MediaPipe部署实战桌面、Python、Android三个演示各一条命令跑通【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给视频加手部骨架、给照片标人脸不需要自己训模型、也不需要手写推理框架——MediaPipe 自带预编译的推理图和预训练模型你只需要构建示例、把图和输入文件喂进去。这篇文章按 桌面 C → Python 图片处理 → Android APK 三条部署路径每节只保留跑通一次所需的最少命令全部细节都能在仓库内文档里查到。MediaPipe 是什么现成的推理图装完就能喂数据MediaPipe 是一个跨平台的机器学习解决方案框架核心是把模型 前后处理打包成可直接运行的推理图graph同一套图可以部署到 Android、iOS、桌面和 Web。预训练模型和示例代码都在仓库里不用额外下载权重。你想做的事入口查某个能力人脸/手部/姿态怎么用docs/solutions/solutions.md装环境、装 OpenCV、配 Bazeldocs/getting_started/install.md看所有可跑的示例mediapipe/examples/desktop/、mediapipe/examples/android/、mediapipe/examples/ios/先跑 Hello World一条命令验证 C 桌面环境这条命令的意义是验证 Bazel 和 OpenCV 都配对了——它能过后面所有示例才能过。git clone https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe# Linux CPU GLOG_logtostderr1 bazel run --define MEDIAPIPE_DISABLE_GPU1 \ mediapipe/examples/desktop/hello_world:hello_world看到连续 10 行Hello World!输出就算环境就绪 ✅ 示例源码在 mediapipe/examples/desktop/hello_world/hello_world.cc它跑的是一个两个 PassThroughCalculator 串联的最简图。macOS 用户同样跑bazel run命令见 docs/getting_started/install.md 的 macOS 小节。桌面场景手部骨架跟踪把视频变成带标注的视频桌面示例的套路是构建一个可执行文件 命令行传入图配置和输入视频。以手部跟踪为例构建和运行命令都写在 BUILD 文件头部的注释里bazel build -c opt --define MEDIAPIPE_DISABLE_GPU1 \ //mediapipe/examples/desktop/hand_tracking:hand_tracking_cpubazel-bin/mediapipe/examples/desktop/hand_tracking/hand_tracking_cpu \ --calculator_graph_config_filemediapipe/graphs/hand_tracking/hand_tracking_desktop_live.pbtxt \ --input_video_path你的输入视频 \ --output_video_path输出视频路径跑完你会得到一段每一帧都画着 21 个手部关键点和连线的视频。换其他能力人脸、姿态、目标检测只需换一个图配置和对应的bazel build目标图文件都在 mediapipe/graphs/ 下。Python 场景用 10 行代码给自己照片标人脸不想碰 C 的话Python 包pip直接装无需编译任何东西支持 Linux / macOS / Windows 的 64 位 Pythonpython3 -m venv mp_env source mp_env/bin/activate pip install mediapipe最小可运行示例细节和全部参数见 docs/solutions/face_detection.mdimport cv2, mediapipe as mp mp_fd mp.solutions.face_detection image cv2.imread(your_photo.jpg) with mp_fd.FaceDetection(model_selection1, min_detection_confidence0.5) as det: r det.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)) if r.detections: mp.solutions.drawing_utils.draw_detection(image, r.detections[0]) cv2.imwrite(face_detected.jpg, image)model_selection控制用人脸全脸模型还是半脸模型min_detection_confidence是置信度门槛。手部、姿态、人像分割的写法完全同构API 文档在 docs/solutions/hands.md 和 docs/solutions/pose.md。Android 场景构建手部跟踪 APK 装到真机仓库自带一键脚本初始化 SDK/NDK首次构建会自动下载依赖比较久./setup_android_sdk_and_ndk.sh构建并安装手部跟踪 GPU 版示例bazel build -c opt --configandroid_arm64 \ mediapipe/examples/android/src/java/com/google/mediapipe/apps/handtrackinggpu:handtrackinggpu adb install bazel-bin/mediapipe/examples/android/src/java/com/google/mediapipe/apps/handtrackinggpu/handtrackinggpu.apk所有可构建的 App 都在 mediapipe/examples/android/ 下构建脚本入口是根目录的 build_android_examples.sh。iOS 侧则走 Tulsi 生成 Xcode 工程工程模板在 mediapipe/Mediapipe.tulsiproj/。报错速查四个最高频的构建失败你看到的报错原因一条命令/一处修改解决fetch of repository local_execution_config_python失败Bazel 找不到 Python 解释器构建时追加--action_env PYTHON_BIN_PATH$(which python3)undefined reference to cv::...一串符号缺失OpenCV 路径没配对改 WORKSPACE 里linux_opencv的path并同步 third_party/opencv_linux.BUILD 的链接库列表pip install mediapipe提示 No matching distribution只有 x86_64 Linux / x86_64 macOS / amd64 Windows 提供 wheel换 64 位 Python 重装不支持的平台按源码构建依赖下载Connection timed out网络拉取外部依赖仓库失败bazel clean --expunge后重试必要时给 bazel 命令挂代理参数完整清单含 Windows DLL、Android native method 等问题在 docs/getting_started/troubleshooting.md。动手任务换成你自己的素材跑出结果把上面任意一个场景的输入换成你自己的文件交付物就是一件真东西拍一段 10 秒的手部视频或找一段现成的跑桌面手部跟踪产出带骨架标注的视频再用 Python 场景处理你本人的一张正面照产出标注人脸的face_detected.jpg。两个文件都生成说明这条部署链路在你机器上已经全通了。想继续往下走就从 mediapipe/graphs/ 里挑一个最接近你业务的.pbtxt照着改输入输出流。【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