第1章 绪论 1.1 研究背景 对于目标实施追踪一直是人们追求的目标，以前只能通过人为的或者其他信息进行模糊的追踪。20世纪初，数字图像的处理走入大众的视野。在那个时候，人们在两地之间传输了一张照片，该照片经过数字压缩后，传输时间从200多小时缩短到不足三小时。这一过程虽然用到了图像处理方面的相关知识，但计算机却没有参与到整个过程中。但是，数字图像的处理离不开一定的储存空间与计算技巧的配合，与计算机发展技术成正比关系[1]。 从20世纪50年代开始，计算机的发展才向前迈进了一大步，人们在处理图形以及图像信息时已经有意识的将计算机的功能利用起来，增加工作的便利性[2]。 从图像处理技术的兴起到

基于人机工程和人机工效学原理，将空间站实验舱的3D模型导入到JACK软件中，并利用JACK软件对空间站实验舱内的航天员工作姿势进行可视域、可达域、疲劳和舒适度等仿真分析评价，进行改良优化。仿真航天员在实验舱的虚拟状态，以达到最舒适的人机环境。

动作识别 训练 python ActionRecognition/train_action_from_pose.py 测试 通过getpersonpose_array获取信息，然后运行 python ActionRecognition/test_action_from_pose.py 其中，person02_boxing_d2_uncomp 和 person05_walking_d1_uncomp 需要预先通过 PosturalRecognition/test/VideoCapture.py 进行预处理 最后输出动作发生的概率

人体姿势估计和跟踪的简单基线的TensorFlow实现

已划分训练集、测试集、验证集，亚洲人面部图像，多姿势，多表情，已划分标签。针对深度学习中人脸各种识别任务训练、测试以及验证

用于单人姿势估计的Stacked Hourglass Network的Keras实现

基于姿势的行为识别matlab程序，使用pose提取关节特征进行行为识别，matlab版本要2014年的，16年的估计也行

基于HMM的姿势识别，data代码一应俱全。