網頁版的姿勢地標偵測指南

MediaPipe Pose 地標工作可讓您偵測圖片或影片中的人體地標。您可以使用這項工作來識別關鍵主體位置、分析姿勢,以及將運動分類。這項工作採用的機器學習 (ML) 模型 適用於單一圖片或影片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在網路和 JavaScript 應用程式中使用 Pose Ranker。如要進一步瞭解此工作的功能、模型和設定選項,請參閱總覽

程式碼範例

Pose Landmarker 的範例程式碼提供這項任務的完整實作方式,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。只要使用網路瀏覽器,就可以查看、執行及編輯 Posemarker 範例程式碼

設定

本節將特別說明設定開發環境的重要步驟,以便用於使用 Pose 地標工具。如需瞭解如何設定網站和 JavaScript 開發環境的一般資訊,包括平台版本需求,請參閱網頁版設定指南

JavaScript 套件

您可以透過 MediaPipe @mediapipe/tasks-vision NPM 套件取得 Pose Ranker 代碼。您可以依照平台設定指南中的操作說明,尋找及下載這些程式庫。

您可以使用下列指令,透過 NPM 安裝所需套件:

npm install @mediapipe/tasks-vision

如要透過內容傳遞網路 (CDN) 服務匯入工作程式碼,請將下列程式碼加進 HTML 檔案的 <head> 標記中:

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

型號

MediaPipe Posemarker 工作需要使用與這項工作相容的已訓練模型。如要進一步瞭解 Pose Marker 可用的已訓練模型,請參閱工作總覽「模型」一節

選取並下載模型,然後將其儲存在專案目錄中:

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

建立工作

使用其中一個姿勢地標 createFrom...() 函式,準備執行推論工作。使用 createFromModelPath() 函式搭配已訓練模型檔案的相對或絕對路徑。如果模型已載入記憶體,您可以使用 createFromModelBuffer() 方法。

以下程式碼範例示範如何使用 createFromOptions() 函式設定工作。createFromOptions() 函式可讓您使用設定選項自訂「Pose 地標」工具。如要進一步瞭解設定選項,請參閱「設定選項」一文。

以下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

這項工作有以下網頁和 JavaScript 應用程式的設定選項:

選項名稱 說明 值範圍 預設值
runningMode 設定工作的執行模式。系統提供兩種模式:

IMAGE:單一圖片輸入的模式。

影片:這種模式為影片中解碼的影格或即時輸入資料 (例如攝影機) 的直播。
{IMAGE, VIDEO} IMAGE
numPoses 姿勢地標可以偵測到的姿勢數量上限。 Integer > 0 1
minPoseDetectionConfidence 判定姿勢偵測作業成功所需的最低可信度分數。 Float [0.0,1.0] 0.5
minPosePresenceConfidence 在姿勢地標偵測中,姿勢狀態分數的最小可信度分數 Float [0.0,1.0] 0.5
minTrackingConfidence 要判定姿勢追蹤成功的可信度分數下限, Float [0.0,1.0] 0.5
outputSegmentationMasks 是否要為偵測到的姿勢輸出區隔遮罩。 Boolean False

準備資料

Posemarker 可以用主機瀏覽器支援的任何格式偵測圖片中的姿勢。這項工作也會處理資料輸入預先處理,包括調整大小、旋轉和值正規化。為影片中的地標姿勢,您可以使用 API 一次快速處理一個影格,使用影格的時間戳記來確定該姿勢的發生時間。

執行工作

「Pose Ranker」會使用 detect() (執行模式 IMAGE) 和 detectForVideo() (執行模式 VIDEO) 方法來觸發推論。工作會處理資料、嘗試標示位置,然後回報結果。

對 Posemarker detect()detectForVideo() 方法發出的呼叫會同步執行,並封鎖使用者交替執行緒。如果從裝置攝影機的影片影格中偵測到姿勢,每次偵測都會封鎖主執行緒。如要避免這種情況發生,您可以實作網路 worker,在其他執行緒上執行 detect()detectForVideo() 方法。

下列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();
  });
}

如需更完整的導入程序,請參閱程式碼範例

處理並顯示結果

Pose 地標 er 會在每次執行偵測時傳回 poseLandmarkerResult 物件。結果物件含有每個姿勢地標的座標。

以下為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)

輸出結果同時包含每個地標的正規化座標 (Landmarks) 和世界座標 (WorldLandmarks)。

輸出結果包含以下正規化座標 (Landmarks):

  • xy:地標座標介於 0.0 到 1.0 之間,依照圖片寬度 (x) 和高度 (y) 進行正規化。

  • z:地標深度,以臀部中間點為起點。值越小,地標與相機鏡頭越近。Z 規模使用的縮放比例與 x 大致相同。

  • visibility:地標在圖片中可見的可能性。

輸出結果包含以下世界座標 (WorldLandmarks):

  • xyz:實際 3 維座標 (以公尺為單位),以臀部中間點做為起點。

  • visibility:地標在圖片中可見的可能性。

下圖以視覺化方式呈現工作輸出內容:

選用的區隔遮罩代表每個像素屬於偵測到人員的可能性。下圖是工作輸出的區隔遮罩:

Pose Ranker 範例程式碼會示範如何顯示工作傳回的結果,請參閱程式碼範例