AI人体骨骼检测角度计算：关节弯曲度自动测量系统教程-开发者社区

AI人体骨骼检测角度计算：关节弯曲度自动测量系统教程

1. 引言：AI驱动的运动姿态分析新范式

随着人工智能在计算机视觉领域的深入发展，人体姿态估计（Human Pose Estimation）已成为智能健身、康复训练、动作捕捉等场景的核心技术。传统的动作分析依赖昂贵的传感器设备或专业摄像机阵列，而如今基于深度学习的轻量级解决方案正在改变这一格局。

本教程将带你构建一个全自动的关节弯曲度测量系统，核心基于 Google 开源的MediaPipe Pose模型。该系统不仅能精准定位人体33个关键骨骼点，还能进一步计算任意两个骨骼连线之间的夹角——即“关节弯曲度”，实现对动作规范性的量化评估。

无论你是开发者、教练员还是科研人员，都能通过本文掌握从环境部署到角度计算的完整流程，并快速应用于实际项目中。

💡学习目标
掌握 MediaPipe Pose 的基本使用方法
实现人体关键点的可视化标注
构建通用的关节点角度计算函数
开发 WebUI 界面进行图像上传与结果展示

2. 技术基础：MediaPipe Pose 原理与优势

2.1 什么是 MediaPipe Pose？

MediaPipe 是 Google 推出的一套跨平台机器学习流水线框架，其中Pose 模块专用于人体姿态估计任务。它采用轻量级 CNN 模型，在保持高精度的同时实现了 CPU 上的实时推理。

该模型输出33 个标准化的 3D 关键点坐标（x, y, z, visibility），覆盖头部、躯干和四肢主要关节，包括： - 面部：鼻子、眼睛、耳朵 - 上肢：肩、肘、腕 - 躯干：脊柱、髋部 - 下肢：膝、踝、脚尖

这些关键点构成了完整的“火柴人”骨架结构，为后续的动作分析提供了数据基础。

2.2 核心优势解析

特性	说明
本地运行	所有模型内置于 Python 包中，无需联网请求 API 或下载权重文件
极速推理	单帧处理时间 < 50ms（CPU 可用），适合边缘设备部署
零依赖风险	不依赖 ModelScope、HuggingFace 等第三方平台，避免 Token 过期问题
开箱即用	提供`mediapipe.solutions.pose`接口，API 简洁清晰

此外，MediaPipe 支持多种输入源（图片、视频、摄像头），并内置了骨架连接绘制功能，极大简化了开发流程。

3. 实践应用：搭建可交互的骨骼检测与角度测量系统

3.1 环境准备与依赖安装

确保已安装以下 Python 库：

pip install mediapipe opencv-python flask numpy

⚠️ 注意：推荐使用 Python 3.8+ 环境以获得最佳兼容性。

3.2 关键代码实现

步骤一：加载模型并执行关键点检测

import cv2 import mediapipe as mp import math import numpy as np # 初始化 MediaPipe Pose 模型 mp_pose = mp.solutions.pose pose = mp_pose.Pose( static_image_mode=True, model_complexity=1, enable_segmentation=False, min_detection_confidence=0.5 ) # 图像读取与处理 def detect_pose(image_path): image = cv2.imread(image_path) rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = pose.process(rgb_image) return image, results

步骤二：提取关键点坐标

def extract_keypoints(results, image_shape): h, w = image_shape[:2] keypoints = {} if results.pose_landmarks: landmarks = results.pose_landmarks.landmark for idx, name in enumerate(mp_pose.PoseLandmark.__members__.keys()): lm = landmarks[idx] keypoints[name] = (int(lm.x * w), int(lm.y * h)) return keypoints

步骤三：计算关节弯曲角度（核心算法）

def calculate_angle(point1, point2, point3): """ 计算三个点形成的角度（中间点为顶点） :param point1: 起始点 (x, y) :param point2: 顶点 (x, y) :param point3: 终止点 (x, y) :return: 角度值（0~180°） """ a = np.array(point1) b = np.array(point2) c = np.array(point3) ba = a - b bc = c - b cosine_angle = np.dot(ba, bc) / (np.linalg.norm(ba) * np.linalg.norm(bc)) angle = np.arccos(cosine_angle) return round(np.degrees(angle), 2)

✅ 示例：测量右肘弯曲度
输入点顺序：shoulder=(x1,y1), elbow=(x2,y2), wrist=(x3,y3)
输出：当前手臂弯曲角度（如 45.67°）

步骤四：WebUI 快速搭建（Flask）

from flask import Flask, request, render_template_string, send_file import os app = Flask(__name__) HTML_TEMPLATE = ''' <!DOCTYPE html> <html> <head><title>骨骼角度检测</title></head> <body> <h2>上传照片进行骨骼检测与角度分析</h2> <form method="post" enctype="multipart/form-data"> <input type="file" name="image" accept="image/*" required> <button type="submit">分析</button> </form> </body> </html> ''' @app.route('/', methods=['GET', 'POST']) def index(): if request.method == 'POST': file = request.files['image'] filepath = os.path.join('uploads', file.filename) file.save(filepath) # 执行检测 image, results = detect_pose(filepath) keypoints = extract_keypoints(results, image.shape) # 绘制骨架与角度 annotated_image = draw_skeleton_with_angles(image, results, keypoints) output_path = 'output.jpg' cv2.imwrite(output_path, annotated_image) return send_file(output_path, mimetype='image/jpeg') return render_template_string(HTML_TEMPLATE) def draw_skeleton_with_angles(image, results, keypoints): # 使用 MediaPipe 自带绘图工具 mp_drawing = mp.solutions.drawing_utils mp_drawing.draw_landmarks( image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS, landmark_drawing_spec=mp_drawing.DrawingSpec(color=(255, 255, 255), thickness=2, circle_radius=2), connection_drawing_spec=mp_drawing.DrawingSpec(color=(255, 255, 255), thickness=2) ) # 标注特定角度（例如右肘） if all(k in keypoints for k in ['RIGHT_SHOULDER', 'RIGHT_ELBOW', 'RIGHT_WRIST']): angle = calculate_angle( keypoints['RIGHT_SHOULDER'], keypoints['RIGHT_ELBOW'], keypoints['RIGHT_WRIST'] ) mid_x = keypoints['RIGHT_ELBOW'][0] mid_y = keypoints['RIGHT_ELBOW'][1] - 30 cv2.putText(image, f'{angle}°', (mid_x, mid_y), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2) return image if __name__ == '__main__': os.makedirs('uploads', exist_ok=True) app.run(host='0.0.0.0', port=5000)