基于pytorch，利用YOLOV8进行检测待识别人的位置和骨架坐标，利用DeepSort算法进行提取待识别人的运动轨迹，对提取的视频帧实现逐帧识别人体骨架及走路姿势分析。 基于opencv对手势进行识别，实现对手指骨架特征的提取后使用二乘法拟合对手势进行全方位准确识别，并与人形机器人的机械臂进行通信（基于android开发的app）使其运动至与待识别手势相同的位姿。

负责制作安全帽数据集，并搭建基于Darknet框架的YOLOV3算法，对模型训练，测试，以及部署，算法引用anchor box的方法进行优化，有效提高了目标位置识别的准确度，模型预测准确率达到90%，并设计人机交互界面。

为了达到对低照度和高曝光图像的增强的目的，分别使用主观评价指标和客观评价指标对算法进行评价。基于pytorch设计网络结构输出参数对图像进行简单变换，网络使用VGG16的卷积结构并增加残差连接，使用输出层预测变换参数，设计了五种损失函数进行惩罚训练。并设计UI交互界面对比不同算法的实时增强情况。