概述: 跟着我左手右手一个慢动作……现在分享一个电子DIY套件，国外开源的，建一个慢动作框架，使现实生活中的物体移动到似乎是慢动作！ 当我们第一次偶然发现由杰夫•利伯曼（Jeff Lieberman）创作的“慢舞台”（Slow Dance Frame）时，我们非常惊讶地看到现实生活中的物体在看起来像是慢动作中。它是如此超现实和迷人。 对于那些想了解更多关于这个减速时间的魔法框架的人，您可以从原来的Kickstarter了解更多。 我们已经将慢舞动帧复制到我们恰当地称之为sLOMO（慢动作）帧。它的设计使用更容易购买的部件，而不是定制它们以便复制项目。 电子电路板的设计很小，以便将其安装到较小的相框中，但不要太小，因为我们更喜欢使用流行且易于使用的Arduino Nano /兼容微控制器来驱动该板。 JF sLOMO框架基本套件包括在内: 1 x裸JF sLOMO框架PCB 1个电源插座 1个直角按钮开关 1 x 3300uF 16V电解电容 2 x 12K欧姆1/4 W电阻 2 x 330欧姆1/4 W电阻 2 x IN4004二极管 2 x N沟道MOSFET 60V 30A 2 x 50K欧姆电位器 2 x 15针直母头 注意:不包括Arduino Nano /兼容微控制器。 您也可以选择购买以下插件: JF sLOMO框架电磁铁套件 JF sLOMO镜背装套件（宜家Ribba相框18厘米x 24厘米）

Unity3D 动作类游戏《魔法勇士x》源码 说明： 此游戏模拟地下城与勇士的闯关杀怪为游戏玩法 在游戏中可以用各种装备提升玩家自身属性 如：攻击速度，移动速度，攻击力等等。。。 此游戏共有关卡308关，游戏角色共有8个 其中7个尚未制作完成，有兴趣的可以下载 所以请不要商用，仅限学习使用 运行环境：Unity4.6.1

在Google街景视图中进行虚拟漫步 在， 。 在隔离期间，由于COVID-19大流行，我们目前遇到的情况是，为了共同的福祉，我们减少了在街上自由活动的权利。 人们只能在杂货店等特定情况下外出。 在许多国家，许多边界都是封闭的，旅行被完全禁止。 Virtual Walks是一个使用Pose Estimation模型和LSTM神经网络一起在Google Street View中模拟步行的项目。 对于姿势估计，已修改了模型，而对于动作检测部分，已使用开发了LSTM模型。 该项目能够借助模拟世界各地的街道。 Tensorflow 2.0，Selenium和Python 3.7是该项目中使用的

fbx模型，带奔跑和其他十多个动作。相关博客（osg读取fbx模型并播放动画（附代码和模型））：https://blog.csdn.net/github_39611196/article/details/90267276。

模式,预测,动作-一个关于机器学习的故事.pdf

基于表面肌电信号的手腕动作模式识别

主要记录屏幕场景，定时执行录制动作

这是基于python的opencv人体姿态动作检测算法源代码。

本人打算构建一个基于无线信号的动作数据集，主要用来研究基于CSI的动作识别，以及用来评估同行所做工作。

课堂是学校教育的核心，课堂教学过程评价对于教学质量的提高有重要意义，而学生的课堂行为表现是课堂教学评价的重要成分。通过评价学生的课堂行为，形成有效的反馈信息和教学导向，可以有效的促进课堂教学和学生的发展。因此，利用现在的计算机视觉技术和教学过程的相关测量手段相结合，对教室中的学生学习行为进行测量，形成对学生、对课堂的多维度的客观评价和反馈，对于提高课堂内的教学效率和教学质量有着重要的意义。本文在课堂学习场景下，研究了基于体感信息的学习者动作识别的算法以及相关应用系统的设计和实现。 论文的主要贡献是设计并实现了课堂学习场景下基于体感信息的多学习者行为测量系统:针对的Kinect骨骼数据特点，本文提出了基于人体上肢骨骼结构的姿态识别方法，该方法通过选用结构向量间的向量角和向量模比值作为最终的姿态向量特征，采用SVM分类器对姿态向量特征进行分类和识别；实现了一个集数据采集、识别、记录、分析和展示于一体的课堂行为识别系统，对课堂交互活动行为分析和课堂整体活跃态势进行了分析，并使用该系统进行了针对学习者个人评价和针对课堂活跃度评价的实验。 通过测试结果表明，本文提出的姿态识别方法能有效地识别多个学习者的举手、正坐和低头等姿态，该课堂行为识别系统具有一定的实用性；通过模拟课堂实验得出对于学生个人的参与度评价、每道题的难度评价、整个课堂活跃度的评价的实验性结论，对于课堂教学过程评价具有一定的参考意义。