基于深度学习的人体动作姿势识别系统

提示：适合用于课程设计或毕业设计，工作量达标，源码开放

利用机器学习内容设计实现人体姿势识别系统。

通过 OpenPose 获取骨骼数据，设计算法提取骨骼节点特征，利用卷积网络的知识实现姿势识别。创新点在于骨骼特征节点设计时利用 两个手工定制的特征，实现快速识别：第一个是距离两个关键点的距离会随着动作不同而不同；第二个是角度，考虑到距离会随着摄像头位置发生变化，而三个点的夹角不同，不论远近，夹角固定，同时夹角会随着动作不同而不同。

通过特征值网络的设计、卷积网络的设计与实现，以及系统的设计与实现，最终实现了基于人体骨骼姿态的姿势识别系统。

第 1 章 概论
第 1.1 节 人体姿态估计的发展概况
第 1.2 节 各种分类方法的发展概述及研究现状
1.2.1 各种分类方法的概述以及发展
1.2.2 关于专家系统的动物识别分类的概述以及研究近况
1.2.3 关于支持向量机分类的概述以及研究近况
1.2.4 关于机器学习与深度学习分类的概述以及研究近况
第 2 章 骨骼数据的获取
第 2.1 节 安装 OpenPose
第 2.2 节 关于 OpenPose 网络模型算法的具体细节
第 2.3 节 通过 OpenPose 获取骨骼数据
第 3 章 算法设计
第 3.1 节 骨骼节点特征的设计与提取
3.1.1 距离特征的设计与提取
3.1.2 角度特征的设计与提取
第 3.2 节 分类的设计与实现
3.2.1 workspace 程序开发目录详细说明
3.2.2 特征值网络的设计
3.2.3 卷积网络的设计与实现
第 4 章 系统的设计与实现
第 4.1 节 太极姿态网络的模型保存与加载使用
第 4.2 节 采集系统的实现细节
第 4.3 节 太极识别系统的实现细节
第 5 章 系统总结