人体姿态检测，最最基本的代码，一看就入门

人体姿态检测总结，Deep Learning-Based Human Pose Estimation: A Survey

6DOF_PoseEstimation Kinect2.0实现估算长方体物体三维姿态并实时显示

PoseEstimation-TFLiteSwift 此项目是使用TensorFlow Lite在iOS上进行的姿势估计。 如果您对iOS +机器学习感兴趣，请访问您可以查看各种DEMO。 实时2D姿态估计 3D姿势估计 特征 支持2D姿势估计TFLite模型 金属框架实时演示 相册演示 支持3D姿态估计TFLite模型 金属框架实时演示（但实时模型尚未准备好） 实时姿态匹配演示 相册演示 在2D演示页面中渲染2D姿势估计的结果关键点 使用SceneKit渲染3D姿势估计的结果关键点 渲染2D姿势估计输出的热图 典型基于热图的模型的零件置信度图 OpenPose（2D多人）的零件相似性字段 在3D姿势演示中实现了具有余弦相似性的姿势匹配 实施以固定3D姿势估计中的肩膀关键点，以进行姿势匹配的预处理 楷模 源图像 名称 gif img-0 img-1 i

MobileNetV2-PoseEstimation [注意] RraspberryPi + NCS2的行为非常不稳定。 [注意] Tensorflow Lite + CPU的行为不稳定。 [警告] 2019年5月6日，Google Edge TPU程序和模型正在建设中。 [信息] 2020年6月8日，我正在极大地调整Tensorflow Lite模型的性能。 介绍 ildoonet的成就给该存储库带来了自己的实现。 谢谢 。 我将仅使用CPU使他的实现更快。 环境 Ubuntu 16.04 x86_64 USB相机 神经计算棒2（NCS2） Google Edge TPU Py