神经网络 概述 是等人提出的多任务级联卷积神经网络进行人脸检测的方法，它能够同时输出人脸的检测框以及5个关键点，是开源中效果最好的人脸检测器，，作者提供的版本为，它采用三级级联架构分阶段逐步过滤人脸，在CPU上可达到实时和较高的准确率，是目前人脸检测领域的基准。 由于各种不同的姿态，光照和遮挡等，人脸检测和对齐在非控制环境下非常具有挑战性。最近的研究表明使用深度学习能够获得惊艳的性能，MTCNN提出了一个多任务级联框架其发掘了检测和对齐的内在联系来提升性能。特别是，其通过由粗到细的方式设计了3个精心设计的级联式的网络来检测脸和关键点，从而又提出了一种在线难例挖掘的策略进一步提升性能。其超过能有

MultiPoseNet: 使用姿态残差网络进行快速多人姿态估计

设计了一款基于嵌入式处理器STM32的四旋翼飞行器，利用低成本传感器测量加速度和机体的角速率，提出一种结合算法，从而实现飞行器姿态的精确测量。采用四元数法描述飞行器的姿态，在测量过程中结合互补滤波算法进行测量数据的矫正；同时针对出现的随机噪声干扰，采用卡尔曼滤波算法，实现姿态的准确测量，最终在实际的飞行器平台上得到了验证。

使用指南 使用genTrig（）或genRotAxis（）生成参考运动和角速度测量值。 使用genMea（）为参考运动生成姿态或矢量测量值。 使用“无偏差过滤器”文件夹中的功能估计姿态。

目标追踪与姿态估计实战课程.zip

使用torch搭建LSTM实现对羽毛球动作的实时训练并预测，本文将其分为数据集制作、数据处理、模型搭建以及可视化几个步骤

典型的PnP问题求解方式有很多种，例如P3P、直接线性变换DLT、EPnP、UPnP，另外还有非线性的Bundle Adjustment。 旋转平移矩阵T一共有12维，因此最少通过6对匹配点即可实现矩阵T的线性求解，这种方法称为DLT。当匹配点大于6对时，也可以使用SVD等方法对超定方程求最小二乘解。

完整代码，可直接运行

人体姿态估计代码

一种用于人体姿态估计的强大算法,可以检测并且定位人体的四肢及躯干和头部的位置，用于更高层次的分析。 (Pose estimation) 文件列表： parse_matlab parse_matlab\parseHorse.m parse_matlab\condenseLRResp.m parse_matlab\README parse_matlab\expected_genmodel_FHedgesN.m parse_matlab\util parse_matlab\util\imvq16.m parse_matlab\util\printSegs.m parse_matlab\util\oeFilterc.m parse_matlab\util\mydetGMc.m parse_matlab\util\assert.m parse_matlab\util\printSkel.m parse_matlab\util\sampleWithR.m parse_matlab\util\isum.m parse_matlab\util\buildHistExps.m parse_matlab\util\local_sum_zero.m parse_matlab\util\nonmax.m parse_matlab\horse001.jpg parse_matlab\partshiftZ0.m parse_matlab\GPL parse_matlab\horseModel.mat parse_matlab\expected_genmodel_FHedgecolsW.m parse_matlab\im0229.jpg parse_matlab\getSegmentsEdge.m parse_matlab\peopleModel.mat parse_matlab\sample_genmodel_FHedgecolsW.m parse_matlab\avgSegmentsEdge.m parse_matlab\HorseConvRun.mat parse_matlab\im0229.dat parse_matlab\parseim.m parse_matlab\parsePerson.m