动作识别系统-python+TensorFlow

项目描述 基于深度学习的动作识别系统

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 L=15 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）

运行环境
操作系统：Windows / Linux / macOS（跨平台）
Python 发行版：推荐 Anaconda
Python 版本：Python 3.x（兼容 TensorFlow 1.3）
硬件：建议 GPU（CUDA）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_NUM=0）或本地图片替代

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 SORT（filterpy 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 OpenCV（cv2） 视频捕获、图像 resize/色彩转换、绘制骨架与 bbox
GUI 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