第6课：全身姿态跟踪（Human Body / Pose Tracking）

🤸 第6课：姿态跟踪——会模仿动作的机器人

🤖 能看懂身体动作的 AI

上一课 AI 识别了人脸。本课我们利用 姿态估计（Pose Estimation） 技术，让电脑识别整个身体的姿势。

系统会找出身体上的关键点，再根据它们的坐标判断你是站着、侧身还是举起手臂。

🎯 学习目标

完成本课后，你将能够：

• 理解什么是身体关键点。
• 在 PictoBlox 中开启姿态识别。
• 读取肩膀、手肘和手腕的坐标。
• 识别举手动作。
• 用身体动作控制角色。

1. 什么是姿态估计？

姿态估计是让 AI 在图像或视频中找到身体各部位位置的技术。

PoseNet 系统把身体分成 17 个关键点（Keypoints）：

每个关键点通常包含：

• x 坐标：水平位置。
• y 坐标：垂直位置。
• 置信度：AI 对识别结果的把握程度。

2. 准备摄像头

为了准确识别姿势：

1. 1把摄像头放在稳定的位置。
2. 2站得足够远，让摄像头能拍到上半身或全身。
3. 3选择光线明亮的地方。
4. 4避免多人同时出现在画面中。
5. 5运动前清理周围的空间。

3. 添加姿态检测扩展

在 PictoBlox 中：

1. 1点击 扩展 Extension。
2. 2找到并选择 Pose Detection 或 Human Body Detection。
3. 3允许 PictoBlox 使用摄像头。
4. 4检查姿态识别积木是否已出现。

不同版本的 PictoBlox 中，积木名称可能略有不同。

4. 开启并分析画面

编写基础程序：

当绿旗被点击
开启视频，透明度 20%

重复执行
    分析摄像头中的姿态

分析积木必须放在 重复执行 循环中，AI 才能在你移动时持续更新身体位置。

5. 读取关键点坐标

要识别手臂动作，我们需要这些点：

左肩
右肩
左手腕
右手腕

创建变量：

左肩_Y
右肩_Y
左手腕_Y
右手腕_Y

更新数值：

重复执行
    分析摄像头中的姿态

    将 [左肩_Y] 设为
        [左肩的 y 坐标]

    将 [左手腕_Y] 设为
        [左手腕的 y 坐标]

举起左臂时，手腕会比肩膀更高。

如果 <左手腕_Y 大于 左肩_Y> 那么
    说 "你举起了左手！"

6. 识别每个动作

如果 <左手腕_Y 大于 左肩_Y> 那么
    说 "左手举起来了！"

如果 <右手腕_Y 大于 右肩_Y> 那么
    说 "右手举起来了！"

如果
    <左手腕_Y 大于 左肩_Y>
    与
    <右手腕_Y 大于 右肩_Y>
那么
    说 "双手都举起来了！"

7. 小项目：模仿机器人

让角色根据用户的姿势切换造型。

当绿旗被点击
开启视频，透明度 20%

重复执行
    分析摄像头中的姿态

    将 [左肩_Y] 设为 [左肩的 y 坐标]
    将 [右肩_Y] 设为 [右肩的 y 坐标]
    将 [左手腕_Y] 设为 [左手腕的 y 坐标]
    将 [右手腕_Y] 设为 [右手腕的 y 坐标]

    如果
        <左手腕_Y 大于 左肩_Y>
        与
        <右手腕_Y 大于 右肩_Y>
    那么
        换成 [双手举起] 造型
        说 "太棒了！" 1 秒
    否则
        如果 <左手腕_Y 大于 左肩_Y> 那么
            换成 [举左手] 造型
        否则
            如果 <右手腕_Y 大于 右肩_Y> 那么
                换成 [举右手] 造型
            否则
                换成 [站立] 造型

角色会根据你的姿势改变样子。

8. 用姿势控制机器人

可以约定：

例如：

如果 <双手举起> 那么
    机器人前进
否则
    如果 <举左手> 那么
        机器人左转
    否则
        如果 <举右手> 那么
            机器人右转
        否则
            机器人停止

9. 如果 AI 识别不准确

请检查：

• 双肩和手臂是否都在画面中。
• 房间是否足够明亮。
• 衣服和背景是否容易区分。
• 画面中是否有多人。
• 摄像头是否在晃动。
• 姿态分析积木是否在循环中。

如果角色频繁切换状态，请在每个动作上保持约 1 秒再让它执行。

🧩 挑战

选择一个想法升级项目：

1. 1做一个健身游戏，每次举手得分。
2. 2通过侧身控制宇宙飞船。
3. 3玩家举起双手时播放声音。
4. 4手腕高于头部时让角色跳起来。
5. 5添加变量 练习次数 统计正确动作的次数。

✅ 记住

• 姿态估计帮助 AI 识别身体姿势。
• PoseNet 使用 17 个关键点。
• 每个关键点都有 x、y 坐标和置信度。
• 比较手腕和肩膀的位置可以识别举手动作。
• 条件把姿势转换成角色或机器人的动作。
• 摄像头需要充足的光线并清楚地看到身体。

1. 1什么是关键点？
2. 2PoseNet 能识别多少个关键点？
3. 3识别举手动作需要比较哪些点？
4. 4为什么要先在舞台上测试，再控制真实机器人？