利用稀疏编码结合深度学习的人体姿态估计.pdf

AlphaPose的轻量化单人姿态估计网络（SPPE）训练代码 使用步骤 1. 下载数据集放置到train_demo/data文件夹 2. pip install -r requirements.txt 3. 安装pycocotools和alphapose 3.1 cd train_demo 3.2 python setup.py install 3.3 python setup1.py build develop 4.开始训练 python train_demo/train.py 相关博客：https://blog.csdn.net/xzq1207105685/article/details/119331007

传统的基于RGB和骨骼特征的行为识别算法,普遍存在两种特征互补性不足及视频关键时序性不强等问题。为解决这一问题,提出一种自适应融合RGB和骨骼特征的行为识别算法。首先,面向RGB图像和骨骼图像,联合双向长短时记忆(LSTM)网络和自注意力机制提取两者的时空特征;然后,构建自适应权重计算网络(AWCN),并以两者的空间特征为输入计算出自适应权重;最后,利用自适应权重得到上述时空特征的融合特征,实现了最终的动作分类。通过在Penn Action、JHMDB和NTU RGB-D人体行为数据集上与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别精度。

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

行业分类-物理装置-基于改进姿态估计算法的嵌入式平台实时跌倒检测方法.zip

pytorch实现的头部姿态估计（偏航、横滚、俯仰）和情绪检测算法

1. int AttitudeEstimatorQ::start( ) 程序启动函数 2. void AttitudeEstimatorQ::task_main( ) 进程入口 3. float gyro[3] 获取传感器数据， DataValidatorGroup，并检验数据可靠度 4. 通过 uORB 模型获取 vision 和 mocap 的数据 5. 位置加速度获取（_pos_acc）

open pose1.5.1官方原版，已经编译好了，WIN10,CUDA10.0,CUDnn7.5，打开可以直接用，并且python库链接也编译了，可以调用。

轻量级人体姿态估计lightweight-human-pose-estimation.rar

计算机视觉中头部姿态估计的研究综述Head Pose Estimation in Computer Vision: A Survey（中文翻译）