# post_dect

**Repository Path**: jack_cheng/post_dect

## Basic Information

- **Project Name**: post_dect
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-02
- **Last Updated**: 2026-07-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 姿态分析 Demo

单文件 MediaPipe 姿态分析脚本。

读取一张输入图片，检测人体关键点，根据视角（正面/背面/侧面）采用不同的异常判断策略，并输出带有骨骼覆盖层的图片。

## 功能说明

- 使用 [MediaPipe Pose](https://developers.google.com/mediapipe/solutions/vision/pose_landmarker) 检测 33 个人体关键点。
- 自动判断视角：`front`（正面）、`back`（背面）、`side`（侧面）。
- **正面/背面**：沿用动态最大距离策略，`max_distance = k * body_height`，默认 `k = 0.30`。
- **侧面**：使用 3D 深度（`z`）和肢体角度策略：
  - 头部前后偏移过大
  - 躯干倾斜过大
  - 膝盖/肘关节角度异常（过弯或过直）
  - 四肢在深度方向伸展过远
- 在输入图片副本上绘制绿色骨骼与关键点，跳过面部（0–10）和手部（17–22）关键点。

## 项目文件

```
.
├── pose_analysis.py      # 主脚本
├── pyproject.toml        # 项目依赖配置
├── person.jpg            # 示例输入图片
├── *_output_*.jpg        # 运行后生成的示例输出图片
└── yolo11n-pose.pt       # 当前脚本未使用（未来模型）
```

## 环境要求

- Python 3.10 或 3.11（`pyproject.toml` 已限制为 `<3.12`）
- [uv](https://docs.astral.sh/uv/getting-started/installation/)

## 安装依赖并运行

依赖已写入 `pyproject.toml`。由于新版 MediaPipe 不再提供 Intel Mac（x86_64）的 wheel，本项目已固定使用 `mediapipe==0.10.5`。推荐用 `uv` 一键创建虚拟环境并运行。

### 方式一：自动安装依赖并运行

```bash
uv run pose_analysis.py
```

uv 会读取 `pyproject.toml`，自动创建 `.venv`、安装依赖并执行脚本。

### 方式二：先同步依赖，再运行

```bash
uv sync
uv run pose_analysis.py
```

`uv sync` 会根据 `pyproject.toml` 安装/更新依赖；`uv run` 使用 `.venv` 运行脚本。

### 方式三：手动创建虚拟环境（可选）

如果你希望显式管理环境：

```bash
uv venv --python 3.10
source .venv/bin/activate
uv pip install -e .
python pose_analysis.py
```

## 运行示例

工作目录下已包含 `person.jpg`，直接执行：

```bash
uv run pose_analysis.py
```

预期输出：

```text
View: front
Body height: 1214.50
Max distance: 364.35
Abnormal pairs: 72
Output image: person_output_20260717144942.jpg
```

输出图片会保存为 `{原文件名}_output_{时间戳}.jpg`。

## 指定输入图片

脚本使用命令行参数读取输入图片，默认值为 `person.jpg`。

```bash
uv run pose_analysis.py --image_path="your_image.jpg"
```

也可以同时调整阈值 `k`：

```bash
uv run pose_analysis.py --image_path="your_image.jpg" --k=0.20
```

参数说明：

- `image_path`：输入图片路径，支持常见图片格式（jpg、png 等）。
- `k`：动态距离阈值系数，默认 `0.30`。

## 调整阈值

`k` 参数仅影响正面/背面视图的判断：

打开 `pose_analysis.py`，修改调用 `analyze_pose` 时的 `k` 参数：

```python
result = analyze_pose(image_path, k=0.30)
```

- `k` 越小 → 阈值越严格，报告的异常点对越多。
- `k` 越大 → 阈值越宽松，报告的异常点对越少。

侧面视图的阈值在 `check_side()` 函数中固定，如需调整可修改其中的比例系数（如 `0.25 * body_height`、`0.35 * body_height` 等）。

## 注意事项

- 本脚本使用 **MediaPipe Pose 0.10.5**，仓库中的 `yolo11n-pose.pt` 当前未被使用。
- 选择 `mediapipe==0.10.5` 是为了兼容 Intel Mac（x86_64）；新版 MediaPipe 不再提供该平台的 wheel。
- 颜色值采用 OpenCV 的 BGR 格式。
- 目前暂无测试、lint 和 CI 配置。
- 如果未检测到人体姿态，`analyze_pose()` 会返回 `None`，此时访问 `result["body_height"]` 会报错。