西安建设网站的公司哪家好会议网站建设的意义

当前位置： 首页 > news >正文

西安建设网站的公司哪家好,会议网站建设的意义,网站建设网站的好处,wordpress 查看大图原文#xff1a;MindPythonMediapipe项目——AI健身之跳绳 - DF创客社区 - 分享创造的喜悦 【项目背景】跳绳是一个很好的健身项目#xff0c;为了获知所跳个数#xff0c;有的跳绳上会有计数器。但这也只能跳完这后看到#xff0c;能不能在跳的过程中就能看到#xff0c;… 原文MindPythonMediapipe项目——AI健身之跳绳 - DF创客社区 - 分享创造的喜悦 【项目背景】跳绳是一个很好的健身项目为了获知所跳个数有的跳绳上会有计数器。但这也只能跳完这后看到能不能在跳的过程中就能看到这样能让我们坚持跳的更多更有趣味性。【项目设计】 通过MindPython模式下加载Google的开源Mediapipe人工智能算法库识别人体姿态来判断跳绳次数并通过Pinpong库控制LED灯实时显示次数。【测试程序】 测试程序中使用人体姿态2324两坐标点中点与标准点的比较来确认跳绳完成程度。import numpy as np import time import cv2 import PoseModule as pm cap cv2.VideoCapture(tiaosheng.mp4) detector pm.poseDetector() count 0 dir 0 pTime 0 successTrue point_sd0 while success:   success, img cap.read()   if success:     img cv2.resize(img, (640, 480))     img detector.findPose(img, False)     lmList detector.findPosition(img, False)         if len(lmList) ! 0:                  point detector.midpoint(img, 24, 23)         if point_sd0:             point_sdpoint             print(point_sd[y])         # 计算个数         print(point[y])         if point[y] point_sd[y]15:                       if dir 0:                 count 0.5                 dir 1         if point[y]point_sd[y]5:                      if dir 1:                 count 0.5                 dir 0         #print(count)         cv2.putText(img, str(int(count)), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8)     cTime time.time()     fps 1 / (cTime - pTime)     pTime cTime     cv2.putText(img, str(int(fps)), (50, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5)     cv2.imshow(Image, img)     cv2.waitKey(1) 复制代码【PoseModule.py】 上面程序用到的“PoseModule.py”文件中在”poseDetector“类中增加了“midpoint”函数用于求两点的中点坐标。 import math import mediapipe as mp import cv2 class poseDetector():     def init(self, modeFalse, upBodyFalse, smoothTrue,                  detectionCon0.5, trackCon0.5):         self.mode mode         self.upBody upBody         self.smooth smooth         self.detectionCon detectionCon         self.trackCon trackCon         self.mpDraw mp.solutions.drawing_utils         self.mpPose mp.solutions.pose         self.pose self.mpPose.Pose(self.mode, self.upBody, self.smooth,                                      self.detectionCon, self.trackCon)     def findPose(self, img, drawTrue):         imgRGB cv2.cvtColor(img, cv2.COLOR_BGR2RGB)         self.results self.pose.process(imgRGB)         if self.results.pose_landmarks:             if draw:                 self.mpDraw.draw_landmarks(img, self.results.pose_landmarks,                                            self.mpPose.POSE_CONNECTIONS)         return img     def findPosition(self, img, drawTrue):         self.lmList []         if self.results.pose_landmarks:             for id, lm in enumerate(self.results.pose_landmarks.landmark):                 h, w, c img.shape                 # print(id, lm)                 cx, cy int(lm.x * w), int(lm.y * h)                 self.lmList.append([id, cx, cy])                 if draw:                     cv2.circle(img, (cx, cy), 5, (255, 0, 0), cv2.FILLED)         return self.lmList     def midpoint(self,img,p1,p2,drawTrue):         x1, y1 self.lmList[p1][1:]         x2, y2 self.lmList[p2][1:]         x3int((x1x2)/2)         y3int((y1y2)/2)         if draw:          cv2.circle(img, (x3, y3), 10, (0, 0, 255), cv2.FILLED)          cv2.circle(img, (x3, y3), 15, (0, 0, 255), 2)         point{x:x3,y:y3}         return point     def findAngle(self, img, p1, p2, p3, drawTrue):         # Get the landmarks         x1, y1 self.lmList[p1][1:]         x2, y2 self.lmList[p2][1:]         x3, y3 self.lmList[p3][1:]         # Calculate the Angle         angle math.degrees(math.atan2(y3 - y2, x3 - x2) -                              math.atan2(y1 - y2, x1 - x2))         if angle 0:             angle 360         # print(angle)         # Draw         if draw:             cv2.line(img, (x1, y1), (x2, y2), (255, 255, 255), 3)             cv2.line(img, (x3, y3), (x2, y2), (255, 255, 255), 3)             cv2.circle(img, (x1, y1), 10, (0, 0, 255), cv2.FILLED)             cv2.circle(img, (x1, y1), 15, (0, 0, 255), 2)             cv2.circle(img, (x2, y2), 10, (0, 0, 255), cv2.FILLED)             cv2.circle(img, (x2, y2), 15, (0, 0, 255), 2)             cv2.circle(img, (x3, y3), 10, (0, 0, 255), cv2.FILLED)             cv2.circle(img, (x3, y3), 15, (0, 0, 255), 2)             cv2.putText(img, str(int(angle)), (x2 - 50, y2 50),                         cv2.FONT_HERSHEY_PLAIN, 2, (0, 0, 255), 2)         return angle 复制代码【测试网络视频】 【存在的问题】 测试结果令人比较满意但这里存在这样两个问题1、标准点point_sd这个坐标是以视频开始第一帧画面是站在原地未起跳为前提。 2、标准点纵坐标的判定区间point_sd[y]5与 point_sd[y]15是根据运行后的数据人为分析出来的只对这一段视频有效不具有通用性。【解决问题思路】 1、在正式跳绳计数前先试跳通过数据分析出标准点、判定区间防止数据在判定点抖动出现错误计数。在上个程序中判定点为point_sd[y]10。 2、以手势控制屏幕上的虚拟按钮来分析初始化数据并启动跳绳计数及终止计数。【解决问题步骤】 第一步实现手势控制屏幕按钮。 程序中使用了计时器以防止连续触发问题。 import cv2 import numpy as np import time import os import HandTrackingModule as htm ####################### brushThickness 25 eraserThickness 100 ######################## drawColor (255, 0, 255) cap cv2.VideoCapture(0) cap.set(3, 640) cap.set(4, 480) detector htm.handDetector(detectionCon0.65,maxHands1) imgCanvas np.zeros((480, 640, 3), np.uint8) rect[(20, 20), (120, 120)] font cv2.FONT_HERSHEY_SIMPLEX cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) cv2.putText(imgCanvas, SET, (45,85), font, 1, drawColor, 2) bs0 bs20 while True: # 1. Import image success, img cap.read() if success:   img cv2.flip(img, 1) # 2. Find Hand Landmarks   img detector.findHands(img)   lmList detector.findPosition(img, drawFalse)      if len(lmList) !0:    # tip of index and middle fingers    x1, y1 lmList[8][1:]    x2, y2 lmList[12][1:] # 3. Check which fingers are up    fingers detector.fingersUp() # print(fingers) # 5.  Index finger is up    if fingers[1] and fingers[2] False:     cv2.circle(img, (x1, y1), 15, drawColor, cv2.FILLED)     if bs21:       if time.time()-time_start3:          bs20     else:            if x1rect[0][0] and x1rect[1][0] and y1rect[0][1] and y1rect[1][1]:       if bs0:        print(OK)        imgCanvas np.zeros((480, 640, 3), np.uint8)        cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2)        cv2.putText(imgCanvas, STOP, (30,85), font, 1, drawColor, 2)        bs1        bs21        time_starttime.time()       else:        imgCanvas np.zeros((480, 640, 3), np.uint8)       imgGray cv2.cvtColor(imgCanvas, cv2.COLOR_BGR2GRAY)      img cv2.bitwise_or(img,imgCanvas) # img cv2.addWeighted(img,0.5,imgCanvas,0.5,0)   cv2.imshow(Image, img)   cv2.waitKey(1) 复制代码 上面程序引用的“HandTrackingModule.py”文件。 import cv2 import mediapipe as mp import time import math import numpy as np class handDetector():     def init(self, modeFalse, maxHands2, detectionCon0.8, trackCon0.5):         self.mode mode         self.maxHands maxHands         self.detectionCon detectionCon         self.trackCon trackCon         self.mpHands mp.solutions.hands         self.hands self.mpHands.Hands(self.mode, self.maxHands,         self.detectionCon, self.trackCon)         self.mpDraw mp.solutions.drawing_utils         self.tipIds [4, 8, 12, 16, 20]     def findHands(self, img, drawTrue):         imgRGB cv2.cvtColor(img, cv2.COLOR_BGR2RGB)         self.results self.hands.process(imgRGB)     # print(results.multi_hand_landmarks)         if self.results.multi_hand_landmarks:             for handLms in self.results.multi_hand_landmarks:                 if draw:                     self.mpDraw.draw_landmarks(img, handLms,                     self.mpHands.HAND_CONNECTIONS)         return img     def findPosition(self, img, handNo0, drawTrue):         xList []         yList []         bbox []         self.lmList []         if self.results.multi_hand_landmarks:             myHand self.results.multi_hand_landmarks[handNo]             for id, lm in enumerate(myHand.landmark):             # print(id, lm)                 h, w, c img.shape                 cx, cy int(lm.x * w), int(lm.y * h)                 xList.append(cx)                 yList.append(cy)             # print(id, cx, cy)                 self.lmList.append([id, cx, cy])                 if draw:                     cv2.circle(img, (cx, cy), 5, (255, 0, 255), cv2.FILLED)             xmin, xmax min(xList), max(xList)             ymin, ymax min(yList), max(yList)             bbox xmin, ymin, xmax, ymax             if draw:                 cv2.rectangle(img, (xmin - 20, ymin - 20), (xmax 20, ymax 20),         (0, 255, 0), 2)         return self.lmList     def fingersUp(self):         fingers []     # Thumb         if self.lmList[self.tipIds[0]][1] self.lmList[self.tipIds[0] - 1][1]:             fingers.append(1)         else:             fingers.append(0)     # Fingers         for id in range(1, 5):             if self.lmList[self.tipIds[id]][2] self.lmList[self.tipIds[id] - 2][2]:                 fingers.append(1)             else:                 fingers.append(0)         # totalFingers fingers.count(1)         return fingers     def findDistance(self, p1, p2, img, drawTrue,r15, t3):         x1, y1 self.lmList[p1][1:]         x2, y2 self.lmList[p2][1:]         cx, cy (x1 x2) // 2, (y1 y2) // 2         if draw:             cv2.line(img, (x1, y1), (x2, y2), (255, 0, 255), t)             cv2.circle(img, (x1, y1), r, (255, 0, 255), cv2.FILLED)             cv2.circle(img, (x2, y2), r, (255, 0, 255), cv2.FILLED)             cv2.circle(img, (cx, cy), r, (0, 0, 255), cv2.FILLED)             length math.hypot(x2 - x1, y2 - y1)         return length, img, [x1, y1, x2, y2, cx, cy] 复制代码第二步分析数据得到判定点纵坐标。思路是坐标数据是上下波动将数据中的波峰和波谷分别提取出来计算均值然后取中值和差值。中值为判定点差值用来确定判定区域。波峰和波谷的判定采用的是两边数据与当前数据做差值看差值方向如果方向相反即为峰值。但这里就存在Mediapipe识别准确度的问题可能在上升或下降的过程中数据不平滑出现数据波动。可能在分析时出现误判采集到错误的峰值。后期可采用滤波算法处理此问题。现在看效果还不错。 import numpy as np import time import cv2 import PoseModule as pm import math def max_min(a): h [] l [] for i in range(1, len(a)-1):     if(a[i-1] a[i] and a[i1] a[i]):         h.append(a[i])     elif(a[i-1] a[i] and a[i1] a[i]):         l.append(a[i]) if(len(h) 0):     h.append(max(a)) if(len(l) 0):     l.append(min(a[a.index(max(a)):])) mid(np.mean(h)np.mean(l))/2 print(int(mid),int(np.mean(h)-np.mean(l))) return(int(mid),int(np.mean(h)-np.mean(l))) cap cv2.VideoCapture(tiaosheng.mp4) detector pm.poseDetector() count 0 dir 0 pTime 0 successTrue point[] while success:   success, img cap.read()   if success:     img cv2.resize(img, (640, 480))     img detector.findPose(img, False)     lmList detector.findPosition(img, False)         if len(lmList) ! 0:         point_temdetector.midpoint(img, 24, 23)         point.append(point_tem[y])         cv2.putText(img, str(point_tem[y]), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8)     cTime time.time()     fps 1 / (cTime - pTime)     pTime cTime     cv2.putText(img, str(int(fps)), (50, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5)     cv2.imshow(Image, img)     cv2.waitKey(1) max_min(point) cap.release() cv2.destroyAllWindows() 复制代码     最终得到“304 26”为“中值 差值”   【完整程序】 将以上分段程序进行整合得到完整程序并进行实地测试。纯手工敲码 import cv2 import numpy as np import time import os import HandTrackingModule as htm import PoseModule as pm #计算判定点 def max_min(a): h [] l [] for i in range(1, len(a)-1):     if(a[i-1] a[i] and a[i1] a[i]):         h.append(a[i])     elif(a[i-1] a[i] and a[i1] a[i]):         l.append(a[i]) if(len(h) 0):     h.append(max(a)) if(len(l) 0):     l.append(min(a[a.index(max(a)):])) mid(np.mean(h)np.mean(l))/2 print(int(mid),int(np.mean(h)-np.mean(l))) return(int(mid),int(np.mean(h)-np.mean(l))) ####################### brushThickness 25 eraserThickness 100 ######################## drawColor (255, 0, 255) cap cv2.VideoCapture(0) cap.set(3, 640) cap.set(4, 480) detector_hand htm.handDetector(detectionCon0.65,maxHands1) detector_pose pm.poseDetector() imgCanvas np.zeros((480, 640, 3), np.uint8) rect[(20, 20), (120, 120)] font cv2.FONT_HERSHEY_SIMPLEX cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) cv2.putText(imgCanvas, SET, (45,85), font, 1, drawColor, 2) bs0 bs20 bs30 point[] count0 pTime 0 dire0 while True: success, img cap.read() if success:       img cv2.flip(img, 1)       if bs1 and bs20:        if bs31:          if time.time()-time_start4:           cv2.putText(img, str(3-int(time.time()-time_start)), (300, 240), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5)          else:           bs30           time_starttime.time()        else:           if time.time()-time_start11:             img detector_pose.findPose(img, False)             lmList detector_pose.findPosition(img, False)                 if len(lmList) ! 0:                 point_temdetector_pose.midpoint(img, 24, 23)                 point.append(point_tem[y])                 cv2.putText(img, str(point_tem[y]), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8)             cv2.putText(img, str(10-int(time.time()-time_start)), (500, 460), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5)           else:               point_sd,lmax_min(point)               bs2               cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2)               cv2.putText(imgCanvas, START, (30,85), font, 1, drawColor, 2)                 if bs3 and bs20:          if bs31:          if time.time()-time_start4:           cv2.putText(img, str(3-int(time.time()-time_start)), (300, 240), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5)          else:           bs30           time_starttime.time()        else:           img detector_pose.findPose(img, False)           lmList detector_pose.findPosition(img, False)               if len(lmList) ! 0:             point detector_pose.midpoint(img, 24, 23)             if point[y] point_sdl/4:                         if dire 0:                 count 0.5                 dire 1             if point[y]point_sd-l/4:                        if dire 1:                 count 0.5                 dire 0                    cv2.putText(img, str(int(count)), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8)         if bs21:#等待三秒          if time.time()-time_start4:             bs20             time_starttime.time()                             else:         #手势操作         img detector_hand.findHands(img)         lmList detector_hand.findPosition(img, drawFalse)         if len(lmList) !0:          x1, y1 lmList[8][1:]          x2, y2 lmList[12][1:]          fingers detector_hand.fingersUp()          #出示食指          if fingers[1] and fingers[2] False:           cv2.circle(img, (x1, y1), 15, drawColor, cv2.FILLED)                if x1rect[0][0] and x1rect[1][0] and y1rect[0][1] and y1rect[1][1]:#食指进入按钮区域            if bs0:             print(OK)             imgCanvas np.zeros((480, 640, 3), np.uint8)             bs1             bs21             bs31             time_starttime.time()            elif bs1:             imgCanvas np.zeros((480, 640, 3), np.uint8)             bs21             bs31             time_starttime.time()            elif bs2:             imgCanvas np.zeros((480, 640, 3), np.uint8)             cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2)             cv2.putText(imgCanvas, STOP, (30,85), font, 1, drawColor, 2)             bs3               bs21             bs31             time_starttime.time()            elif bs3:             imgCanvas np.zeros((480, 640, 3), np.uint8)             cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2)             cv2.putText(imgCanvas, START, (30,85), font, 1, drawColor, 2)             bs2               bs21             bs31             time_starttime.time()       cTime time.time()       fps 1 / (cTime - pTime)       pTime cTime       cv2.putText(img, str(int(fps)), (500, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5)       imgGray cv2.cvtColor(imgCanvas, cv2.COLOR_BGR2GRAY)       img cv2.bitwise_or(img,imgCanvas)       cv2.imshow(Image, img)       cv2.waitKey(1) 复制代码 【计数炫灯】 使用Pinpong库连接Micro:bit控制LED灯随跳绳次数增加亮灯数。