本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于深度学习的动作识别系统二、项目功能人体姿态估计模式1调用 tf-pose-estimation 的 mobilenet_thin 模型推理并绘制人体骨骼关键点。多人跟踪模式2基于 SORT 多目标跟踪算法对每帧检测到的人体框进行持续追踪并标注 ID。行为识别模式3对每个人维持 L15 帧的关节点滑窗序列通过 utils/actions.py 的几何特征判断识别 7 类动作stand站立、sit坐、walk走、walk close走近、walk away走远、sit down坐下、stand up站起三、运行环境操作系统Windows / Linux / macOS跨平台Python 发行版推荐 AnacondaPython 版本Python 3.x兼容 TensorFlow 1.3硬件建议 GPUCUDA以加速姿态估计推理CPU 也可运行但 FPS 较低摄像头USB 摄像头编号 CAM_NUM0或本地图片替代四、项目技术深度学习框架 TensorFlow 1.3 加载并推理 mobilenet_thin 姿态估计模型见 pose/estimator.py姿态估计 tf-pose-estimation 提取人体 18 个骨骼关键点脖子、髋、膝等多目标跟踪 SORTfilterpy 实现 基于卡尔曼滤波匈牙利算法的实时多人 ID 跟踪见 utils/sort.py计算机视觉 OpenCVcv2 视频捕获、图像 resize/色彩转换、绘制骨架与 bboxGUI 框架 PyQt5 主窗口界面、按钮交互、定时器驱动视频帧刷新数值计算 NumPy 关节坐标数组运算、bbox 坐标变换、随机颜色生成以上系统源码经过技术整理与调试确保能正常运行五、项目截图 动作识别系统-python+TensorFlow
本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于深度学习的动作识别系统二、项目功能人体姿态估计模式1调用 tf-pose-estimation 的 mobilenet_thin 模型推理并绘制人体骨骼关键点。多人跟踪模式2基于 SORT 多目标跟踪算法对每帧检测到的人体框进行持续追踪并标注 ID。行为识别模式3对每个人维持 L15 帧的关节点滑窗序列通过 utils/actions.py 的几何特征判断识别 7 类动作stand站立、sit坐、walk走、walk close走近、walk away走远、sit down坐下、stand up站起三、运行环境操作系统Windows / Linux / macOS跨平台Python 发行版推荐 AnacondaPython 版本Python 3.x兼容 TensorFlow 1.3硬件建议 GPUCUDA以加速姿态估计推理CPU 也可运行但 FPS 较低摄像头USB 摄像头编号 CAM_NUM0或本地图片替代四、项目技术深度学习框架 TensorFlow 1.3 加载并推理 mobilenet_thin 姿态估计模型见 pose/estimator.py姿态估计 tf-pose-estimation 提取人体 18 个骨骼关键点脖子、髋、膝等多目标跟踪 SORTfilterpy 实现 基于卡尔曼滤波匈牙利算法的实时多人 ID 跟踪见 utils/sort.py计算机视觉 OpenCVcv2 视频捕获、图像 resize/色彩转换、绘制骨架与 bboxGUI 框架 PyQt5 主窗口界面、按钮交互、定时器驱动视频帧刷新数值计算 NumPy 关节坐标数组运算、bbox 坐标变换、随机颜色生成以上系统源码经过技术整理与调试确保能正常运行五、项目截图