|
研究技术框架 1.前端：mock plus实现前端页面原型图的制作和页面交互的设计；开源ui框架vantui和colorui实现和美化小程序前端界面；mpvue框架实现前端交互。 2.后台：利用Python flask+tornado搭建后台服务器，进行数据转发及处理，配合mysql完成数据的存取。 3.姿势识别：采用tensorflow-openpose人工智能模型，用opencv调用模型实现对图片中人物的姿态识别。 4.关键算法: 本项目使用GitHub开源项目open pose，可以实现人体动作的姿势识别，通过多个关键点的检测，识别形成拍照姿势。难点在于姿势的识别和精准度，同时要对输入的图片进行处理，再调用open pose项目后形成姿势图像返回。 OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性，是世界上首个基于深度学习的实时多人二维姿态估计应用。 软件应用 （1）微信小程序+人工智能+Python后台。 （2）将微信小程序与人工智能结合，利用tensorflow提取vgg16特征图层，利用卷积神经网络融合风格和内容，生成风格迁移图片，再利用flask+nginx搭建服务器和后台，形成适合我们小程序的后台设计。 实习编辑：李欣容 稿件来源：深度学习与文旅应用实验室（DLETA） |
|
|
