学习使用MediaPipe 集成人脸识别，人体姿态评估，人手检测模型，物体检测，目标跟踪等

官网：https://google.github.io/mediapipe/

  强大的MediaPipe可以实现视频姿势估计可以直接在cpu上运行，可以在增强现实、手语识别、全身手势控制，甚至量化体育锻炼中将数字内容和信息叠加到物理世界之上，它可以构成瑜伽的基础 、舞蹈和健身应用。由于可能的姿势多种多样（例如，数百个瑜伽体式）、众多的自由度、遮挡（例如，从相机看到的身体或其他物体遮挡了四肢）以及各种外观或服装。一种新的人体姿势感知方法BlazePose，通过使用机器学习 (ML) 从单个帧中推断出身体的 33 个二维地标，从而提供人体姿势跟踪。与基于标准COCO 拓扑的当前姿势模型相比，BlazePose 可以准确定位更多关键点，使其特别适合健身应用。此外，当前最先进的方法主要依赖强大的桌面环境进行推理，而我们的方法通过 CPU 推理在手机上实现实时性能。如果利用 GPU 推理，BlazePose 可实现超实时性能，使其能够运行后续 ML 模型，如面部或手部跟踪。

一. 处理图片

二. 处理视频流

三. 处理视频后输出