movenet_singlepose_detection.py

# Questo lavoro è concesso in licenza MIT.
# Copyright (c) 2013-2026 OpenMV LLC. Tutti i diritti riservati.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Questo esempio mostra il modello MoveNet Pose Estimation di Google.
#
# NOTA: questo esempio richiede una OpenMV Cam con NPU come la AE3 o la N6 per funzionare in tempo reale.

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

# Inizializza il sensore.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# Carica il modello integrato di rilevamento della posa
model = ml.Model("/rom/movenet_singlepose_192.tflite", postprocess=MoveNet(threshold=0.4))
print(model)

# Connessioni tra le linee delle articolazioni del corpo per disegnare lo scheletro corporeo.
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))


# Rimuove i punti chiave con bassa confidenza e le linee dello scheletro che vi si collegano.
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 è una lista di tuple ((x, y, w, h), score, keypoints)
    joints = model.predict([img])

    # Disegna i riquadri di delimitazione attorno alle persone rilevate e ai punti chiave.
    for r, score, keypoints in joints:
        ml.utils.draw_predictions(img, [r], ("person",), ((0, 0, 255),), format=None)

        # keypoints: ndarray (17, 3) delle articolazioni del corpo (x, y, score)
        # Gli indici seguono la convenzione COCO:
        # 0: naso
        # 1: occhio sinistro, 2: occhio destro
        # 3: orecchio sinistro, 4: orecchio destro
        # 5: spalla sinistra, 6: spalla destra
        # 7: gomito sinistro, 8: gomito destro
        # 9: polso sinistro, 10: polso destro
        # 11: anca sinistra, 12: anca destra
        # 13: ginocchio sinistro, 14: ginocchio destro
        # 15: caviglia sinistra, 16: caviglia destra
        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")