網頁版的姿勢地標偵測指南

MediaPipe 姿勢地標偵測器工作可偵測圖片或影片中的人體地標。您可以使用這項工作識別身體主要部位、分析姿勢，以及分類動作。這項工作會使用機器學習 (ML) 模型，處理單張圖片或影片。這項工作會輸出圖片座標和 3D 世界座標中的身體姿勢地標。

以下操作說明將說明如何使用網頁和 JavaScript 應用程式的姿勢地標工具。如要進一步瞭解這項工作的能力、模型和設定選項，請參閱「總覽」。

程式碼範例

Pose Landmarker 的程式碼範例提供以 JavaScript 完整實作這項工作的範例，供您參考。這段程式碼可協助您測試這項工作，並開始建構自己的姿勢地標應用程式。您只需使用網路瀏覽器，即可查看、執行及編輯姿勢地標範例。

設定

本節說明設定開發環境的主要步驟，以便使用 Pose Landmarker。如要瞭解如何設定網頁和 JavaScript 開發環境 (包括平台版本需求)，請參閱網頁設定指南。

JavaScript 套件

您可以透過 MediaPipe @mediapipe/tasks-vision NPM 套件取得 Pose Landmarker 程式碼。如要尋找及下載這些程式庫，請按照平台設定指南中的操作說明進行。

您可以使用下列指令，透過 NPM 安裝必要套件：

npm install @mediapipe/tasks-vision

如要透過內容傳遞聯播網 (CDN) 服務匯入工作程式碼，請在 HTML 檔案的 <head> 代碼中加入下列程式碼：

<!-- You can replace JSDeliver with another CDN if you prefer -->
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.mjs"
    crossorigin="anonymous"></script>
</head>

型號

MediaPipe 姿勢地標標註器工作需要與這項工作相容的訓練模型。如要進一步瞭解 Pose Landmarker 適用的訓練模型，請參閱工作總覽的「模型」一節。

選取並下載模型，然後儲存在專案目錄中：

<dev-project-root>/app/shared/models/

建立工作

使用其中一個 Pose Landmarker createFrom...() 函式，準備執行推論作業。使用 createFromModelPath() 函式，搭配訓練好的模型檔案的相對或絕對路徑。如果模型已載入記憶體，可以使用 createFromModelBuffer() 方法。

下方程式碼範例說明如何使用 createFromOptions() 函式設定工作。createFromOptions() 函式可讓您透過設定選項自訂 Pose Landmarker。如要進一步瞭解設定選項，請參閱「設定選項」。

下列程式碼示範如何使用自訂選項建構及設定工作：

const vision = await FilesetResolver.forVisionTasks(
  // path/to/wasm/root
  "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
);
const poseLandmarker = await poseLandmarker.createFromOptions(
    vision,
    {
      baseOptions: {
        modelAssetPath: "path/to/model"
      },
      runningMode: runningMode
    });

設定選項

這項工作提供下列網頁和 JavaScript 應用程式的設定選項：

選項名稱 說明 值範圍 預設值
runningMode 設定工作執行模式。有兩種模式：

IMAGE：單一圖片輸入模式。

VIDEO：用於影片解碼影格的模式，或用於輸入資料的直播，例如來自攝影機的資料。		 {IMAGE, VIDEO} IMAGE
numPoses Pose Landmarker 可偵測的姿勢數量上限。 Integer > 0 1
minPoseDetectionConfidence 姿勢偵測的最低信賴分數，達到這個分數才算成功。 Float [0.0,1.0] 0.5
minPosePresenceConfidence 姿勢存在分數的最低可信度分數，用於姿勢地標偵測。 Float [0.0,1.0] 0.5
minTrackingConfidence 姿勢追蹤的最低信賴度分數，達到這個分數才算成功。 Float [0.0,1.0] 0.5
outputSegmentationMasks Pose Landmarker 是否會輸出偵測到的姿勢的區隔遮罩。 Boolean False

準備資料

姿勢地標可偵測主機瀏覽器支援的任何格式圖片中的姿勢。這項工作也會處理資料輸入預先處理作業，包括調整大小、旋轉和值正規化。如要標記影片中的姿勢，可以使用 API 逐一快速處理每個影格，並根據影格的時間戳記，判斷姿勢在影片中出現的時間。

執行工作

姿勢地標工具會使用 detect() (執行模式為 IMAGE) 和 detectForVideo() (執行模式為 VIDEO) 方法觸發推論。這項工作會處理資料、嘗試標記姿勢地標，然後回報結果。

對 Pose Landmarker detect() 和 detectForVideo() 方法的呼叫會同步執行，並封鎖使用者插入的執行緒。如果偵測到裝置攝影機影像影格中的姿勢，每次偵測都會封鎖主執行緒。如要避免這種情況，請實作網頁工作人員，在另一個執行緒上執行 detect() 和 detectForVideo() 方法。

以下程式碼示範如何使用工作模型執行處理作業：

圖片

const image = document.getElementById("image") as HTMLImageElement;
const poseLandmarkerResult = poseLandmarker.detect(image);

影片

await poseLandmarker.setOptions({ runningMode: "VIDEO" });

let lastVideoTime = -1;
function renderLoop(): void {
  const video = document.getElementById("video");

  if (video.currentTime !== lastVideoTime) {
    const poseLandmarkerResult = poseLandmarker.detectForVideo(video);
    processResults(detections);
    lastVideoTime = video.currentTime;
  }

  requestAnimationFrame(() => {
    renderLoop();
  });
}

如要瞭解如何完整實作執行姿勢地標工作，請參閱範例。

處理及顯示結果

Pose Landmarker 會在每次偵測執行時傳回 poseLandmarkerResult 物件。結果物件包含每個姿勢地標的座標。

以下是這項工作的輸出資料範例：

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)

輸出結果會包含每個地標的標準化座標 (Landmarks) 和世界座標 (WorldLandmarks)。

輸出內容包含下列標準化座標 (Landmarks)：

  • x 和 y：地標座標，以圖片寬度 (x) 和高度 (y) 正規化，介於 0.0 和 1.0 之間。

  • z：地標深度，以髖部中點的深度為原點。值越小，地標越靠近攝影機。z 的量值與 x 大致使用相同的比例。

  • visibility：地標出現在圖片中的可能性。

輸出內容包含下列世界座標 (WorldLandmarks)：

  • x、y 和 z：以公尺為單位的真實世界 3D 座標，以臀部中點為原點。

  • visibility：地標出現在圖片中的可能性。

下圖顯示工作輸出內容的視覺化效果：

一名女性擺出冥想姿勢。她的姿勢會以線框標示，顯示四肢和軀幹的位置

選用的區隔遮罩代表每個像素屬於偵測到的人物的可能性。下圖是工作輸出內容的區隔遮罩：

前一張圖片的區隔遮罩，標示出女性的形狀

Pose Landmarker 範例程式碼示範如何顯示工作傳回的結果，請參閱範例