初期文章的分享，咱們簡介了YOLOv7人體姿勢預計的文章并且MediaPipe人體姿勢預計方面的文章。因為YOLOv7與MediaPipe都闊以進行人體姿勢預計，咱們本期就對照一下2個算法的不同點。

借用機械學習，進行人體33個2D姿勢探測與評價

人工自動行業(yè)也卷了嗎——YOLO系列又被更新了，YOLOv7橫空出生

基于深度學習的人體姿勢預計

自2014年Google初次公布DeepPose此后，基于深度學習的姿勢預計算法已然獲得了較大的進步。這類算法往往分2個階段工作。

職員探測

主要點定位

依據設施[CPU/GPU/TPU]的不同，不同框架的功能有所不同。有不少兩階段姿勢預計模型在基準測驗中體現(xiàn)優(yōu)良，比如：Alpha Pose、OpenPose、Deep Pose等等。但是，因為兩階模型相對高難，獲取的實時功能十分昂貴。這類模型在GPU上運作得很快，而在CPU上運作的較慢。就效益和確切性而言，MediaPipe是1個較好的姿勢預計框架。它在CPU上形成實時探測，且速率很快。

YOLOv7

與傳統(tǒng)的姿勢預計算法不同，YOLOv7姿勢是1個單級多人主要點探測器。它擁有自頂向下和自底向上兩類方式中的好處。YOLOv7姿勢是在COCO信息集上訓練的，初期的文章咱們也分享過YOLOv7人體姿勢探測的代碼。

YOLOv7 是 YOLO 系列中最超前的新式物體探測器。依據論文，它是迄今為止最快、最確切的實時物體探測算法。依據 YOLOv7 論文，最佳的模型獲取了 56.8% 的平均精度（AP），這是一切已知目標探測算法中最高的。各類模型的速率范疇為 5-160 FPS。與根基模型相比，YOLOv7 將參數數目減小到40%，計算量減小 50%。

MediaPipe人體姿勢探測

MediaPipe 是一款由 Google Research 開發(fā)并開源的多媒體機械學習模型運用框架。在谷歌，一系列首要成品，如 、Google Lens、ARCore、Google Home 并且 ，都已深度整合了 MediaPipe。

MediaPipe 的中心框架由 C++ 實行，并供應 Java 并且 Objective C 等話語的撐持。MediaPipe 的首要概念含蓋信息包（Packet）、信息流（Stream）、計算單元（Calculator）、圖（Graph）并且子圖（Subgraph）。

MediaPipe Pose是用來高保真人體姿態(tài)追蹤的ML解決計劃，借用BlazePose研發(fā)成果，還從ML Kit Pose Detection API中獲取了RGB視頻幀的全部33個2D標注（或25個上身標注）。當下最超前的方式首要依附壯大的桌面環(huán)境進行推斷，而MediaPipe Pose的方式可在大多數當代手機，乃至是Web上實行實時功能。

MediaPipe中有3個模型用來姿態(tài)預計。

YOLOv7 vs MediaPipe特點對照

YOLOv7 

17 Keypoints COCO

33 Keypoints COCO + Blaze Palm + Blaze Face

YOLOv7是1個多人探測框架。MediaPipe是1個單人探測框架（首要原因是只用來CPU，速率較快），因而在咱們實行人體姿勢探測時，須要存眷能否只探測多人，或者單人，固然對自行的設備配置也有很高的需要。

MediaPipe 代碼實行人體姿勢探測

cap = cv2.VideoCapture(0)

time.sleep(2)

               print("Ignoring empty camera frame.")

       image = cv2.cvtColor(cv2.flip(image, 1), cv2.COLOR_BGR2RGB)

       image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

       cv2.imshow('MediaPipe Pose', image)

       if cv2.waitKey(5) & 0xFF == ord('q'):

因為MediaPipe是1個單人探測框架，因而在視頻中，MediaPipe只探測單個體的姿勢，其余人體姿勢則會忽視，固然，軟件會探測哪個體體姿勢，理論上是最前面的人體姿勢，可是通過試驗后，實則并非完都是如此。從上圖闊以看出，固然MediaPipe僅撐持應用在CPU上，可是探測速率與精度相當快，毛病是自動進行單人體姿勢探測。

YOLOv7 代碼實行人體姿勢探測

從 YOLOv7-Tiny 模型開啟，參數剛剛超越 600 萬。它的驗證 AP 為 35.2%，打敗了擁有類似參數的 YOLOv4-Tiny 模型。擁有近 3700 萬個參數的 YOLOv7 模型供應了 51.2% 的 AP，再次打敗了擁有更多參數的 YOLOv4 和 YOLOR 的變體。

YOLO7 系列中較大的模型，YOLOv7-X、YOLOv7-E6、YOLOv7-D6 和 YOLOv7-E6E。一切這類都打敗了 YOLOR 模型，它們的參數數目類似，AP 分別為 52.9%、55.9%、56.3% 和 56.8%。

       img = letterbox(frame, input_size, stride=64, auto=True)[0]

               t1 = time.time()

               t2 = time.time()

               fps = 1/(t2 - t1)

                                                                                 0.25,       # Conf. Threshold.

                                                                                 0.65,       # IoU Threshold.

                                                                                 nc=1,     # Number of classes.

                                                                                 nkpt=17, # Number of keypoints.

       nimg = img[0].permute(1, 2, 0) * 255

       nimg = nimg.cpu().numpy().astype(np.uint8)

       nimg = cv2.cvtColor(nimg, cv2.COLOR_RGB2BGR)

       for idx in range(output.shape[0]):

               plot_skeleton_kpts(nimg, output[idx, 7:].T, 3)     

因為YOLOv7是1個多人探測框架，因而在單個視頻幀中，YOLOv7框架會實時探測多人體姿勢。從上圖闊以看出，探測速率也是很快的，這是由于此例子應用的是GPU模型運作，若YOLOv7運用在CPU上面，則探測速率很慢。

MediaPipe與YOLOv7對照探測

從以上的簡介，咱們知曉，mediapipe是1個單人探測框架，因而探測速率特別快，一樣的的一段探測目標，一樣的應用CPU進行人體姿勢探測，則mediapipe完全占一定優(yōu)勢。

CPU人體姿勢探測

可是一經上GPU，yolov7的優(yōu)勢就會大大的提升，闊以看見，一經用上了GPU，yolov7的探測速率就到達了84FPS，而因為mediapipe只是用來CPU，就算加上GPU，也施展不到GPU的優(yōu)勢。

其余文章考慮

Transformer模型注重力體制的概念

借用機械學習，進行人體33個2D姿勢探測與評價

借用機械學習，進行人手的21個3D手關節(jié)坐標探測

借用機械學習進行人臉468點的3D坐標探測，并形成3D模型

MediaPipe 集成人臉辨認，人體姿勢評價，人手探測模型

推翻2D目標探測模型，MediaPipe 3D目標探測復原真正的目標特點

MediaPipe Face Detection可運作在移動設施上的亞毫秒級人臉探測

高大上的YOLOV3目標探測算法，應用python也可輕盈實行

應用python輕盈實行高大上的YOLOV4目標探測算法

基于python的YOLOV5目標探測模型實行