社会距离估计 该存储库包含使用YOLOv4对象检测器和OpenPose人类姿势估计器根据单个RGB图像自动进行社交距离估计的代码和教程。 内容 入门 该代码要求安装以下库： python 3.8 张量流2.3.1 的opencv 4.4.0.44 numpy的1.18.5 该代码要求安装YOLOv4和OpenPose模型。 有关安装说明，请参阅和 。 安装后，从此页面下载3个脚本automatic_evaluation_API.py，valuate_labeled_images.py和valuate_unlabeled_images.py。 最后，项目文件夹应如下所示： ${project_dir} / ├── labels │ ├── body_pixel_locations.csv │ ├── camera_locations_photoshoot_identifi

这款比openpose更精确，同时也更快，比mask r cnn更快

openposoe下载失败后需要的，部署之后最容易出问题的，建议本地安装，否则很多时候都是失败的

基于深度学习的人体姿态估计修正.pdf

Human 3.6M 3D human pose dataset fetcher

利用稀疏编码结合深度学习的人体姿态估计.pdf

HRnet网络用于人体姿态估计的模型，pytorch实现的模型，w48_256x192，实现说明位于https://github.com/leoxiaobin/deep-high-resolution-net.pytorch/tree/master/demo，原来位于谷歌网盘

通过使用tensorflow搭建Openpose环境实现对人体18个骨骼点的实时监测。

官网有很多版本，这是比较旧的版本。电脑性能不好的可以尝试安装这个，相关的安装说明可以在GitHub官网找到

随着人们生活质量的提高和科技水平的发展，智能化和健康云等概念提上了日程。基于惯性传感器的人体运动识别系统具有便于携带、成本低、不受时间和 场景限制等优点，在体感游戏和健康监控等领域受到了广泛的关注。本文通过加速度计和陀螺仪等惯性传感器设计人体运动识别系统，可实现关节运动的姿态角解算和位移测量。 本文工作主要包括硬件平台的设计和运动检测算法的实现。针对功能需求分析，本文设计了系统的硬件平台，硬件平台采用核心处理器 ATMEGA32 搭配传感器模块 MPU6050 和射频模块 nrf24L01 组成惯性测量单元，采集人体关节运动信号，并对采集到的信号进行预处理。在研究各芯片特性和配置基础上,现了各模块的驱动设计。运动检测算法包括两部分的研究工作：姿态角解算和位移测量。在姿态角解算模块中，本系统针对加速度三角函数法只适合于静止或低频运动的情况，设计了对加速度计和陀螺仪数据进行融合的自适应互补滤波器和卡尔曼滤波器两种数据融合算法，从运算效率和测量精度两方面对这两种数据融合算法进行比较，实验结果表明自适应互补滤波器在改善姿态角测量精度和运算效率两方面都优于卡尔曼滤波器。在位移测量中，本文在研究时域二次积分、二次积分两种位移算法性能的基础上，提出了频域-时域混合积分法，用以改善频域积分对低频噪声的敏感和减小时域积分中的累积误差，研究了坐标系转换、拟合多项式去除趋势项和频域带通滤波器等信号预处理模块。