基于 OpenCV 与 Mediapipe 的二头肌弯举追踪器构建指南：从环境搭建到实时计数的完整实现

什么是姿态估计？

在深入探讨项目技术细节之前，有必要先了解姿态估计的概念。姿态估计是计算机视觉中的一项技术，通过检测身体的关键点（或称 “标记点”），如肘部、肩部、手腕和臀部等，来追踪和分析人体运动。

通过连接这些标记点，我们可以绘制出人体轮廓，并测量不同身体部位的运动和角度。

简单来说，姿态估计能让计算机识别出人体所处的姿势。无论你是站立、坐着，还是做举哑铃等特定动作，姿态估计都能实时确定每个关节的位置及其运动方式。

利用姿态估计追踪运动的能力，使其成为构建需要用户交互的应用程序的理想工具，包括健身追踪器、互动游戏、虚拟现实和基于手势的界面等应用。

什么是 Mediapipe？

Mediapipe 由谷歌开发，是一个机器学习框架，简化了实时人体姿态估计、手部追踪、面部检测等系统的构建过程。它提供了预构建模型，能够高精度、快速地检测人体、手部或面部的关键点。

Mediapipe 设计具有高度的灵活性和效率，非常适合移动设备和实时应用。它采用复杂的机器学习算法来追踪人体标记点，是我们运动追踪器项目的完美工具。

以下是 Mediapipe 成为我们项目最佳选择的原因：

• 实时性能：Mediapipe 能够快速处理视频帧，为用户提供实时反馈；

• 准确性：它能高精度地检测人体最细微的运动；

• 易用性：它与 Python 无缝集成，初学者易于实现。

Mediapipe 与 OpenCV 相结合，使我们能够捕获并分析二头肌弯举追踪器所需的身体运动数据。

步骤 1：安装 OpenCV 和 Mediapipe

项目的第一步是搭建必要的工具。我们首先安装了 OpenCV 和 Mediapipe 库，这两个库对于捕获视频和检测姿态至关重要。

我们向学生解释，这个过程就像做饭前准备食材一样，是开始构建项目前必不可少的步骤。

安装过程如下：

安装完成后，我们在 Python 脚本中导入了必要的模块：

在我们的项目中，OpenCV 负责视频捕获，而 Mediapipe 负责检测姿态。这两个库协同工作，共同构建二头肌弯举追踪器。

步骤 2：使用 OpenCV 捕获视频

在这一步中，我们讲解了 OpenCV 如何从电脑摄像头捕获视频。摄像头的每一帧都会经过处理，使我们能够实时查看和分析运动。

我们按以下方式捕获视频：

当摄像头开始工作，学生们在屏幕上看到自己时，都兴奋不已。借助 OpenCV，他们能够实时可视化每一帧画面。

步骤 3：使用 Mediapipe 检测身体关节

下一步是使用 Mediapipe 检测肩部、肘部和手腕等特定身体关节。Mediapipe 的姿态估计算法使这一过程变得简单。它能提供身体不同部位的关键点（标记点），我们可利用这些点来追踪运动。

我们首先搭建了 Mediapipe 姿态模型，还设置了 Mediapipe 的绘图和姿态工具。

对于视频的每一帧，Mediapipe 都会检测姿态和标记点：

这段代码有助于可视化身体标记点，在肩部、肘部和手腕等关节处显示出点。

步骤 4：估计姿态

现在我们已经具备了所需的依赖库，接下来将搭建摄像头馈送并开始检测姿态。

该脚本从摄像头捕获视频并进行姿态估计，在屏幕上可视化检测到的姿态。你会看到 Mediapipe 如何实时识别你身体上的关键点。

步骤 5：提取关节坐标

接下来，我们将提取特定关节的坐标。这对于后续计算角度至关重要。

要获取特定关节，我们使用姿态标记点列表中的索引。例如，可按以下方式获取左肩的坐标：

步骤 6：计算关节角度

为了构建运动追踪器，我们需要计算二头肌在弯举过程中不同时刻的角度。这需要运用一些简单的三角学知识，我们通过一个函数来教学生计算肩部、肘部和手腕这三个点之间的角度。

我们按以下方式计算角度：

该函数接收肩部、肘部和手腕的坐标，计算二头肌弯举过程中肘关节的角度。

现在我们可以使用这个函数来计算肘关节的角度：

步骤 5：构建二头肌弯举计数器

有了角度计算的基础，我们现在可以构建运动追踪器的核心部分 —— 二头肌弯举计数器！该计数器将根据肘部的角度来追踪弯举的次数。

我们设置了一个计数器变量来记录完成的弯举次数，以及一个阶段变量来判断手臂处于 “上” 还是 “下” 的位置。

这种逻辑确保每当肘部从 “下” 位置（角度＞160°）移动到 “上” 位置（角度＜30°）时，就计为一次弯举。

步骤 6：整合代码构建二头肌弯举追踪器

最后，我们将所有内容整合起来，创建二头肌弯举追踪器。我们将根据肘关节角度的变化来计数弯举次数。

整合所有代码后：

通过这些步骤，你已经构建了一个二头肌弯举追踪器，它能计数你的重复次数，并实时显示手臂位置的阶段（上或下）。

整体工作演示

实施新想法

Mediapipe 和 OpenCV 的应用潜力是无穷的。理解了基础知识后，你可以扩展这个运动监测系统，使其能够追踪其他运动，如深蹲、俯卧撑，甚至瑜伽姿势。这些应用不仅能提供实时反馈，还能让运动变得更有趣、更具吸引力。

让运动变得有趣且具激励性

鼓励人们运动的一种方式是将运动体验游戏化。你可以创建一个排行榜，让用户与朋友竞争；设置健身目标徽章，激励用户达成目标；甚至可以与社交媒体整合，方便用户分享自己的运动进度。当用户达成目标时，提供音频反馈或视觉提示，也能提升用户体验。

这个项目最令人兴奋的部分之一是学生们提出了如何利用这项技术让健身变得有趣的想法。通过让用户追踪自己的动作，他们可以实时看到自己完成了多少次二头肌弯举。他们还了解到，这种技术可以扩展应用于追踪其他运动，如深蹲、俯卧撑或瑜伽姿势。

学生们讨论了添加一些功能，例如：

• 排行榜：学生们可以比拼谁做的弯举次数最多；

• 挑战：每周设定健身目标，追踪一段时间内的进度；

• 个性化设置：改变设计并添加音效，使其感觉像一款视频游戏。

这些想法让他们认识到技术与健康融合的潜力，鼓励他们创造性地思考如何解决现实世界中的问题。