使用OpenCV和mediapipe库来实现动作识别

使用OpenCV和mediapipe库可以实现动作识别，具体步骤如下：

1. 安装OpenCV和mediapipe库，可以使用pip命令进行安装。

2. 使用OpenCV读取视频或者摄像头的实时画面。

3. 使用mediapipe库中的姿势估计模型，对人体姿势进行估计。

4. 根据姿势估计结果，提取关键点信息，例如手臂、腿部等关键点的位置和角度。

5. 根据关键点信息，设计算法进行动作识别，例如可以使用机器学习算法进行分类识别。

6. 根据识别结果，进行相应的处理，例如输出识别结果或者触发相应的动作。

下面是一个简单的示例代码，可以实现对视频中人体动作的识别：

import cv2
import mediapipe as mp

# 初始化mediapipe库中的姿势估计模型
mp_pose = mp.solutions.pose.Pose()

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头画面
    ret, frame = cap.read()

    # 将画面转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 使用mediapipe库中的姿势估计模型，对人体姿势进行估计
    results = mp_pose.process(gray)

    # 提取关键点信息
    if results.pose_landmarks:
        # 获取左手腕关键点的位置
        left_wrist_x = results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.LEFT_WRIST].x
        left_wrist_y = results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.LEFT_WRIST].y

        # 获取右手腕关键点的位置
        right_wrist_x = results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.RIGHT_WRIST].x
        right_wrist_y = results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.RIGHT_WRIST].y
        # 判断手臂是否向上伸展
        if left_wrist_y < results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.LEFT_ELBOW].y and right_wrist_y < results.pose_landmarks.landmark[mp.solutions.pose.PoseLandmark.RIGHT_ELBOW].y:
            print("手臂向上伸展")

    # 显示画面
    cv2.imshow('frame', frame)

    # 按下q键退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头
cap.release()

# 关闭窗口
cv2.destroyAllWindows