Awesome GitHub RepositoriesKeypoint Visualizers

AlphaPose est un framework de deep learning pour l'estimation de pose et une bibliothèque de vision par ordinateur PyTorch conçue pour détecter et suivre les points clés du corps humain, du visage, des mains et des pieds dans les images et les vidéos. Il fournit un système pour l'estimation de la posture squelettique et le suivi de pose multi-personnes. Le projet implémente des outils pour la reconstruction de pose humaine en 3D, générant des positions d'articulations et des formes de maillage corporel à partir de données d'images 2D. Il inclut également un tracker de pose multi-personnes capable de maintenir l'identité de plusieurs individus à travers des images vidéo consécutives. Le framework couvre un large éventail de capacités en vision par ordinateur, notamment la localisation de points clés multi-personnes, le suivi de mouvement humain et la reconstruction de maillages corporels 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

Ce projet est un framework d'estimation de pose multi-personne conçu pour la détection de points clés humains en temps réel. Il fonctionne comme un estimateur de pose humaine bottom-up qui identifie les articulations squelettiques à travers toutes les personnes dans une scène sans nécessiter de détecteur de personne séparé. Le système utilise un modèle de réseau de neurones convolutif pour générer des cartes de chaleur et des champs vectoriels pour l'analyse de posture. Il implémente spécifiquement des champs d'affinité de partie pour encoder la localisation et l'orientation des membres, permettant au modèle de connecter les articulations individuelles en squelettes complets. Le projet couvre l'analyse de mouvement par vision par ordinateur et l'analyse de posture par deep learning, extrayant les coordonnées spatiales des parties du corps humain à partir de données d'image et vidéo.

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