mediapipe 0.8.9 用holistic_tracking_cpu.pbtxt输出右肩坐标

在Mediapipe 0.8.9中，可以使用Holistic模型进行人体姿态估计和跟踪，并输出右肩的坐标。具体方法如下：

1. 配置Holistic模型：在Mediapipe中，需要使用Holistic模型进行人体姿态估计和跟踪，可以通过MediaPipe框架提供的HolisticCalculator类或者直接使用HolisticGraph.pbtxt来进行配置。
2. 处理输入图像：在运行Holistic模型之前，需要将输入图像进行处理，将图像数据转换为TensorFlow的输入格式，并将其传递给Holistic模型进行处理。
3. 解析输出结果：在Holistic模型处理完毕后，可以从输出结果中解析出右肩的坐标。
4. 输出右肩坐标：根据Holistic模型输出的关键点编号，可以获取右肩的坐标。

下面是在Python中使用Holistic模型输出右肩坐标的示例代码：

import cv2
import mediapipe as mp

# 配置Holistic模型
mp_holistic = mp.solutions.holistic
holistic = mp_holistic.Holistic(static_image_mode=False, min_detection_confidence=0.5, min_tracking_confidence=0.5)

# 加载图像
image = cv2.imread('image.jpg')

# 处理输入图像
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
results = holistic.process(image)

# 解析输出结果
if results.pose_landmarks is not None:
    # 获取右肩坐标
    right_shoulder_x = results.pose_landmarks.landmark[mp_holistic.PoseLandmark.RIGHT_SHOULDER].x
    right_shoulder_y = results.pose_landmarks.landmark[mp_holistic.PoseLandmark.RIGHT_SHOULDER].y
    right_shoulder_z = results.pose_landmarks.landmark[mp_holistic.PoseLandmark.RIGHT_SHOULDER].z

    # 输出右肩坐标
    print('Right shoulder coordinate: ({}, {}, {})'.format(right_shoulder_x, right_shoulder_y, right_shoulder_z))
else:
    print('No pose landmarks detected.')

需要注意的是，Holistic模型输出的坐标值是归一化的坐标值，范围在[0, 1]之间。如果需要将其转换为图像坐标或者其他坐标系的坐标值，需要进行相应的转换。