项目学习（1）_树莓派提取人体骨骼特征点-CSDN博客

本文链接：https://blog.csdn.net/gongmissyan/article/details/121365329

本文记录了一位毕业生使用STM32进行的项目学习，涉及opencv、树莓派、深度学习和骨骼特征点提取。项目应用场景为健身房和家庭，详细介绍了DTW算法、人体骨骼关键点提取方案（如openpose、mediapipe、posenet）以及深度学习相关框架和理论，包括图卷积神经网络和LSTM。同时，分享了界面设计、数据集创建与训练、ST-GCN的相关资料链接。

摘要由CSDN通过智能技术生成

马上要毕业了，事情比较多，为了提醒自己不荒废时间，现在每天将自己的代码的相关的链接写在文件里面，用于个人的记录和学习。
目前的框架如下：opencv+树莓派+深度学习+骨骼特征
应用场景的话：健身房，家庭。

211117：DTW算法；DTW动作评分系统的实现
DTW动态规整算法主要实现两个时间序列相似度的比较
DTW 可以通过dtw-python进行实现

211118：DTW动作评分系统源码分析；keras实现

211119：人体骨骼特征点的提取
目前常用的人体骨骼关键点提提取方案：
openpose 计算机骨骼关键点的远古级 2维多人速度慢 CPU版0.2帧 GPU7帧左右有多种一般用25的
mediapipe 谷歌实验室的 3维单人速度较快 CPU版25帧人体
posenet 轻量化网络

211120：Python数据分析的使用

211121：深度学习基本框架和理论
图卷积神经网络

211122：LTSM神经网络的应用和原理

211208：界面设计
https://blog.csdn.net/vs20s18/article/details/105803997

211221：ST-GCN相关资料
http://www.zyiz.net/tech/detail-259438.html 创建个人数据集
https://blog.csdn.net/Cheungleilei/article/details/106732746 利用HRnet提取关键点，建立json数据
https://www.cxymm.net/article/qq_40250617/106209005 2s-AGCN代