MediaPipe 快速上手完成跨平台实时视觉框架配置并跑通 Hello World【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe想在视频流里加入实时人脸检测、手势识别或姿态估计能力MediaPipe 是绕不开的一个选择这个谷歌开源的跨平台机器学习框架把预训练模型组织成可编排的图能在桌面、Android、iOS 和 Web 上以低延迟完成推理。本文以 Linux 为主平台带你从克隆源码、安装依赖到编译运行 Hello World 示例完成该框架开发环境的全套配置。上图是框架内置人脸检测在样例图像上的预期输出效果这也是你完成环境配置后可以复现的能力之一。 获取 MediaPipe 源码仓库里包含图执行引擎、全套 C 计算器calculator以及各平台的示例工程。建议用--depth 1只拉取最新一次提交加快克隆速度git clone --depth 1 https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe克隆完成后和本文流程直接相关的目录有mediapipe/framework/框架核心负责图调度、数据包packet流转mediapipe/calculators/音频、图像、张量等计算器的 C 实现mediapipe/examples/desktop/桌面端 C 示例本文的 Hello World 就位于其中⚙️ 安装核心构建依赖该框架用 Bazel 构建图像处理依赖 OpenCV。以 Ubuntu/Debian 为例其余发行版参照安装文档选用对应包管理器即可。工具链前置要求Git、GCCC 编译器、64 位 Python 3。先安装 Bazelisk它会在构建时自动拉取匹配的 Bazel 版本版本要求以 Bazel 官方文档为准。再通过包管理器安装 OpenCV 开发库官方文档推荐 3.x 至 4.1 的版本区间sudo apt-get install -y \ libopencv-core-dev \ libopencv-highgui-dev \ libopencv-calib3d-dev \ libopencv-features2d-dev \ libopencv-imgproc-dev \ libopencv-video-dev最后一个libopencv-video-dev会连带装上 FFmpeg 相关库视频类示例才能解码播放。如果你的发行版默认源提供的是 OpenCV 4.x如 Debian 11、Ubuntu 21.04先按安装文档的 OpenCV 4 一节确认头文件与链接路径配置再继续后续步骤。️ 编译并运行 Hello World 示例Hello World 示例位于mediapipe/examples/desktop/hello_world/它用两个 PassThroughCalculator 串起最简单的图向图中送入 10 条 “Hello World!” 字符串并逐一打印是检验环境是否可用的标准动作。先导出GLOG_logtostderr变量让日志直接输出到终端再执行构建与运行export GLOG_logtostderr1 bazel run --define MEDIAPIPE_DISABLE_GPU1 \ mediapipe/examples/desktop/hello_world:hello_worldMEDIAPIPE_DISABLE_GPU1用于在无 GPU 环境时跳过 EGL 等图形库依赖纯 CPU 运行桌面示例时必须保留该参数。首次构建需要下载全部外部依赖并编译 C 源码通常耗时几十分钟保持终端运行、不要中断。✅ 验证输出与常见报错速查终端连续输出 10 行Hello World!即表示输出符合预期环境配置完成。编译产物生成在bazel-bin目录下后续想重新运行直接执行上一步命令即可。高频报错与处理Bazel 找不到 Python 二进制报错含fetch of repository local_execution_config_python失败给构建命令追加--action_env PYTHON_BIN_PATH$(which python3)缺少 Python 依赖包报错ImportError: No module named numpy用pip3 install -r requirements.txt批量安装仓库声明的 Python 依赖外部依赖下载失败多为网络原因配置代理后重试或执行bazel clean --expunge清空缓存再重新构建链接期报undefined reference to cv::...说明本机 OpenCV 版本或路径与构建配置不匹配回退检查上一节的 OpenCV 安装步骤 后续探索入口mediapipe/examples/desktop/桌面 C 示例覆盖人脸检测、手部追踪、姿态估计、物体追踪mediapipe/examples/android/ 与 mediapipe/examples/ios/移动端示例工程同样走 Bazel 构建入口docs/framework_concepts/图、计算器、数据包等框架核心概念mediapipe/model_maker/Python 侧的模型训练工具与配套样例数据如果只需要现成的人脸检测、手部关键点等能力也可以直接用 pip 安装预构建的 Python wheel无需走本文的 Bazel 编译流程。下一步建议进入mediapipe/examples/desktop/face_detection/用同样的流程构建人脸检测示例动手前先把 docs/framework_concepts/calculators.md 和 docs/framework_concepts/graphs.md 读一遍图与计算器的执行原理会帮你少走弯路。【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MediaPipe 快速上手完成跨平台实时视觉框架配置并跑通 Hello World【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe想在视频流里加入实时人脸检测、手势识别或姿态估计能力MediaPipe 是绕不开的一个选择这个谷歌开源的跨平台机器学习框架把预训练模型组织成可编排的图能在桌面、Android、iOS 和 Web 上以低延迟完成推理。本文以 Linux 为主平台带你从克隆源码、安装依赖到编译运行 Hello World 示例完成该框架开发环境的全套配置。上图是框架内置人脸检测在样例图像上的预期输出效果这也是你完成环境配置后可以复现的能力之一。 获取 MediaPipe 源码仓库里包含图执行引擎、全套 C 计算器calculator以及各平台的示例工程。建议用--depth 1只拉取最新一次提交加快克隆速度git clone --depth 1 https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe克隆完成后和本文流程直接相关的目录有mediapipe/framework/框架核心负责图调度、数据包packet流转mediapipe/calculators/音频、图像、张量等计算器的 C 实现mediapipe/examples/desktop/桌面端 C 示例本文的 Hello World 就位于其中⚙️ 安装核心构建依赖该框架用 Bazel 构建图像处理依赖 OpenCV。以 Ubuntu/Debian 为例其余发行版参照安装文档选用对应包管理器即可。工具链前置要求Git、GCCC 编译器、64 位 Python 3。先安装 Bazelisk它会在构建时自动拉取匹配的 Bazel 版本版本要求以 Bazel 官方文档为准。再通过包管理器安装 OpenCV 开发库官方文档推荐 3.x 至 4.1 的版本区间sudo apt-get install -y \ libopencv-core-dev \ libopencv-highgui-dev \ libopencv-calib3d-dev \ libopencv-features2d-dev \ libopencv-imgproc-dev \ libopencv-video-dev最后一个libopencv-video-dev会连带装上 FFmpeg 相关库视频类示例才能解码播放。如果你的发行版默认源提供的是 OpenCV 4.x如 Debian 11、Ubuntu 21.04先按安装文档的 OpenCV 4 一节确认头文件与链接路径配置再继续后续步骤。️ 编译并运行 Hello World 示例Hello World 示例位于mediapipe/examples/desktop/hello_world/它用两个 PassThroughCalculator 串起最简单的图向图中送入 10 条 “Hello World!” 字符串并逐一打印是检验环境是否可用的标准动作。先导出GLOG_logtostderr变量让日志直接输出到终端再执行构建与运行export GLOG_logtostderr1 bazel run --define MEDIAPIPE_DISABLE_GPU1 \ mediapipe/examples/desktop/hello_world:hello_worldMEDIAPIPE_DISABLE_GPU1用于在无 GPU 环境时跳过 EGL 等图形库依赖纯 CPU 运行桌面示例时必须保留该参数。首次构建需要下载全部外部依赖并编译 C 源码通常耗时几十分钟保持终端运行、不要中断。✅ 验证输出与常见报错速查终端连续输出 10 行Hello World!即表示输出符合预期环境配置完成。编译产物生成在bazel-bin目录下后续想重新运行直接执行上一步命令即可。高频报错与处理Bazel 找不到 Python 二进制报错含fetch of repository local_execution_config_python失败给构建命令追加--action_env PYTHON_BIN_PATH$(which python3)缺少 Python 依赖包报错ImportError: No module named numpy用pip3 install -r requirements.txt批量安装仓库声明的 Python 依赖外部依赖下载失败多为网络原因配置代理后重试或执行bazel clean --expunge清空缓存再重新构建链接期报undefined reference to cv::...说明本机 OpenCV 版本或路径与构建配置不匹配回退检查上一节的 OpenCV 安装步骤 后续探索入口mediapipe/examples/desktop/桌面 C 示例覆盖人脸检测、手部追踪、姿态估计、物体追踪mediapipe/examples/android/ 与 mediapipe/examples/ios/移动端示例工程同样走 Bazel 构建入口docs/framework_concepts/图、计算器、数据包等框架核心概念mediapipe/model_maker/Python 侧的模型训练工具与配套样例数据如果只需要现成的人脸检测、手部关键点等能力也可以直接用 pip 安装预构建的 Python wheel无需走本文的 Bazel 编译流程。下一步建议进入mediapipe/examples/desktop/face_detection/用同样的流程构建人脸检测示例动手前先把 docs/framework_concepts/calculators.md 和 docs/framework_concepts/graphs.md 读一遍图与计算器的执行原理会帮你少走弯路。【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
