消息！ 2020年8月： 发布了！ 更强大的追踪！ 包括全身（脸，手，脚）要点！ 现在可用。 2019年12月：AlphaPose 发布了！ 较小的型号，更高的精度！ 2019年4月：发布的AlphaPose！ 在COCO验证集上，它以23 fps的速度运行。 2019年2月： 集成到现在AlphaPose！ 2018年12月：了PoseFlow的！ 3倍更快，支持姿态跟踪结果可视化！ 2018年9月： 发布了！ 它在COCO验证集上以20 fps的速度运行（平均每张图像4.6人），并达到71 mAP！ AlphaPose 是一种精确的多人姿势估计器，它是第一个开源系统，在COCO数据集上达到70+ mAP（75 mAP），在MPII数据集上达到80+ mAP（82.1 mAP）。 为了在帧中匹配与同一个人相对应的姿势，我们还提供了一种称为Pose Flow的高效在线姿势跟踪

Many Human-Body-Fall-Dow n Detection models are faced with problems like lower adaptability and higher w rong-detection rate in different detection scenes，and targeting on these shortcomings this research proposes a Human-Body-Fall-Dow n Detection Model based on the human skeleton keypoints and the LSTM neural network． This model detects the skeleton keypoints of the continuous multi-frame human body by Alphapose，and then divides the coordinate sequences of the skeleton keypoints into X and Y coordinate sequence，and then inputs them respectively into LSTM neural network to extract the time-order character; the last step is to input the LSTM hidden layer output vector into a full connection layer to obtain the results． This research uses public data set M uHAViMAS and Le2i to execute this experiment，and compares itself with many other detection models． The results show that this model has relatively high detection accuracy in multiple scenes，multiple view s，and multiple poses of falling．

alpha模型权重库，所有模型都在关键点训练2017图像上进行训练，该图像包含至少一个具有关键点注释的人员（64115个图像）。该评估是在2017年COCO关键点评估（5000张图像）上完成的。默认情况下使用翻转测试。一台TITAN XP用于速度测试，每次迭代中batch_size = 64。离线人体检测结果用于速度测试。FastPose是我们自己的网络设计。纸张即将推出！

在torch+tensorflow环境下安装Alphapose依赖库的安装文件，镜像文件，解决下载慢和安装失败的问题

Alphapose目标检测项目中的res152网络的权重文件

基于window系统，pytorch框架，实现的人体骨骼关键点检测的Alphapose源码 ，比openpose的准确度高。亲测有效。

上海交大刚刚开源的人体姿态估计alphapose源代码-pytorch版本

利用python实现Alphapose骨骼关键点信息的提取，将jison中的关键点信息存储到txt文件中。