姿态估计
Pose Estimation
📌 项目介绍
姿态估计用于实时检测人体的 33 个关键点（头、肩、肘、腕、髋、膝、踝等），把身体骨架画在画面上。
采用 MediaPipe Pose 模型 + OpenCV 画面采集，cvzone 的 PoseModule 封装了完整流程。它是 AI 健身教练、动作捕捉、体感交互等项目的公共基础。
🧰 环境与物料
- 电脑 + 摄像头
- Python 3.7+ 环境
- pip 安装：opencv-python、mediapipe、cvzone
- （可选）全身/半身拍摄范围较大的空间
🔧 步骤拆解
1
安装依赖
pip install opencv-python mediapipe cvzone
确认摄像头驱动可用
2
打开摄像头
VideoCapture 读帧，保持画面稳定
建议背景简单、人站在画面中央
3
初始化姿态检测器
用 PoseModule 实例化检测器
检测置信度不足时可开启静态模式提高稳定性（更耗算力）
4
绘制骨架
findPose() 完成检测与骨架绘制
通过参数控制是否显示关键点与连线
5
提取坐标与角度
lmList 提供 33 个关键点坐标
用两两关节向量计算夹角，为动作判断做准备
6
应用到健身/体感项目
角度阈值判断动作是否标准（如深蹲角度）
这是 AI 健身教练项目的核心前置模块
💡 要点提示
- 人离摄像头太远或太近都会降低关键点精度，保持全身在画面内
- 侧面视角对肘/膝角度计算更准确，正面视角容易自遮挡
- 追求帧率时可以只画关键点不画连线，减少绘图开销