MediaPipe 跨平台视觉AI环境即搭即用指南【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做移动端或桌面端的人脸检测、手势识别、姿态估计时通常要自己处理摄像头取流、模型推理、结果渲染这一整条链路。MediaPipe 把这条链路封装为跨平台机器学习框架内置预训练模型覆盖人脸检测、手势识别、姿态估计、物体追踪等场景同一套图graph配置可在 Android、iOS、桌面与 Web 之间复用。本文只解决一件事把 MediaPipe 在本机构建起来并验证通过。 开始前环境要求类别要求用途操作系统Debian/Ubuntu、macOS、Windows实验性、WSLMediaPipe Framework 的主要构建目标构建工具BazeliskBazel 6.5.0 及以上编译源码并拉取第三方依赖PythonPython 3需可被 Bazel 找到解释器构建期生成 proto 等产物OpenCV3.x ~ 4.x按发行版预编译包安装图像读写与视频流处理FFmpeg随 OpenCV video 模块附带视频文件解码输入GPU 驱动可选EGL/MesaLinux 桌面仅 GPU 示例需要CPU 构建可跳过 获取代码与依赖先拿源码再装依赖。git clone https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe依赖按平台分叉Linux / WSL用发行版包管理器装预编译 OpenCVlibopencv-*.devFFmpeg 经libopencv-video-dev带入再装 Bazelisk 与 Python 3。macOSHomebrew 装opencv3与 Bazeliskxcode-select --install补齐命令行工具。WindowsMSYS2 Visual C Build Tools 2019 WinSDKOpenCV 3.4.10 离线安装并设置BAZEL_VS等变量。⚙️ 构建并验证执行最小验证命令它会把 hello_world 编译并运行一次bazel run --define MEDIAPIPE_DISABLE_GPU1 mediapipe/examples/desktop/hello_world:hello_world终端连续打印 10 行Hello World!即环境可用。该命令运行 hello_world.cc 中定义的一张串联两个 PassThroughCalculator 的简单图用于确认 Bazel、OpenCV 与 Python 解释器三者都已就绪。️ 在示例目录里体验桌面示例集中在 mediapipe/examples/desktop/推荐从 face_detection/ 入手每个示例的BUILD文件都带一条可运行的样例命令注明 graph 配置文件与输入输出路径。移动端对应 mediapipe/examples/android/ 与 mediapipe/examples/ios/。 常见问题速查找不到 Python 解释器local_execution_config_python报错→ Bazel 定位不到 python 二进制 → 追加--action_env PYTHON_BIN_PATH$(which python3)。No module named numpy→ 缺少 Python 依赖包 → 用pip3 install装上对应包。undefined reference to cv::...→ OpenCV 未按仓库配置指向 → 按 install.md 调整WORKSPACE与opencv_*.BUILD。拉取org_tensorflow等远程依赖超时 → 网络/镜像不可达 → 配置代理或bazel clean --expunge后重试。pip install mediapipe找不到版本 → 系统不在 64 位支持列表 → 换 x86_64 Linux/macOS 或 amd64 Windows。 接下来想理解 Packet、Graph、Calculator 三大核心概念读 docs/framework_concepts/。想排查构建或调 GPU看 docs/getting_started/troubleshooting.md。想改模型而非只跑示例进 mediapipe/model_maker/ 用 Model Maker 微调。完成这些之后你现在可以构建任意 desktop 示例或把同一张 graph 部署到 Android 与 iOS 应用里。【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