INFO: Created TensorFlow Lite XNNPACK delegate for CPU. <class 'numpy.ndarray'> Traceback (most recent call last): File "E:\Study\Project\Python\mediapipe\FaceMainPointCap.py", line 82, in <module> cv2.circle(annotated_image, (int(landmark[0]), int(landmark[1])), 2, (0, 255, 0), -1) TypeError: 'NormalizedLandmarkList' object is not subscriptable

这个错误是因为你尝试对一个`NormalizedLandmarkList`类型的对象进行索引，但是这个对象并不支持索引操作。`NormalizedLandmarkList`是Mediapipe中表示标准化关键点列表的类，它包含了多个`NormalizedLandmark`对象，每个`NormalizedLandmark`对象包含了一个关键点的坐标。因此，你需要先从`NormalizedLandmarkList`对象中获取每个关键点的坐标，然后再进行绘制操作。

具体地，你可以使用以下代码从`NormalizedLandmarkList`对象中获取关键点坐标：

landmark_list = results.multi_face_landmarks[face_id] # 获取单个人脸的关键点列表
landmark = landmark_list.landmark[0] # 获取第一个关键点的坐标
image_height, image_width, _ = image.shape # 获取图像高度和宽度
x = int(landmark.x * image_width) # 将横坐标从归一化坐标转换为像素坐标
y = int(landmark.y * image_height) # 将纵坐标从归一化坐标转换为像素坐标

上述代码中，`face_id`表示人脸的索引，可以根据需要进行修改。`image_height`和`image_width`分别表示图像的高度和宽度，可以使用OpenCV的`cv2.imread()`函数读取图像后获取。`landmark.x`和`landmark.y`表示关键点在图像中的归一化坐标，范围在0到1之间，需要将其乘以图像的宽度和高度，才能转换为像素坐标。

然后，你可以使用上述代码获取的关键点坐标，进行绘制操作，例如：

cv2.circle(annotated_image, (x, y), 2, (0, 255, 0), -1)

如果需要绘制关键点的索引，可以使用前面提到的方法，在关键点附近绘制索引。