yolo mediapipe 多人

### 使用YOLO和MediaPipe实现多人检测与跟踪

#### 多人检测流程概述
为了实现实时多人姿态估计，可以采用分阶段处理的方式。首先通过YOLOv5完成对视频流或图片中的多个个体进行快速而精准的目标检测；随后借助于MediaPipe的人体姿态估计算法来捕捉每个人的具体肢体位置。

#### 对象检测部分——基于YOLOv5
YOLO系列因其高效性和准确性成为实时应用的理想选择之一，在多人场景下同样表现出色。该网络能够直接从全图预测边界框及其类别概率，无需额外的区域提议步骤。具体来说：

- 输入待分析的画面给定至训练好的YOLOv5模型；
- 输出结果包含所有人形目标的位置信息（即包围盒坐标），这些数据将作为下一步骤的基础输入[^1]。

import torch
from PIL import Image, ImageDraw

model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # 加载预训练模型
img = "path_to_image.jpg"
results = model(img)

for detection in results.xyxy[0]:
    label = f'{detection[-1]} {float(detection[4]):.2f}'
    draw.rectangle(((detection[0], detection[1]), (detection[2], detection[3])), outline="red", width=3)

#### 姿态估计环节——依托MediaPipe
一旦获得了各个独立人物所在区域的确切范围之后，则可调用MediaPipe Pose模块进一步解析其身体各部位的关键点分布情况。这一步骤不仅限定了骨架结构还提供了关节角度等重要参数，有助于后续动作理解任务开展。

- 将上一阶段得到的对象裁剪出来分别送入MediaPipe框架内做精细化特征提取；
- 结合先前获得的人物ID标签确保不同时间戳间同一身份连续性得以保持从而形成轨迹序列[^3]。

import cv2
import mediapipe as mp

mp_pose = mp.solutions.pose.Pose(static_image_mode=True,
                                 min_detection_confidence=0.5)

image = cv2.imread("cropped_person.png")  # 裁剪后的单个人物图像
rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
result = mp_pose.process(rgb_image)

if result.pose_landmarks is not None:
    for landmark in result.pose_landmarks.landmark:
        h, w, _ = image.shape
        px, py = int(landmark.x * w), int(landmark.y * h)
        cv2.circle(image, center=(px, py), radius=5, color=(0, 255, 0))