官網(wǎng)：https://google.github.io/mediapipe/

? 強(qiáng)大的MediaPipe可以實(shí)現(xiàn)視頻姿勢(shì)估計(jì)可以直接在cpu上運(yùn)行，可以在增強(qiáng)現(xiàn)實(shí)、手語(yǔ)識(shí)別、全身手勢(shì)控制，甚至量化體育鍛煉中將數(shù)字內(nèi)容和信息疊加到物理世界之上，它可以構(gòu)成瑜伽的基礎(chǔ)?、舞蹈和健身應(yīng)用。由于可能的姿勢(shì)多種多樣（例如，數(shù)百個(gè)瑜伽體式）、眾多的自由度、遮擋（例如，從相機(jī)看到的身體或其他物體遮擋了四肢）以及各種外觀或服裝。一種新的人體姿勢(shì)感知方法BlazePose，通過(guò)使用機(jī)器學(xué)習(xí) (ML) 從單個(gè)幀中推斷出身體的 33 個(gè)二維地標(biāo)，從而提供人體姿勢(shì)跟蹤。與基于標(biāo)準(zhǔn)COCO 拓?fù)涞漠?dāng)前姿勢(shì)模型相比，BlazePose 可以準(zhǔn)確定位更多關(guān)鍵點(diǎn)，使其特別適合健身應(yīng)用。此外，當(dāng)前最先進(jìn)的方法主要依賴強(qiáng)大的桌面環(huán)境進(jìn)行推理，而我們的方法通過(guò) CPU 推理在手機(jī)上實(shí)現(xiàn)實(shí)時(shí)性能。如果利用 GPU 推理，BlazePose 可實(shí)現(xiàn)超實(shí)時(shí)性能，使其能夠運(yùn)行后續(xù) ML 模型，如面部或手部跟蹤。

一. 處理圖片

二. 處理視頻流

三. 處理視頻后輸出