Python实时追踪关键点组成人体模型

项目背景

最近遇到这样一个需求：

1：实时追踪关键点组成人体模型（手臂包括三个点：手腕，肘关节，双肩；腿部包括胯骨，膝盖，脚踝）
2：运用追踪到的关键点分析计算出的关键数据包括手臂弯曲角度，双脚间距离与肩宽的比例，重心相对高度，步频，弹跳相对高度
3：界面
3.1：带追踪到的关键点的实时追踪画面
3.1：计算出的实时相关数据（2中列出的）
3.2：各个数据的合格标识符（在范围内为绿色，在范围外为红色）（每个数据范围随便设置，能体现三个状态就行，及小于范围，范围内，大于范围）
3.3：针对每个数据提出一条建议，判断数据在3.2括号内的哪种范围，以步频为例，小于范围就建议加快步频，在范围内就建议保持状态，大于范围就建议请降低步频
4：提供方式：网页
5：主要编程语言：Python

基本原理及概念

使用深度学习算法，如OpenPose或PoseNet，实时检测视频帧中的人体姿态。
从检测到的姿态中提取关键点，包括手腕、肘关节、双肩、胯骨、膝盖和脚踝。
计算关键数据，如手臂弯曲角度、双脚间距离与肩宽的比例、重心相对高度、步频和弹跳相对高度。
使用Python的Flask或Django框架创建网页，展示实时追踪画面、计算出的实时相关数据以及各个数据的合格标识符和建议。

示例代码

以下是个简单的Flask应用示例，用于展示实时追踪画面和计算出的实时相关数据：

from flask import Flask, render_template
import cv2

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

def gen():
    cap = cv2.VideoCapture(0)
    while True:
        ret, frame = cap.read()
        if ret:
            # 在此处添加关键点检测和数据计算的代码
            # ...
            # 将处理后的帧转换为JPEG格式并返回
            ret, jpeg = cv2.imencode('.jpg', frame)
            yield (b'--frame\r\n'
                   b'Content-Type: image/jpeg\r\n\r\n' + jpeg.tobytes() + b'\r\n')

@app.route('/video_feed')
def video_feed():
    return Response(gen(),
                    mimetype='multipart/x-mixed-replace; boundary=frame')

if __name__ == '__main__':
    app.run(debug=True)

在index.html文件中，可以使用以下代码展示实时追踪画面和计算出的实时相关数据：

<!DOCTYPE html>
<html>
<head>
   <title>实时追踪关键点组成人体模型</title>
</head>
<body>
    <h1>实时追踪画面</h1>
    <img src="{{ url_for('video_feed') }}" alt="Video" width="640" height="480">
    <h1>实时相关数据</h1>
    <ul>
        <li>手臂弯曲角度: {{ elbow_angle }}°</li>
        <li>双脚间距离与肩宽的比例: {{ leg_width_ratio }}</li>
        <li>重心相对高度: {{ center_of_mass_height }}</li>
        <li>步频: {{ step_frequency }}</li>
        <li>弹跳相对高度: {{ bounce_height_ratio }}</li>
    </ul>
</body>
</html>

核心代码：

# 以 OpenPose 为例，使用 OpenPose 进行人体姿势估计并获取关键点信息

import cv2
import numpy as np
import openpose

# 初始化 OpenPose 模型
params = {"model_folder": "openpose/models/"}
opWrapper = openpose.WrapperPython()
opWrapper.configure(params)
opWrapper.start()

# 读取视频流
cap = cv2.VideoCapture('input_video.mp4')

while True:
    # 读取视频帧
    ret, frame = cap.read()
    
    # 将帧传递给 OpenPose 模型进行处理
    datum = openpose.Datum()
    datum.cvInputData = frame
    opWrapper.emplaceAndPop([datum])

    # 获取关键点信息
    keypoints = datum.poseKeypoints

    # 在画面上绘制关键点
    if keypoints is not None:
        for person in keypoints:
            for point in person:
                cv2.circle(frame, (int(point[0]), int(point[1])), 3, (0, 255, 0), -1)

    # 显示结果
    cv2.imshow("OpenPose Output", frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()