mediapipe中的Pose processing代码举例一下

以下是一个简单的例子，使用 MediaPipe 的姿势估计模型来检测摄像头中的人体姿势并进行可视化：

import cv2
import mediapipe as mp

mp_drawing = mp.solutions.drawing_utils
mp_pose = mp.solutions.pose

# 初始化姿势估计模型
pose = mp_pose.Pose()

# 从摄像头读取视频
cap = cv2.VideoCapture(0)

while True:
    # 读取一帧视频
    ret, frame = cap.read()

    # 将 BGR 图像转换为 RGB，以便于模型处理
    image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # 姿势估计处理
    results = pose.process(image)

    # 绘制骨架
    mp_drawing.draw_landmarks(
        frame, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)

    # 显示帧
    cv2.imshow('MediaPipe Pose Detection', frame)

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

# 释放资源
cap.release()
cv2.destroyAllWindows()

这个例子中，我们首先导入了 MediaPipe 的姿势估计模块和绘图工具模块。然后，我们初始化了姿势估计模型，并且从摄像头读取视频，并在循环中进行帧处理。在每一帧中，我们将 BGR 图像转换为 RGB，以便于模型处理，然后使用姿势估计模型处理图像并得到结果。最后，我们使用绘图工具模块将骨架绘制在原始帧上，并显示帧。按下 q 键退出循环。