🏀 使用YOLO V5和MediaPipe来分析投篮姿势
这是一个基于目标检测构建的人工智能应用程序。通过深入分析从对象检测中收集的数据,可以对篮球投篮进行分析。用户可以通过简单地上传文件到Web应用程序,提交POST请求来获取结果。请查看下面的特点。还有更多特性正在开发中!欢迎star。
所有用于投篮姿势分析的数据都是通过使用MediaPipe
来分析投篮姿势来计算的,同时篮球检测是使用最新的YOLO V8
模型。
以下说明将帮助在本地计算机上获取该项目并运行它。
通过运行git clone命令获取项目。
git clone https://github.com/sisipyhus/AI-BasketBall-Analysis.git
在运行项目之前,我们需要安装requirements.txt文件中的所有依赖项。
pip install -r requirements.txt
项目的运行对GPU没有要求,也可以使用CPU。
此外,还需要安装ffmpeg
, 可以前往ffmpeg的官网查看相关的安装事宜。使用ffmpeg主要是为了将经过处理的视频从avi
转换成mp4
。
运行该项目, 通过使用python app.py
即可
python app.py
本项目的主要功能是分析投篮姿势(站立投篮)的姿势是否标准。
本项目通过预设的诸多实验数据和分析,通过分析谷歌节点之间的角度,从而来研判动作是否规范。
YoLo v8用于篮球检测
Mideapipe用于骨骼点位检测
- 上传视频的分割,只提交视频中投篮的部分,需要使用DAT(时序动作检测)
- Python程序对于数据更为准确,需要大量的数据进行训练
- 移动端与桌面端支持