movenet_singlepose_detection.py

# Esta obra está licenciada bajo la licencia MIT.
# Copyright (c) 2013-2026 OpenMV LLC. Todos los derechos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Este ejemplo muestra el modelo MoveNet Pose Estimation de Google.
#
# NOTA: Este ejemplo requiere una OpenMV Cam con NPU, como la AE3 o la N6, para ejecutarse en tiempo real.

import csi
import time
import ml
from ml.postprocessing.mediapipe import MoveNet

# Inicializar el sensor.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# Cargar el modelo integrado de detección de pose
model = ml.Model("/rom/movenet_singlepose_192.tflite", postprocess=MoveNet(threshold=0.4))
print(model)

# Conexiones de líneas entre las articulaciones del cuerpo para dibujar el esqueleto del cuerpo.
body_lines = ((0, 1), (0, 2), (1, 3), (2, 4), (0, 5), (0, 6), (5, 6), (5, 7),
              (7, 9), (6, 8), (8, 10), (5, 11), (6, 12), (11, 12), (11, 13), (13, 15),
              (12, 14), (14, 16))


# Eliminar los puntos clave de baja confianza y las líneas del esqueleto que se conectan a ellos.
def filter_keypoints(keypoints, threshold=0.4):
    valid = {i for i, kp in enumerate(keypoints) if kp[2] > threshold}
    remap = {old: new for new, old in enumerate(sorted(valid))}
    f_keypoints = [kp for i, kp in enumerate(keypoints) if i in valid]
    f_body_lines = [(remap[a], remap[b]) for a, b in body_lines if a in valid and b in valid]
    return f_keypoints, f_body_lines


clock = time.clock()
while True:
    clock.tick()
    img = csi0.snapshot()

    # joints es una lista de tuplas ((x, y, w, h), score, keypoints)
    joints = model.predict([img])

    # Dibujar cuadros delimitadores alrededor de las personas detectadas y sus puntos clave.
    for r, score, keypoints in joints:
        ml.utils.draw_predictions(img, [r], ("person",), ((0, 0, 255),), format=None)

        # keypoints: ndarray (17, 3) de las articulaciones del cuerpo (x, y, score)
        # Los índices siguen la convención COCO:
        # 0: nariz
        # 1: ojo izquierdo, 2: ojo derecho
        # 3: oreja izquierda, 4: oreja derecha
        # 5: hombro izquierdo, 6: hombro derecho
        # 7: codo izquierdo, 8: codo derecho
        # 9: muñeca izquierda, 10: muñeca derecha
        # 11: cadera izquierda, 12: cadera derecha
        # 13: rodilla izquierda, 14: rodilla derecha
        # 15: tobillo izquierdo, 16: tobillo derecho
        f_keypoints, f_body_lines = filter_keypoints(keypoints)
        ml.utils.draw_skeleton(img, f_keypoints, f_body_lines,
                               kp_color=(255, 0, 0), line_color=(0, 255, 0))

    print(clock.fps(), "fps")