TRADEMARKer 작업에는 mediapipe PyPI 패키지가 필요합니다. 다음을 사용하여 이러한 종속 항목을 설치하고 가져올 수 있습니다.
$ python -m pip install mediapipe
가져오기
포즈 랜드마크 작업 기능에 액세스하려면 다음 클래스를 가져옵니다.
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
모델
MediaPipe 포즈 랜드마크 작업자 작업을 수행하려면 이 작업과 호환되는 학습된 모델이 필요합니다. 태스크에 맞추는 것입니다. 포즈 랜드마크에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 다음을 참조하세요. 작업 개요의 모델 섹션을 확인합니다.
모델을 선택하고 다운로드한 후 로컬 디렉터리에 저장합니다.
model_path = '/absolute/path/to/pose_landmarker.task'
BaseOptions 객체 model_asset_path 매개변수를 사용하여 경로를 지정합니다.
지정할 수도 있습니다 코드 예는 다음 섹션을 참고하세요.
할 일 만들기
MediaPipe 포즈 랜드마크 작업자 작업은 create_from_options 함수를 사용하여
작업을 설정하는 것입니다. create_from_options 함수는 값을 허용함
처리할 구성 옵션을 확인하세요. 자세한 내용은
구성 옵션.
다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.
또한 이 샘플은 이미지에 대한 작업 구성의 변형도 보여줍니다. 동영상 파일, 라이브 스트림 등이 있죠
이미지
import mediapipe as mp BaseOptions = mp.tasks.BaseOptions PoseLandmarker = mp.tasks.vision.PoseLandmarker PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions VisionRunningMode = mp.tasks.vision.RunningMode options = PoseLandmarkerOptions( base_options=BaseOptions(model_asset_path=model_path), running_mode=VisionRunningMode.IMAGE) with PoseLandmarker.create_from_options(options) as landmarker: # The landmarker is initialized. Use it here. # ...
동영상
import mediapipe as mp BaseOptions = mp.tasks.BaseOptions PoseLandmarker = mp.tasks.vision.PoseLandmarker PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions VisionRunningMode = mp.tasks.vision.RunningMode # Create a pose landmarker instance with the video mode: options = PoseLandmarkerOptions( base_options=BaseOptions(model_asset_path=model_path), running_mode=VisionRunningMode.VIDEO) with PoseLandmarker.create_from_options(options) as landmarker: # The landmarker is initialized. Use it here. # ...
실시간 스트림
import mediapipe as mp BaseOptions = mp.tasks.BaseOptions PoseLandmarker = mp.tasks.vision.PoseLandmarker PoseLandmarkerOptions = mp.tasks.vision.PoseLandmarkerOptions PoseLandmarkerResult = mp.tasks.vision.PoseLandmarkerResult VisionRunningMode = mp.tasks.vision.RunningMode # Create a pose landmarker instance with the live stream mode: def print_result(result: PoseLandmarkerResult, output_image: mp.Image, timestamp_ms: int): print('pose landmarker result: {}'.format(result)) options = PoseLandmarkerOptions( base_options=BaseOptions(model_asset_path=model_path), running_mode=VisionRunningMode.LIVE_STREAM, result_callback=print_result) with PoseLandmarker.create_from_options(options) as landmarker: # The landmarker is initialized. Use it here. # ...
이미지에 사용할 포즈 랜드마크를 만드는 전체 예는 다음을 참조하세요. 코드 예를 참고하세요.
구성 옵션
이 작업에는 Python 애플리케이션을 위한 다음과 같은 구성 옵션이 있습니다.
| 옵션 이름 | 설명 | 값 범위 | 기본값 |
|---|---|---|---|
running_mode |
작업의 실행 모드를 설정합니다. 세 가지
모드: IMAGE: 단일 이미지 입력 모드입니다. 동영상: 동영상의 디코딩된 프레임 모드입니다. LIVE_STREAM: 입력의 라이브 스트림 모드 데이터를 수집할 수 있습니다. 이 모드에서는 resultListener가 결과를 수신하도록 리스너를 설정하기 위해 호출 있습니다. |
{IMAGE, VIDEO, LIVE_STREAM} |
IMAGE |
num_poses |
에서 감지할 수 있는 최대 포즈 수입니다. 포즈 랜드마크 | Integer > 0 |
1 |
min_pose_detection_confidence |
자세 감지에 필요한 최소 신뢰도 점수입니다. 성공으로 간주됩니다. | Float [0.0,1.0] |
0.5 |
min_pose_presence_confidence |
포즈 존재의 최소 신뢰도 점수입니다. 점수가 몇 점인지 평가합니다. | Float [0.0,1.0] |
0.5 |
min_tracking_confidence |
자세 추적의 최소 신뢰도 점수입니다. 합격해야 합니다. | Float [0.0,1.0] |
0.5 |
output_segmentation_masks |
Pose TRADEMARKer에서 감지된 대상에 대해 세분화 마스크를 출력하는지 여부 있습니다. | Boolean |
False |
result_callback |
랜드마크 결과를 수신하도록 결과 리스너를 설정합니다.
비동기식으로 작동합니다.
달리기 모드가 LIVE_STREAM로 설정된 경우에만 사용할 수 있습니다. |
ResultListener |
N/A |
데이터 준비
입력을 이미지 파일 또는 NumPy 배열로 준비합니다.
그런 다음 mediapipe.Image 객체로 변환합니다. 입력이 동영상 파일인 경우
웹캠으로 라이브 스트리밍하는 경우
입력 프레임을 Numpy로 로드하는 OpenCV
배열입니다.
이미지
import mediapipe as mp # Load the input image from an image file. mp_image = mp.Image.create_from_file('/path/to/image') # Load the input image from a numpy array. mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)
동영상
import mediapipe as mp # Use OpenCV’s VideoCapture to load the input video. # Load the frame rate of the video using OpenCV’s CV_CAP_PROP_FPS # You’ll need it to calculate the timestamp for each frame. # Loop through each frame in the video using VideoCapture#read() # Convert the frame received from OpenCV to a MediaPipe’s Image object. mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
실시간 스트림
import mediapipe as mp # Use OpenCV’s VideoCapture to start capturing from the webcam. # Create a loop to read the latest frame from the camera using VideoCapture#read() # Convert the frame received from OpenCV to a MediaPipe’s Image object. mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
작업 실행
포즈 랜드마크는 detect, detect_for_video, detect_async를 사용합니다.
함수를 사용하여 추론을 트리거합니다. 포즈 랜드마크의 경우
입력 데이터를 전처리하고 이미지에서 포즈를 감지하는 것입니다.
다음 코드는 작업 모델로 처리를 실행하는 방법을 보여줍니다.
이미지
# Perform pose landmarking on the provided single image. # The pose landmarker must be created with the image mode. pose_landmarker_result = landmarker.detect(mp_image)
동영상
# Perform pose landmarking on the provided single image. # The pose landmarker must be created with the video mode. pose_landmarker_result = landmarker.detect_for_video(mp_image, frame_timestamp_ms)
실시간 스트림
# Send live image data to perform pose landmarking. # The results are accessible via the `result_callback` provided in # the `PoseLandmarkerOptions` object. # The pose landmarker must be created with the live stream mode. landmarker.detect_async(mp_image, frame_timestamp_ms)
다음에 유의하세요.
- 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 포즈 랜드마크 작업자 작업에 입력 프레임의 타임스탬프를 제공합니다.
- 이미지 또는 동영상 모델에서 실행하는 경우 포즈 랜드마크 작업 입력 이미지 처리가 완료될 때까지 현재 스레드를 차단하거나 있습니다.
- 라이브 스트림 모드에서 실행하면 포즈 랜드마크 작업이 반환됩니다. 현재 스레드를 차단하지 않습니다. 그러면 감지 결과를 수신 대기하는 리스너가 입력 프레임에 연결됩니다. 포즈 랜드마크 작업 시 감지 기능이 호출되는 경우 다른 프레임을 처리 중인 경우 작업은 새 입력 프레임을 무시합니다.
이미지에서 포즈 랜드마크를 실행하는 전체 예는 코드 예시 참조하세요.
결과 처리 및 표시
포즈 랜드마크는 각 감지마다 poseLandmarkerResult 객체를 반환합니다.
실행할 수 있습니다 결과 객체에는 각 포즈 랜드마크의 좌표가 포함됩니다.
다음은 이 작업의 출력 데이터 예시를 보여줍니다.
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)
출력에 정규화된 좌표 (Landmarks)와 세계가 모두 포함됩니다.
각 랜드마크의 좌표 (WorldLandmarks)입니다.
출력에는 다음과 같은 정규화된 좌표 (Landmarks)가 포함됩니다.
x및y: 이미지 너비 (x)와 높이 (y)입니다.z: 랜드마크 깊이로, 엉덩이 중간 지점의 깊이를 출처입니다. 값이 작을수록 랜드마크가 카메라에 더 가깝습니다. 이 z의 크기는x와 거의 동일한 배율을 사용합니다.visibility: 이미지 내에 랜드마크가 표시될 가능성입니다.
출력에는 다음의 세계 좌표 (WorldLandmarks)가 포함됩니다.
x,y,z: 미터 단위의 실제 3차원 좌표와 골반의 중간점을 기준으로 합니다.visibility: 이미지 내에 랜드마크가 표시될 가능성입니다.
다음 이미지는 작업 출력을 시각화한 것입니다.
선택사항인 세그먼테이션 마스크는 각 픽셀이 해당 영역에 속할 가능성을 전송됩니다 다음 이미지는 작업 출력:
포즈 랜드마크 도구 예제 코드는 자세히 알아보려면 코드 예시 참조하세요.