OpenCV- MediaPipe Pose 33 点人体关键点与 Face Mesh 面部网格
- OpenCV 视频流采集、骨架绘制、双视图显示与帧级处理
项目2025.12
实时人体动作与 3D 面部识别系统
计算机视觉 / Python 后端 / Vue 可视化
OpenCVMediaPipeVue 3WebSocket
继续查看成果、技术栈、实现要点
项目概览
用低成本摄像头实现 CPU 可运行的人体姿态与面部网格实时感知。
基于普通摄像头提取人体 33 个关键点与面部网格关键点，实现动作捕捉、关节角度计算、面部区域分析和实时可视化。
成果摘要
站点已包含本项目演示视频，可直接展示动作骨架与面部识别可视化效果。
职责计算机视觉 / Python 后端 / Vue 可视化
时间2025.12
核心栈MediaPipe Pose 33 点人体关键点与 Face Mesh 面部网格 / OpenCV 视频流采集、骨架绘制、双视图显示与帧级处理 / Python 后端通过 WebSocket 推送识别数据 / Vue 3 控制台展示关键点、角度与识别状态
技术拆解
技术工作
- Python 后端通过 WebSocket 推送识别数据
- Vue 3 控制台展示关键点、角度与识别状态
- 实现普通摄像头下的人体动作捕捉和面部区域分析。
- 形成可展示的实时演示视频。
- 强调无需专用硬件的低成本视觉交互方案。
- 计算关节角度并组织为前端可消费的数据结构。
- 将视觉处理和界面渲染解耦，降低实时展示卡顿风险。
- 以帧级状态支持调试和演示。
- 适合讨论视觉感知在智能交互和低成本动作分析中的应用。
- 可延伸到姿态估计误差、帧率、WebSocket 延迟和前端可视化设计。