matlab肌电信号处理代码EMG手腕姿势分类 EMG分类系统的M文件（计算机Matlab代码）集合，用于根据[1]中所述的来自Myo Armband的随机默认前臂EMG信号来识别九种腕手运动。 该系统使用八个时域特征的线性组合，然后进行线性判别分析（LDA）投影和多层感知器（MLP）分类。 使用Myo Armband中随附的8个主动传感器，对年龄在27±4岁的10位受试者（七名男性，三名女性）的EMG录音进行了开发和测试。 该系统在八个通道的EMG段上运行。 需要Matlab编程环境。 可以在上找到更新。 要引用此系统，请使用参考文献[1,2]。 概述： 一种基于随机获取的前臂EMG信号的九种腕手动作的低复杂度方法。 该方法是通过评估来自八个通道的256段EMG窗口中的八个时域特征而开发的。 来自八个通道的估计特征通过LDA分析进行合并和缩减，并使用数据驱动的MLP方法进行分类。 此处的代码实现了此运动分类系统，该系统已通过EMG记录进行了训练，并记录了来自10个健康受试者的100次训练中的9个运动数据。 快速开始： 使用system_parameters函数在Matlab中设置系统

人体姿态检测总结，Deep Learning-Based Human Pose Estimation: A Survey

LASOR: Learning Accurate 3D Human Pose and Shape Via Synthetic Occlusion-Aware Data and Neural Mesh Rendering

MAYA 动画师插件 poseLib_6.6.0 Pose库MAYA 动画师插件 poseLib_6.6.0 Pose库MAYA 动画师插件 poseLib_6.6.0 Pose库MAYA 动画师插件 poseLib_6.6.0 Pose库

本文复现的是是发表在ICCV 2017的工作《Learning Feature Pyramids for Human Pose Estimation》，论文提出了一个新的特征金字塔模块，在卷积网络中学习特征金字塔，并修正了现有的网络参数初始化方法，在人体姿态估计和图像分类中都取得了很好的效果。

手势识别代码 MATLAB 写的，从外面转过来的。。

现有的二维姿态估计工作主要集中在某个类别，例如人、动物和车辆。但是，有许多应用场景需要检测看不见的物体类的姿势/关键点。在本文中，我们介绍了与类别无关的姿态估计（CAPE）的任务，该任务旨在创建一个姿态估计模型，该模型能够在仅给定几个具有关键点定义的样本的情况下检测任何类别物体的姿态。为了实现这一目标，我们将姿态估计问题表述为关键点匹配问题，并设计了一种新颖的CAPE框架，称为POse匹配网络（POMNet）。该文提出一种基于变压器的键点交互模块（KIM），用于捕获不同关键点之间的交互以及支持和查询图像之间的关系。我们还介绍了多类别姿势 （MP-100） 数据集，这是一个包含 100 个对象类别的 2D 姿势数据集，包含超过 20K 个实例，专为开发 CAPE 算法而设计。实验表明，我们的方法比其他基线方法大打折扣。

matlab代码循环运行 Realtime_Multi-Person_Pose_Estimation 训练 git clone https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation.git; cd training 下载，解压后test2014,test2015,train2014,val2014放入(mkdir创建)dataset/COCO/images/ ,两个json文件放入(mkdir创建） dataset/COCO/annotations/, git clone https://github.com/cocodataset/cocoapi.git , 放入（mkdir创建）dataset/COCO/coco/中。 安装matlab ，在终端输入matlab启动matlab。 在matlab软件中运行getANNO.m 文件，把标注文件格式由json 转换成.mat 格式，会存在dataset/COCO/mat/。 在matlab中运行genCOCOMask.m ，获得未标注的人的图像的mask， 可以把程序

谷歌mediapipe不再添加*.tflite模型文件和其他大型二进制文件。这些模型现在是从谷歌云存储中下载。这将加速您对MediaPipe的入门体验(特别是如果您可以使用存储库的浅层克隆)

魔改卡尔曼扩展滤波器 robot_pose_ekf，我用的系统环境ros-noetic，其它环境可以自己测一下，应该没问题；里面有readme详细说明，b站视频中有简要说明 https://b23.tv/WWQRJGF