Awesome GitHub RepositoriesKeypoint Visualizers

AlphaPose es un framework de estimación de pose basado en deep learning y una biblioteca de visión artificial para PyTorch, diseñada para detectar y rastrear puntos clave del cuerpo humano, rostro, manos y pies en imágenes y videos. Proporciona un sistema para la estimación de posturas esqueléticas y el seguimiento de poses de múltiples personas. El proyecto implementa herramientas para la reconstrucción de poses humanas en tres dimensiones, generando posiciones de articulaciones y mallas corporales a partir de datos de imágenes bidimensionales. También incluye un rastreador de poses multi-persona capaz de mantener la identidad de varios individuos a través de fotogramas de video consecutivos. El framework cubre una amplia gama de capacidades de visión artificial, incluyendo la localización de puntos clave en múltiples personas, el seguimiento de movimiento humano y la reconstrucción de mallas corporales en 3D.

OpenCVSharp is a .NET library that wraps native OpenCV functions, providing C# developers with access to OpenCV's computer vision capabilities through an API that mirrors the native C/C++ style. It serves as a managed wrapper for image processing, feature detection, object detection, and image manipulation tasks, while also handling automatic disposal of unmanaged OpenCV resources like Mat objects to prevent memory leaks in .NET applications. The library enables keypoint detection and descriptor extraction using algorithms such as AKAZE, BRISK, or FAST, with brute-force or FLANN-based matchin

Este es un framework de estimación de pose multi-persona diseñado para la detección de puntos clave humanos en tiempo real. Funciona como un estimador de pose humana de abajo hacia arriba que identifica articulaciones esqueléticas en todas las personas de una escena sin requerir un detector de personas separado. El sistema utiliza un modelo de red neuronal convolucional para generar mapas de calor y campos vectoriales para el análisis de postura. Implementa específicamente campos de afinidad de partes para codificar la ubicación y orientación de las extremidades, permitiendo al modelo conectar articulaciones individuales en esqueletos completos. El proyecto cubre el análisis de movimiento por visión artificial y el análisis de postura mediante deep learning, extrayendo coordenadas espaciales de partes del cuerpo humano a partir de datos de imagen y video.

This project is a web-based platform designed for benchmarking, visualizing, and evaluating computer vision algorithms focused on image feature extraction and matching. It provides a unified interface to compare the performance and accuracy of different models by processing image pairs or live video streams. The system distinguishes itself through a modular architecture that allows users to define custom processing pipelines and register external algorithms via configuration files. It incorporates geometric verification techniques to refine visual data and improve the precision of detected co