MaixCAM MaixPy 检测人体关键点姿态检测

简介

使用 MaixPy 可以轻松检测人体关节的关键点的坐标，用在姿态检测比如坐姿检测，体感游戏输入等。

MaixPy 实现了基于 YOLOv8-Pose / YOLO11-Pose 的人体姿态检测，可以检测到人体17个关键点。

使用

使用 MaixPy 的 maix.nn.YOLOv8 或者 maix.nn.YOLO11 类可以轻松实现：

from maix import camera, display, image, nn, app

detector = nn.YOLOv8(model="/root/models/yolov8n_pose.mud", dual_buff = True)
# detector = nn.YOLO11(model="/root/models/yolo11n_pose.mud", dual_buff = True)

cam = camera.Camera(detector.input_width(), detector.input_height(), detector.input_format())
dis = display.Display()

while not app.need_exit():
    img = cam.read()
    objs = detector.detect(img, conf_th = 0.5, iou_th = 0.45, keypoint_th = 0.5)
    for obj in objs:
        img.draw_rect(obj.x, obj.y, obj.w, obj.h, color = image.COLOR_RED)
        msg = f'{detector.labels[obj.class_id]}: {obj.score:.2f}'
        img.draw_string(obj.x, obj.y, msg, color = image.COLOR_RED)
        detector.draw_pose(img, obj.points, 8 if detector.input_width() > 480 else 4, image.COLOR_RED)
    dis.show(img)

另外代码也在MaixPy/examples/vision目录下可以找到。

可以看到因为用了YOLOv8-Pose 所以这里直接用了YOLOv8这个类，和YOLOv8物体检测模型只是模型文件不同， YOLO11同理，然后就是detect函数返回的结果多了points值，是一个int类型的list列表，一共17个点，按次序依次排列，比如第一个值是鼻子的 x 坐标，第二个值是鼻子的 y 坐标，依次为：

1. 鼻子（Nose）
2. 左眼（Left Eye）
3. 右眼（Right Eye）
4. 左耳（Left Ear）
5. 右耳（Right Ear）
6. 左肩（Left Shoulder）
7. 右肩（Right Shoulder）
8. 左肘（Left Elbow）
9. 右肘（Right Elbow）
10. 左手腕（Left Wrist）
11. 右手腕（Right Wrist）
12. 左髋（Left Hip）
13. 右髋（Right Hip）
14. 左膝（Left Knee）
15. 右膝（Right Knee）
16. 左脚踝（Left Ankle）
17. 右脚踝（Right Ankle）

如果某些部位被遮挡，那么值为-1。

dual_buff 双缓冲区加速

你可能注意到这里模型初始化使用了dual_buff（默认值就是 True），使能 dual_buff 参数可以加快运行效率，提高帧率，具体原理和使用注意点见 dual_buff 介绍。

人脸识别

图像语义分割

MaixPy

MaixCAM MaixPy 检测人体关键点姿态检测

简介

使用

更多输入分辨率模型

dual_buff 双缓冲区加速