FitnessDetection:一个旨在使用计算机视觉和神经网络来提供有关人们运动习惯的反馈的项目

健身检测 该项目旨在使用计算机视觉和神经网络来提供有关人们锻炼习惯的反馈。 使用semi_automatic_multiple_sets.py （位于main_projects / vedaant中） 该文件可让您轻松地将大量运动数据处理为焦点平方。 输入将由运动例程中捕获完整运动范围的冻结帧文件夹集组成。 这些集合必须按照约定“ Set1”，“ Set2”，“ Set3”等命名。 图像的理想名称是“ 1.png”，“ 2.png”，依此类推。输出将是一个已处理的文件夹，其中包含每个图像的正方形。大小在各组之间会有所不同，但是稍后会进行处理。 循序渐进的过程 将所有设置放在图像文件夹中，最好是分配给您的设置。 所有图像均应按约定命名 仔细检查以查看当前工作目录是否为根项目目录。 如果不是，请更改为该名称。 （检查os.getcwd() ） 该过程应从接近运动中整个运动范围的图像开始。