当前位置： 首页 > news >正文

Mind+Python+Mediapipe项目——AI健身之跳绳

news 2025/9/16 21:46:51

原文：Mind+Python+Mediapipe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Mind+Python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23，24两坐标点中点与标准点的比较来确认跳绳完成程度。
 
 
  1. import numpy as np 
  2. import time 
  3. import cv2 
  4. import PoseModule as pm 
  5. cap = cv2.VideoCapture("tiaosheng.mp4") 
  6. detector = pm.poseDetector() 
  7. count = 0 
  8. dir = 0 
  9. pTime = 0 
  10. success=True 
  11. point_sd=0 
  12. while success: 
  13.   success, img = cap.read() 
  14.   if success: 
  15.     img = cv2.resize(img, (640, 480)) 
  16.     img = detector.findPose(img, False) 
  17.     lmList = detector.findPosition(img, False) 
  18.     
  19.     if len(lmList) != 0: 
  20.          
  21.         point = detector.midpoint(img, 24, 23) 
  22.         if point_sd==0: 
  23.             point_sd=point 
  24.             print(point_sd["y"]) 
  25.         # 计算个数 
  26.         print(point["y"]) 
  27.         if point["y"]> point_sd["y"]+15: 
  28.           
  29.             if dir == 0: 
  30.                 count += 0.5 
  31.                 dir = 1 
  32.         if point["y"]<point_sd["y"]+5: 
  33.          
  34.             if dir == 1: 
  35.                 count += 0.5 
  36.                 dir = 0 
  37.         #print(count) 
  38.         cv2.putText(img, str(int(count)), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8) 
  39.     cTime = time.time() 
  40.     fps = 1 / (cTime - pTime) 
  41.     pTime = cTime 
  42.     cv2.putText(img, str(int(fps)), (50, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5) 
  43.     cv2.imshow("Image", img) 
  44.     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。 
 
 
  1. import math 
  2. import mediapipe as mp 
  3. import cv2 
  4. class poseDetector(): 
  5.     def __init__(self, mode=False, upBody=False, smooth=True, 
  6.                  detectionCon=0.5, trackCon=0.5): 
  7.         self.mode = mode 
  8.         self.upBody = upBody 
  9.         self.smooth = smooth 
  10.         self.detectionCon = detectionCon 
  11.         self.trackCon = trackCon 
  12.         self.mpDraw = mp.solutions.drawing_utils 
  13.         self.mpPose = mp.solutions.pose 
  14.         self.pose = self.mpPose.Pose(self.mode, self.upBody, self.smooth, 
  15.                                      self.detectionCon, self.trackCon) 
  16.     def findPose(self, img, draw=True): 
  17.         imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
  18.         self.results = self.pose.process(imgRGB) 
  19.         if self.results.pose_landmarks: 
  20.             if draw: 
  21.                 self.mpDraw.draw_landmarks(img, self.results.pose_landmarks, 
  22.                                            self.mpPose.POSE_CONNECTIONS) 
  23.         return img 
  24.     def findPosition(self, img, draw=True): 
  25.         self.lmList = [] 
  26.         if self.results.pose_landmarks: 
  27.             for id, lm in enumerate(self.results.pose_landmarks.landmark): 
  28.                 h, w, c = img.shape 
  29.                 # print(id, lm) 
  30.                 cx, cy = int(lm.x * w), int(lm.y * h) 
  31.                 self.lmList.append([id, cx, cy]) 
  32.                 if draw: 
  33.                     cv2.circle(img, (cx, cy), 5, (255, 0, 0), cv2.FILLED) 
  34.         return self.lmList 
  35.     def midpoint(self,img,p1,p2,draw=True): 
  36.         x1, y1 = self.lmList[p1][1:] 
  37.         x2, y2 = self.lmList[p2][1:] 
  38.         x3=int((x1+x2)/2) 
  39.         y3=int((y1+y2)/2) 
  40.         if draw: 
  41.          cv2.circle(img, (x3, y3), 10, (0, 0, 255), cv2.FILLED) 
  42.          cv2.circle(img, (x3, y3), 15, (0, 0, 255), 2) 
  43.         point={"x":x3,"y":y3} 
  44.         return point 
  45.     def findAngle(self, img, p1, p2, p3, draw=True): 
  46.         # Get the landmarks 
  47.         x1, y1 = self.lmList[p1][1:] 
  48.         x2, y2 = self.lmList[p2][1:] 
  49.         x3, y3 = self.lmList[p3][1:] 
  50.         # Calculate the Angle 
  51.         angle = math.degrees(math.atan2(y3 - y2, x3 - x2) - 
  52.                              math.atan2(y1 - y2, x1 - x2)) 
  53.         if angle < 0: 
  54.             angle += 360 
  55.         # print(angle) 
  56.         # Draw 
  57.         if draw: 
  58.             cv2.line(img, (x1, y1), (x2, y2), (255, 255, 255), 3) 
  59.             cv2.line(img, (x3, y3), (x2, y2), (255, 255, 255), 3) 
  60.             cv2.circle(img, (x1, y1), 10, (0, 0, 255), cv2.FILLED) 
  61.             cv2.circle(img, (x1, y1), 15, (0, 0, 255), 2) 
  62.             cv2.circle(img, (x2, y2), 10, (0, 0, 255), cv2.FILLED) 
  63.             cv2.circle(img, (x2, y2), 15, (0, 0, 255), 2) 
  64.             cv2.circle(img, (x3, y3), 10, (0, 0, 255), cv2.FILLED) 
  65.             cv2.circle(img, (x3, y3), 15, (0, 0, 255), 2) 
  66.             cv2.putText(img, str(int(angle)), (x2 - 50, y2 + 50), 
  67.                         cv2.FONT_HERSHEY_PLAIN, 2, (0, 0, 255), 2) 
  68.         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。 
 
 
  1. import cv2 
  2. import numpy as np 
  3. import time 
  4. import os 
  5. import HandTrackingModule as htm 
  6. ####################### 
  7. brushThickness = 25 
  8. eraserThickness = 100 
  9. ######################## 
  10. drawColor = (255, 0, 255) 
  11. cap = cv2.VideoCapture(0) 
  12. cap.set(3, 640) 
  13. cap.set(4, 480) 
  14. detector = htm.handDetector(detectionCon=0.65,maxHands=1) 
  15. imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  16. rect=[(20, 20), (120, 120)] 
  17. font = cv2.FONT_HERSHEY_SIMPLEX 
  18. cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  19. cv2.putText(imgCanvas, "SET", (45,85), font, 1, drawColor, 2) 
  20. bs=0 
  21. bs2=0 
  22. while True: 
  23. # 1. Import image 
  24. success, img = cap.read() 
  25. if success: 
  26.   img = cv2.flip(img, 1) 
  27. # 2. Find Hand Landmarks 
  28.   img = detector.findHands(img) 
  29.   lmList = detector.findPosition(img, draw=False) 
  30.    
  31.   if len(lmList) !=0: 
  32.    
  33. # tip of index and middle fingers 
  34.    x1, y1 = lmList[8][1:] 
  35.    x2, y2 = lmList[12][1:] 
  36. # 3. Check which fingers are up 
  37.    fingers = detector.fingersUp() 
  38. # print(fingers) 
  39. # 5.  Index finger is up 
  40.    if fingers[1] and fingers[2] == False: 
  41.     cv2.circle(img, (x1, y1), 15, drawColor, cv2.FILLED) 
  42.     if bs2==1: 
  43.       if time.time()-time_start>3: 
  44.          bs2=0 
  45.     else:       
  46.      if x1>rect[0][0] and x1<rect[1][0] and y1>rect[0][1] and y1<rect[1][1]: 
  47.       if bs==0: 
  48.        print("OK") 
  49.        imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  50.        cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  51.        cv2.putText(imgCanvas, "STOP", (30,85), font, 1, drawColor, 2) 
  52.        bs=1 
  53.        bs2=1 
  54.        time_start=time.time() 
  55.       else: 
  56.        imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  57.     
  58.   imgGray = cv2.cvtColor(imgCanvas, cv2.COLOR_BGR2GRAY) 
  59.    
  60.   img = cv2.bitwise_or(img,imgCanvas) 
  61. # img = cv2.addWeighted(img,0.5,imgCanvas,0.5,0) 
  62.   cv2.imshow("Image", img) 
  63.   cv2.waitKey(1) 
 复制代码 
 
上面程序引用的“HandTrackingModule.py”文件。 
 
 
  1. import cv2 
  2. import mediapipe as mp 
  3. import time 
  4. import math 
  5. import numpy as np 
  6. class handDetector(): 
  7.     def __init__(self, mode=False, maxHands=2, detectionCon=0.8, trackCon=0.5): 
  8.         self.mode = mode 
  9.         self.maxHands = maxHands 
  10.         self.detectionCon = detectionCon 
  11.         self.trackCon = trackCon 
  12.         self.mpHands = mp.solutions.hands 
  13.         self.hands = self.mpHands.Hands(self.mode, self.maxHands, 
  14.         self.detectionCon, self.trackCon) 
  15.         self.mpDraw = mp.solutions.drawing_utils 
  16.         self.tipIds = [4, 8, 12, 16, 20] 
  17.     def findHands(self, img, draw=True): 
  18.         imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
  19.         self.results = self.hands.process(imgRGB) 
  20.     # print(results.multi_hand_landmarks) 
  21.         if self.results.multi_hand_landmarks: 
  22.             for handLms in self.results.multi_hand_landmarks: 
  23.                 if draw: 
  24.                     self.mpDraw.draw_landmarks(img, handLms, 
  25.                     self.mpHands.HAND_CONNECTIONS) 
  26.         return img 
  27.     def findPosition(self, img, handNo=0, draw=True): 
  28.         xList = [] 
  29.         yList = [] 
  30.         bbox = [] 
  31.         self.lmList = [] 
  32.         if self.results.multi_hand_landmarks: 
  33.             myHand = self.results.multi_hand_landmarks[handNo] 
  34.             for id, lm in enumerate(myHand.landmark): 
  35.             # print(id, lm) 
  36.                 h, w, c = img.shape 
  37.                 cx, cy = int(lm.x * w), int(lm.y * h) 
  38.                 xList.append(cx) 
  39.                 yList.append(cy) 
  40.             # print(id, cx, cy) 
  41.                 self.lmList.append([id, cx, cy]) 
  42.                 if draw: 
  43.                     cv2.circle(img, (cx, cy), 5, (255, 0, 255), cv2.FILLED) 
  44.             xmin, xmax = min(xList), max(xList) 
  45.             ymin, ymax = min(yList), max(yList) 
  46.             bbox = xmin, ymin, xmax, ymax 
  47.             if draw: 
  48.                 cv2.rectangle(img, (xmin - 20, ymin - 20), (xmax + 20, ymax + 20), 
  49.         (0, 255, 0), 2) 
  50.         return self.lmList 
  51.     def fingersUp(self): 
  52.         fingers = [] 
  53.     # Thumb 
  54.         if self.lmList[self.tipIds[0]][1] > self.lmList[self.tipIds[0] - 1][1]: 
  55.             fingers.append(1) 
  56.         else: 
  57.             fingers.append(0) 
  58.     # Fingers 
  59.         for id in range(1, 5): 
  60.             if self.lmList[self.tipIds[id]][2] < self.lmList[self.tipIds[id] - 2][2]: 
  61.                 fingers.append(1) 
  62.             else: 
  63.                 fingers.append(0) 
  64.         # totalFingers = fingers.count(1) 
  65.         return fingers 
  66.     def findDistance(self, p1, p2, img, draw=True,r=15, t=3): 
  67.         x1, y1 = self.lmList[p1][1:] 
  68.         x2, y2 = self.lmList[p2][1:] 
  69.         cx, cy = (x1 + x2) // 2, (y1 + y2) // 2 
  70.         if draw: 
  71.             cv2.line(img, (x1, y1), (x2, y2), (255, 0, 255), t) 
  72.             cv2.circle(img, (x1, y1), r, (255, 0, 255), cv2.FILLED) 
  73.             cv2.circle(img, (x2, y2), r, (255, 0, 255), cv2.FILLED) 
  74.             cv2.circle(img, (cx, cy), r, (0, 0, 255), cv2.FILLED) 
  75.             length = math.hypot(x2 - x1, y2 - y1) 
  76.         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。 
 
 
  1. import numpy as np 
  2. import time 
  3. import cv2 
  4. import PoseModule as pm 
  5. import math 
  6. def max_min(a): 
  7. h = [] 
  8. l = [] 
  9. for i in range(1, len(a)-1): 
  10.     if(a[i-1] < a[i] and a[i+1] < a[i]): 
  11.         h.append(a[i]) 
  12.     elif(a[i-1] > a[i] and a[i+1] > a[i]): 
  13.         l.append(a[i]) 
  14. if(len(h) == 0): 
  15.     h.append(max(a)) 
  16. if(len(l) == 0): 
  17.     l.append(min(a[a.index(max(a)):])) 
  18. mid=(np.mean(h)+np.mean(l))/2 
  19. print(int(mid),int(np.mean(h)-np.mean(l))) 
  20. return(int(mid),int(np.mean(h)-np.mean(l))) 
  21. cap = cv2.VideoCapture("tiaosheng.mp4") 
  22. detector = pm.poseDetector() 
  23. count = 0 
  24. dir = 0 
  25. pTime = 0 
  26. success=True 
  27. point=[] 
  28. while success: 
  29.   success, img = cap.read() 
  30.   if success: 
  31.     img = cv2.resize(img, (640, 480)) 
  32.     img = detector.findPose(img, False) 
  33.     lmList = detector.findPosition(img, False) 
  34.     
  35.     if len(lmList) != 0: 
  36.         point_tem=detector.midpoint(img, 24, 23) 
  37.         point.append(point_tem['y']) 
  38.         cv2.putText(img, str(point_tem['y']), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8) 
  39.     cTime = time.time() 
  40.     fps = 1 / (cTime - pTime) 
  41.     pTime = cTime 
  42.     cv2.putText(img, str(int(fps)), (50, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5) 
  43.     cv2.imshow("Image", img) 
  44.     cv2.waitKey(1) 
  45. max_min(point) 
  46. cap.release() 
  47. 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） 
 
 
  1. import cv2 
  2. import numpy as np 
  3. import time 
  4. import os 
  5. import HandTrackingModule as htm 
  6. import PoseModule as pm 
  7. #计算判定点 
  8. def max_min(a): 
  9. h = [] 
  10. l = [] 
  11. for i in range(1, len(a)-1): 
  12.     if(a[i-1] < a[i] and a[i+1] < a[i]): 
  13.         h.append(a[i]) 
  14.     elif(a[i-1] > a[i] and a[i+1] > a[i]): 
  15.         l.append(a[i]) 
  16. if(len(h) == 0): 
  17.     h.append(max(a)) 
  18. if(len(l) == 0): 
  19.     l.append(min(a[a.index(max(a)):])) 
  20. mid=(np.mean(h)+np.mean(l))/2 
  21. print(int(mid),int(np.mean(h)-np.mean(l))) 
  22. return(int(mid),int(np.mean(h)-np.mean(l))) 
  23. ####################### 
  24. brushThickness = 25 
  25. eraserThickness = 100 
  26. ######################## 
  27. drawColor = (255, 0, 255) 
  28. cap = cv2.VideoCapture(0) 
  29. cap.set(3, 640) 
  30. cap.set(4, 480) 
  31. detector_hand = htm.handDetector(detectionCon=0.65,maxHands=1) 
  32. detector_pose = pm.poseDetector() 
  33. imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  34. rect=[(20, 20), (120, 120)] 
  35. font = cv2.FONT_HERSHEY_SIMPLEX 
  36. cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  37. cv2.putText(imgCanvas, "SET", (45,85), font, 1, drawColor, 2) 
  38. bs=0 
  39. bs2=0 
  40. bs3=0 
  41. point=[] 
  42. count=0 
  43. pTime = 0 
  44. dire=0 
  45. while True: 
  46. success, img = cap.read() 
  47. if success: 
  48.       img = cv2.flip(img, 1) 
  49.       if bs==1 and bs2==0: 
  50.        if bs3==1: 
  51.          if time.time()-time_start<4: 
  52.           cv2.putText(img, str(3-int(time.time()-time_start)), (300, 240), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5) 
  53.          else: 
  54.           bs3=0 
  55.           time_start=time.time() 
  56.        else: 
  57.           if time.time()-time_start<11: 
  58.             img = detector_pose.findPose(img, False) 
  59.             lmList = detector_pose.findPosition(img, False) 
  60.     
  61.             if len(lmList) != 0: 
  62.                 point_tem=detector_pose.midpoint(img, 24, 23) 
  63.                 point.append(point_tem['y']) 
  64.                 cv2.putText(img, str(point_tem['y']), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8) 
  65.             cv2.putText(img, str(10-int(time.time()-time_start)), (500, 460), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5) 
  66.           else: 
  67.               point_sd,l=max_min(point) 
  68.               bs=2 
  69.               cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  70.               cv2.putText(imgCanvas, "START", (30,85), font, 1, drawColor, 2) 
  71.           
  72.       if bs==3 and bs2==0:   
  73.        if bs3==1: 
  74.          if time.time()-time_start<4: 
  75.           cv2.putText(img, str(3-int(time.time()-time_start)), (300, 240), cv2.FONT_HERSHEY_PLAIN, 10,(255, 255, 0), 5) 
  76.          else: 
  77.           bs3=0 
  78.           time_start=time.time() 
  79.        else: 
  80.           img = detector_pose.findPose(img, False) 
  81.           lmList = detector_pose.findPosition(img, False) 
  82.     
  83.           if len(lmList) != 0: 
  84.             point = detector_pose.midpoint(img, 24, 23) 
  85.             if point["y"]> point_sd+l/4: 
  86.           
  87.               if dire == 0: 
  88.                 count += 0.5 
  89.                 dire = 1 
  90.             if point["y"]<point_sd-l/4: 
  91.          
  92.               if dire == 1: 
  93.                 count += 0.5 
  94.                 dire = 0 
  95.        
  96.             cv2.putText(img, str(int(count)), (45, 460), cv2.FONT_HERSHEY_PLAIN, 7,(255, 0, 0), 8)   
  97.       if bs2==1:#等待三秒 
  98.          if time.time()-time_start>4: 
  99.             bs2=0 
  100.             time_start=time.time() 
  101.                       
  102.       else: 
  103.         #手势操作 
  104.         img = detector_hand.findHands(img) 
  105.         lmList = detector_hand.findPosition(img, draw=False) 
  106.         if len(lmList) !=0: 
  107.          x1, y1 = lmList[8][1:] 
  108.          x2, y2 = lmList[12][1:] 
  109.          fingers = detector_hand.fingersUp() 
  110.          #出示食指 
  111.          if fingers[1] and fingers[2] == False: 
  112.           cv2.circle(img, (x1, y1), 15, drawColor, cv2.FILLED)      
  113.           if x1>rect[0][0] and x1<rect[1][0] and y1>rect[0][1] and y1<rect[1][1]:#食指进入按钮区域 
  114.            if bs==0: 
  115.             print("OK") 
  116.             imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  117.             bs=1 
  118.             bs2=1 
  119.             bs3=1 
  120.             time_start=time.time() 
  121.            elif bs==1: 
  122.             imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  123.             bs2=1 
  124.             bs3=1 
  125.             time_start=time.time() 
  126.            elif bs==2: 
  127.             imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  128.             cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  129.             cv2.putText(imgCanvas, "STOP", (30,85), font, 1, drawColor, 2) 
  130.             bs=3   
  131.             bs2=1 
  132.             bs3=1 
  133.             time_start=time.time() 
  134.            elif bs==3: 
  135.             imgCanvas = np.zeros((480, 640, 3), np.uint8) 
  136.             cv2.rectangle(imgCanvas, rect[0], rect[1],(0, 255, 0), 2) 
  137.             cv2.putText(imgCanvas, "START", (30,85), font, 1, drawColor, 2) 
  138.             bs=2   
  139.             bs2=1 
  140.             bs3=1 
  141.             time_start=time.time() 
  142.       cTime = time.time() 
  143.       fps = 1 / (cTime - pTime) 
  144.       pTime = cTime 
  145.       cv2.putText(img, str(int(fps)), (500, 100), cv2.FONT_HERSHEY_PLAIN, 5,(255, 0, 0), 5) 
  146.       imgGray = cv2.cvtColor(imgCanvas, cv2.COLOR_BGR2GRAY) 
  147.       img = cv2.bitwise_or(img,imgCanvas) 
  148.       cv2.imshow("Image", img) 
  149.       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。


  
 
 
 
 

 

 
 
 
 
 
 
 
 















相关文章：
















Mind+Python+Mediapipe项目——AI健身之跳绳




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;…...






编程日记
2023/2/23 5:25:52



















数据库概述




20世纪60年代后期&#xff0c;就出现了数据库技术。取得成就如下&#xff1a;造就了四位图灵奖得主发展成为以数据建模和DBMS核心技术为主&#xff0c;内容丰富的一门学科。带动了一个巨大的软件产业-DBMS产品及其相关工具和解决方案。四个基本概念数据数据是数据库中存储的基本…...






编程日记
2023/2/23 5:24:46



















【已解决】解决IDEA的maven刷新依赖时出现Connot reconnect错误




前言 
小编我将用CSDN记录软件开发求学之路上亲身所得与所学的心得与知识&#xff0c;有兴趣的小伙伴可以关注一下&#xff01;也许一个人独行&#xff0c;可以走的很快&#xff0c;但是一群人结伴而行&#xff0c;才能走的更远&#xff01;让我们在成长的道路上互相学习&#…...






编程日记
2023/2/23 5:23:40



















动态链接库(.so)文件的变编译和引用、执行




动态链接库(.so)文件的变编译和引用 动态链接库&#xff1a;SO&#xff08;Shared Object&#xff09;是一种动态链接库&#xff0c;也被称为共享库。它是一种可被多个程序共享使用的二进制代码库&#xff0c;其中包含已编译的函数和代码。与静态链接库不同&#xff0c;动态链接…...






编程日记
2023/2/23 5:22:32



















linux（centos8）文件解压命令




linux解压命令tar 解压命令常用解压命令1 [.tar] 文件 解压到当前文件夹2 [.tar.gz] 文件 解压到当前文件夹3 [.tar] 解压到指定文件夹 -C 必须是大写unzip 解压命令常用解压命令1 [.zip]解压到当前文件夹2 [.zip] 解压到指定文件夹2 [.zip] 解压到指定文件夹&#xff08;强行覆…...






编程日记
2023/2/23 5:21:26



















阅读笔记6——通道混洗




一、逐点卷积 当前先进的轻量化网络大都使用深度可分离卷积或组卷积&#xff0c;以降低网络的计算量&#xff0c;但这两种操作都无法改变特征图的通道数&#xff0c;因此需要使用11的卷积。总体来说&#xff0c;逐点的11卷积有如下两点特性&#xff1a; 可以促进通道之间的信息…...






编程日记
2023/2/23 5:20:16



















上海亚商投顾：沪指失守3300点 卫星导航概念全天强势




上海亚商投顾前言&#xff1a;无惧大盘涨跌&#xff0c;解密龙虎榜资金&#xff0c;跟踪一线游资和机构资金动向&#xff0c;识别短期热点和强势个股。市场情绪指数早间低开后震荡回升&#xff0c;沪指盘中一度翻红&#xff0c;随后又再度走低&#xff0c;创业板指午后跌近1%。…...






编程日记
2023/2/23 5:19:10



















疯狂的SOVA：Android银行木马“新标杆”




2021年8月初&#xff0c;一款针对Android银行APP的恶意软件出现在人们的视野中&#xff0c;ThreatFabric 安全研究人员首次发现了这一木马&#xff0c;在其C2服务器的登录面板&#xff0c;研究人员发现&#xff0c;攻击者将其称之为SOVA。 
** SO** ** V** ** A简介** 
在俄语中…...






编程日记
2023/2/23 5:18:03



















汽车零部件企业数字工厂管理系统建设方案




在汽车零部件制造领域&#xff0c;伴随工业信息化与机器人化&#xff0c;制造模式逐渐从 CAD/CAE/CAM 数字化设计及加工走向全产品周期虚拟现实的数字化工厂管理系统平台&#xff0c;实现虚拟现实设计制造&#xff0c;防范产品缺陷并预防设备故障&#xff0c;大幅提高生产效率。…...






编程日记
2023/2/23 5:16:53



















【线程同步工具】Semaphore源码解析




控制对资源的一个或多个副本的并发访问 
Java API 提供了一种信号量机制 Semaphore。 一个信号量就是一个计数器&#xff0c; 可用于保护对一个或多个共享资源的访问。 
当一个线程要访问多个共享资源中的一个时&#xff0c;它首先需要获得一个信号量。如果信号量内部的计数器的…...






编程日记
2023/2/23 5:15:45



















获取实时天气




一、用天气API&#xff08;需要付费&#xff09; 网址&#xff1a;https://www.tianqiapi.com/请求方式及url&#xff1a;请求方式&#xff1a;GET接口地址&#xff1a;https://tianqiapi.com/free/day请求示例https://www.tianqiapi.com/free/day?appid_____&appsecret__…...






编程日记
2023/2/23 5:14:33



















【数据库】redis数据持久化




目录 
数据持久化 
一&#xff0c; RDB 
1&#xff0c; 什么是RDB 
2&#xff0c;持久化流程 
3&#xff0c; 相关配置 
案例演示&#xff1a; 
4&#xff0c; 备份和恢复 
1、备份 
2、恢复 
3&#xff0c;优势 
4&#xff0c; 劣势 
二&#xff0c;AOF 
1&#xff0c;什么是A…...






编程日记
2023/2/23 5:13:22



















前端编译、JIT编译、AOT编译




一、前端编译&#xff1a;java设计之初就是强调跨平台&#xff0c;通过javac将源文件编译成于平台无关的class文件&#xff0c; 它定义了执行 Java 程序所需的所有信息&#xff08;许多Java"语法糖"&#xff0c;是在这个阶段完成的&#xff0c;不依赖虚拟机&#xff…...






编程日记
2023/2/23 5:12:14



















父子组件中，子组件调用父组件的方法




父子组件中&#xff0c;子组件调用父组件的方法 
方法一&#xff1a;直接在子组件中通过this.$parent.event来调用父组件的方法 
父组件 
<template><p><child>父组件</child></p>
</template>
<script>import child from ~/compone…...






编程日记
2023/2/23 5:11:07



















第七章.深度学习




第七章.深度学习 7.1 深度学习 
深度学习是加深了层的深度神经网络。 1.加深层的好处 1).可以减少网络的参数数量 5*5的卷积运算示例&#xff1a;   重复两次3*3的卷积层示例&#xff1a;   图像说明&#xff1a; ①.一次5 * 5的卷积运算的区域可以由两次3 * 3的卷积运算抵消&a…...






编程日记
2023/2/23 5:10:02



















小学生学Arduino---------点阵（三）动态的显示与清除




学习目标&#xff1a; 
1、理解“整数值”的概念与使用 2、理解“N1”指令的意义 3、掌握“反复执行多次”指令的使用 4、掌握屏幕模块的清除功能指令 5、理解“反复执行”指令与“反复执行多次”指令的嵌套使用 6、搭建电路图 7、编写程序 效果&#xff1a;  整数包括&#xf…...






编程日记
2023/2/23 5:08:56



















opencv图片处理




目录1 图片处理1.1 显示图片1.2 旋转图片1.3 合并图片1.4、Mat类1.4.1、像素的储存结构1.4.2、访问像素数据1.6、rgb转灰度图1.7、二值化1.8、对比度和亮度1.9、图片缩放1.9.1、resize临近点算法双线性内插值1.9.2、金字塔缩放1.10、图片叠加1 图片处理 
1.1 显示图片 
#includ…...






编程日记
2023/2/23 5:07:47



















C++ Primer Plus 学习笔记（二）—— 复合类型




数组 
当我们只是定义了数组&#xff0c;而没有对数组进行初始化时&#xff0c;那数组的值将是未定义的。 
在对数组进行初始化时&#xff0c;如果只对数组的一部分进行初始化&#xff0c;编译器会将把其他元素自动设置为0。 
#include <iostream>using namespace std;in…...






编程日记
2023/2/23 5:06:40



















代码随想录算法训练营第七天 | 454.四数相加II 、 383. 赎金信、15. 三数之和、18. 四数之和 、总结




打卡第七天&#xff0c;还是哈希表。 今日任务 454.四数相加II383.赎金信15.三数之和18.四数之和总结 454.四数相加II  代码随想录 
class Solution {
public:int fourSumCount(vector<int>& nums1, vector<int>& nums2, vector<int>& nums3, ve…...






编程日记
2023/2/23 5:05:34



















apply函数族




apply函数族 
apply函数族是R语言中帮助用户实现高效的向量化运算的一系列函数&#xff0c;包括apply,lapply,sapply,vapply等。 
apply() 
apply函数以列或行为单位进行循环操作&#xff0c;可以处理matrix、array数据&#xff0c;返回一个向量或matrix。 
apply(data,1/2,fuc…...






编程日记
2023/2/23 5:04:21





















SkyWalking 10.2.0  SWCK 配置过程




SkyWalking 10.2.0 & SWCK 配置过程 
skywalking oap-server & ui 使用Docker安装在K8S集群以外&#xff0c;K8S集群中的微服务使用initContainer按命名空间将skywalking-java-agent注入到业务容器中。 
SWCK有整套的解决方案&#xff0c;全安装在K8S群集中。 具体可参…...






编程新知
2025/8/23 5:51:08



















Python爬虫实战：研究feedparser库相关技术




1. 引言 
1.1 研究背景与意义 
在当今信息爆炸的时代，互联网上存在着海量的信息资源。RSS（Really Simple Syndication）作为一种标准化的信息聚合技术，被广泛用于网站内容的发布和订阅。通过 RSS，用户可以方便地获取网站更新的内容，而无需频繁访问各个网站。 然而，互联网…...






编程新知
2025/8/18 9:54:31



















JVM垃圾回收机制全解析




Java虚拟机&#xff08;JVM&#xff09;中的垃圾收集器&#xff08;Garbage Collector&#xff0c;简称GC&#xff09;是用于自动管理内存的机制。它负责识别和清除不再被程序使用的对象&#xff0c;从而释放内存空间&#xff0c;避免内存泄漏和内存溢出等问题。垃圾收集器在Ja…...






编程新知
2025/9/11 12:54:42



















基于数字孪生的水厂可视化平台建设：架构与实践




分享大纲&#xff1a; 1、数字孪生水厂可视化平台建设背景 2、数字孪生水厂可视化平台建设架构 3、数字孪生水厂可视化平台建设成效 近几年&#xff0c;数字孪生水厂的建设开展的如火如荼。作为提升水厂管理效率、优化资源的调度手段&#xff0c;基于数字孪生的水厂可视化平台的…...






编程新知
2025/8/24 3:48:04



















什么？连接服务器也能可视化显示界面？：基于X11 Forwarding + CentOS + MobaXterm实战指南




文章目录 什么是X11？环境准备实战步骤1️⃣ 服务器端配置（CentOS）2️⃣ 客户端配置（MobaXterm）3️⃣ 验证X11 Forwarding4️⃣ 运行自定义GUI程序(Python示例)5️⃣ 成功效果![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/55aefaea8a9f477e86d065227851fe3d.pn…...






编程新知
2025/7/24 7:13:48



















AI书签管理工具开发全记录（十九）：嵌入资源处理




1.前言 &#x1f4dd; 
在上一篇文章中&#xff0c;我们完成了书签的导入导出功能。本篇文章我们研究如何处理嵌入资源&#xff0c;方便后续将资源打包到一个可执行文件中。 
2.embed介绍 &#x1f3af; 
Go 1.16 引入了革命性的 embed 包&#xff0c;彻底改变了静态资源管理的…...






编程新知
2025/9/9 18:41:56



















Spring是如何解决Bean的循环依赖：三级缓存机制




1、什么是 Bean 的循环依赖 
在 Spring框架中，Bean 的循环依赖是指多个 Bean 之间‌互相持有对方引用‌，形成闭环依赖关系的现象。 
多个 Bean 的依赖关系构成环形链路，例如： 双向依赖：Bean A 依赖 Bean B，同时 Bean B 也依赖 Bean A（A↔B）。链条循环： Bean A → Bean…...






编程新知
2025/7/25 1:21:53



















VM虚拟机网络配置（ubuntu24桥接模式）：配置静态IP




编辑-虚拟网络编辑器-更改设置   选择桥接模式&#xff0c;然后找到相应的网卡&#xff08;可以查看自己本机的网络连接&#xff09;  windows连接的网络点击查看属性  编辑虚拟机设置更改网络配置&#xff0c;选择刚才配置的桥接模式  静态ip设置&#xff1a; 我用的ubuntu24桌…...






编程新知
2025/9/2 18:36:21



















根目录0xa0属性对应的Ntfs!_SCB中的FileObject是什么时候被建立的----NTFS源代码分析--重要




根目录0xa0属性对应的Ntfs!_SCB中的FileObject是什么时候被建立的 
第一部分&#xff1a; 0: kd> g Breakpoint 9 hit Ntfs!ReadIndexBuffer: f7173886 55              push    ebp 0: kd> kc  # 00 Ntfs!ReadIndexBuffer 01 Ntfs!FindFirstIndexEntry 02 Ntfs!NtfsUpda…...






编程新知
2025/8/27 0:09:05



















苹果AI眼镜：从“工具”到“社交姿态”的范式革命——重新定义AI交互入口的未来机会




在2025年的AI硬件浪潮中，苹果AI眼镜（Apple Glasses）正在引发一场关于“人机交互形态”的深度思考。它并非简单地替代AirPods或Apple Watch，而是开辟了一个全新的、日常可接受的AI入口。其核心价值不在于功能的堆叠，而在于如何通过形态设计打破社交壁垒，成为用户“全天佩戴…...






编程新知
2025/7/13 23:45:42