使用网络摄像头或视频文件进行人体姿态估计，利用深度学习通过网络摄像头读取视屏帧，逐帧分析人体骨骼的姿态，便于下有任务，方便使用和标注数据点为行为识别提供助力。

利用ControlNet条件和OpenVINO进行文本到图像生成,使用ControlNet和OpenVINO，你可以控制你的模型并产生可靠的预测。与我一起探索稳定扩散模型的世界，并发现这些强大的工具如何帮助我们在研究和分析中实现突破。

项目简介：表情识别系统是一种基于 FACS ( Facial Action Coding System）标准，通过视频流的微表情采集和分析识别出人类的真实情感，并将其数字化的人工智能技术。这一技术不仅扫描面部动作单元，同时也扫描肌肤变化的纹理，并结合可变形点的星系米建立面部详细模型并反馈。人脸表情识别系统包括人脸表情数据集，人脸表情数量4万张，包含人类基本情绪。 主要工作： 通过Flask框架对算法进行服务器端部署，完成与其他业务进行通信。 基于MTCNN算法，实现人脸检测与关键点定位 利用OpenCV仿射变化，实现人脸矫正。 结合ResNet与self-attention，实现表情识别。