MediaPipe在实时图像处理中的应用有哪些？

本文共计1235个文字，预计阅读时间需要5分钟。

目录- 骨骼识别的应用场景- 骨骼识别的实现原理- 环境准备- 代码实战- 运行与效果- 总结- 骨骼识别的应用场景- 如此，当前疫情大环境下。

目录

• 骨骼识别的应用场景
• 骨骼识别的实现原理
• 环境准备
• 代码实战
• 运行与效果
• 总结

骨骼识别的应用场景

如今，当前疫情大环境之下。很多人，因为居家办公或者其他原因闷在家里不能外出健身。那么，借助骨骼识别和卷积神经网络模型，计算机视觉开发者可以通过相对应的API，结合相对轻量化一些的卷积神经网络模型，来构建如Keep这类的线上锻炼监督APP。

用户通过将摄像头对准自己，使得神经网络能过精确地通过人体骨骼框架，判断出用户是否有在“认认真真”的做运动。

骨骼网络也可以应用在3D模型构建中，通过将获取到的骨骼网络信息，与Unity或虚幻等引擎中的3D模型进行动态绑定，即可得到属于自己的虚拟人物形象。

骨骼识别的实现原理

通过观察MediaPipe的官方文档，我们可以看到

MediaPipe是通过两套深度神经网络：即基于GHUM模型的BlazePose和ResNet50模型的AlphaPose。