;
演示视频：
可以前往B站观看。https://www.bilibili.com/video/BV1M3411r7gE/。
行为安全监测
针对当前行为监测中的精度不足、效率较低等问题，结合了openpose的姿态识别技术通过不同肢体之间的协调关系来搭建分类算法，并通过不同的分类算法比较，选择出最优模型搭建多目标的分类方法，最终可以实现多个目标的姿态显示、目标检测和分类的实时显示。在此次的模型中通过调用轻量级的openpose模型进行人体姿态识别，其主要的方法是通过openpose获取人体各个骨骼关键点位置，然后通过欧氏距离进行匹配两个骨骼来具体检测到每一个人，对于常见检测中骨骼关键点的缺失可以通过上一帧的骨骼信息进行填充。
健身评分系统
使用姿态估计技术，提取人体关键点后，对不同人体肢节进行组合，实时评估骨骼向量角数据，并根据人体向量角数据与建立好的标准动作比对，给出各肢体评分，和总评分。在这里我们以举哑铃动作为例，搭建我们的智能健身评分系统。
姿态纠正系统
通过姿态估计，然后余弦向量角计算，实现姿态对比纠正
代码介绍
技术栈：Python语言、PyQt5建立GUI界面、OpenPose实现人体姿态估计、Keras实现模型训练。
环境需求见博客：https://blog.csdn.net/qq_42279468/article/details/124987801?spm=1001.2014.3001.5502
使用算法：人体姿态估计算法OpenPose、骨骼角度提取向量角对比算法、神经网络多分类算法
技术文档展示
训练数据集展示
训练过程展示
