Action-Recognition

健身动作识别的资料与原型仓库，收录三条相互独立的内容：基于摄像头姿态估计的动作检测原型 （camera_pose_prototype/，本仓库的主要工作）、基于手机六轴传感器的参考实现 （IndoorHIIT-activity-recognition-master/，第三方项目），以及两篇中文学位论文 PDF。

目录	类型	说明
camera_pose_prototype/	本项目代码	MediaPipe Pose + 模板匹配的视频动作检测原型
action/	数据	9 段标准动作视频（*.mp4），用作模板素材与自测输入
IndoorHIIT-activity-recognition-master/	第三方参考	微信小程序 + 手机六轴数据 + 随机森林的动作识别与计数项目
*.pdf	第三方文献	万鸣华《基于3D姿态估计的动作捕捉和模型驱动方法》、郭天晓《基于人体骨架特征编码的健身动作识别方法》

camera_pose_prototype：摄像头姿态动作检测

流程：视频/摄像头帧 → MediaPipe Pose Landmarker（data/models/pose_landmarker_lite.task） → 取 17 个关键点（鼻、肩、肘、腕、髋、膝、踝、脚跟、脚尖，见 pose_motion/constants.py）→ 世界坐标归一化与旋转对齐 → 关节角度等特征向量 （pose_motion/features.py）→ 指数平滑与跳变抑制（pose_motion/smoothing.py）→ 与预先构建的动作模板逐帧对齐推进并计分（pose_motion/matcher.py、 pose_motion/template_builder.py）。模板以 JSON 存放在 data/templates/action_NN.json。

环境

conda env create -f camera_pose_prototype/environment.yml   # 创建 pose-prototype 环境（Python 3.11）
conda activate pose-prototype

依赖为 mediapipe、opencv-python、imageio、imageio-ffmpeg（fastapi、uvicorn 是为后续把原型封装成服务预留的，当前代码尚未使用）。

用法

cd camera_pose_prototype

# 1) 用 ../action 下的标准视频构建模板，输出 data/templates/action_01.json ...
python build_templates.py

# 2) 对视频或摄像头实时检测（--action 从 1 开始，对应模板编号）
python run_detector.py --action 1 --video ../action/xxx.mp4 --display --save-output
python run_detector.py --action 3 --webcam 0 --display --mirror

# 3) 自测：把标准视频当成输入再跑一遍检测，验证模板与匹配逻辑
python self_test.py --repeat 2

run_detector.py 的常用参数：--video / --webcam 二选一，--repeat 控制视频重复播放次数， --mirror 处理前置摄像头的镜像画面，--template-dir 指定模板目录，--save-output 输出标注视频。

IndoorHIIT（第三方参考项目）

山东大学（威海）孙易泽的开源项目：受试者左手持手机，微信小程序实时采集六轴数据，用随机森林模型 与波峰检测法识别并计数「徒手侧平举、前后交叉小跳、开合跳、半蹲」四个动作。原始说明、数据、 notebook 与代码都在该子目录内，未做修改；详见 IndoorHIIT-activity-recognition-master/README.md。

许可

本仓库自研代码（camera_pose_prototype/）采用 MIT 许可；action/ 视频、 IndoorHIIT-activity-recognition-master/ 与两篇论文 PDF 属于第三方材料，版权仍归原作者， 不包含在该 MIT 许可范围内，详见 LICENSE 中的第三方声明。