MediaPipe 环境搭建指南4 条命令从克隆仓库到跑通实时人脸检测【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/mediapipeMediaPipe 是谷歌开源的跨平台机器学习框架用于在摄像头流或视频上实时完成人脸检测、手势识别、姿态估计、物体检测。这篇指南给出两条经过验证的 MediaPipe 环境搭建路径源码构建和 pip 安装。照做之后你能在本机编译并运行一个实时人脸检测程序或者用 Python 包直接调用现成视觉能力。先定路线源码构建还是 pip 安装两条路线对应两种目标先选一条再动手路线适用场景成本源码构建Bazel C要修改计算图、添加节点、编译桌面或移动端原生示例高首次构建约 10~30 分钟pip 安装Python 包只调用现成能力人脸网格、手势、姿态等低一条命令只调用现成能力走 pip 路线要改图或编译 Android/iOS 示例走源码路线。本文两条都写全可只按你选定的那条执行。源码路线的环境准备Bazel 与 OpenCV以 Ubuntu/Debian 为例macOS 与 Windows 的安装差异见 docs/getting_started/install.md 对应章节。安装 Bazelisk它是 Bazel 的版本管理器运行bazel时自动选用项目要求的构建版本。安装 OpenCV 开发库FFmpeg 随视频模块一并装上sudo apt-get install -y libopencv-core-dev libopencv-highgui-dev \ libopencv-calib3d-dev libopencv-features2d-dev \ libopencv-imgproc-dev libopencv-video-dev成功标志输出Setting up libopencv-video-dev (...)且没有E: Unable to locate package报错。注意Ubuntu 20.04 自带 OpenCV 4需要按官方文档调整 third_party/opencv_linux.BUILD 中的头文件路径OpenCV 3 则开箱即用。克隆仓库并完成首次构建克隆源码并进入根目录git clone https://gitcode.com/GitHub_Trending/med/mediapipe cd mediapipe然后编译官方最小示例 hello_world它是一条由两个透传节点串成的最小计算图bazel run --define MEDIAPIPE_DISABLE_GPU1 mediapipe/examples/desktop/hello_world:hello_world其中--define MEDIAPIPE_DISABLE_GPU1声明本次构建不使用 GPU桌面 CPU 构建必须带这个参数。首次构建会下载数百 MB 依赖耗时较长属正常现象。验证标准连续 10 行 Hello World运行成功后终端连续输出 10 行Hello World!每行带时间戳前缀。这个示例的完整过程是创建两节点图向输入流写入 10 个字符串数据包再从输出流逐个读回打印。10 行齐全说明 Bazel、OpenCV 链接、图运行时三件事都通了。任何一步报错直接跳到最后面的排查章节。跑通真实视觉任务实时人脸检测环境验证通过后构建人脸检测桌面示例短距模型适合约 20cm~4m 的人脸bazel run --define MEDIAPIPE_DISABLE_GPU1 \ mediapipe/examples/desktop/face_detection:face_detection_cpu \ -- --calculator_graph_config_filemediapipe/graphs/face_detection/face_detection_desktop_live.pbtxt程序会打开摄像头并弹出名为 MediaPipe 的窗口画面里的人脸被检测框标出。这一步完成了真实闭环图像帧从摄像头进入计算图检测模型输出框坐标渲染器把框画回画面。没有摄像头时给程序追加--input_video_path你的视频文件参数即可用本地视频代替实时画面。视觉流水线的输入图像长这样pip 路线的验证只需两条命令pip install mediapipe python3 -c import mediapipe as mp; print(mp.__version__)成功标志Successfully installed mediapipe-x.x.x随后打印版本号。之后即可用mp.solutions.face_detection直接调用物体检测任务的测试输入如下构建失败的三个排查点按报错关键词定位完整解法见 docs/getting_started/troubleshooting.md找不到 Python 二进制fetch of repository local_execution_config_python在 bazel 命令末尾追加--action_env PYTHON_BIN_PATH$(which python3)。依赖下载失败Error downloading、Connection timed out多为首次构建拉取依赖受阻换稳定网络或配置代理后重试仍失败先执行bazel clean --expunge再重来。OpenCV 链接错误undefined reference to cv::...说明 WORKSPACE 指向的 OpenCV 路径与机器实际安装不一致核对 third_party/opencv_linux.BUILD 中的 linkopts 与头文件路径。按平台继续移动端与 Web 的入口Android在 Docker 环境先运行bash ./setup_android_sdk_and_ndk.sh再用bazel build -c opt --configandroid_arm64构建目标示例工程在 mediapipe/examples/android/。iOSXcode 工程位于 mediapipe/examples/ios/。WebTypeScript 接口与 WASM 构建位于 mediapipe/tasks/web/。想理解图Graph、节点Calculator、数据包Packet三个核心概念读 docs/framework_concepts/framework_concepts.md。下一步建议把人脸检测程序的--input_video_path换成你自己的视频文件确认检测框随画面中的人移动这套环境就算真正可用了。【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
