Ce projet fournit un ensemble de données d'entraînement pour la détection de pose humaine, comprenant 10 000 images et leurs annotations correspondantes. Les images ont été recueillies à partir de recherches Flickr utilisant les balises 'parkour', 'gymnastics' et 'athletics', et ont été annotées à l'aide d'Amazon Mechanical Turk. Les annotations comprennent les coordonnées de 14 articulations et des indicateurs de visibilité.

AlphaPose v2 est une solution avancée dédiée à l'analyse et à la détection de poses humaines dans des images ou des vidéos. Elle permet d'identifier et de suivre les mouvements corporels avec une grande précision, facilitant ainsi des applications variées comme l'analyse sportive, la surveillance automatisée ou l'interaction homme-machine. Le projet s'appuie sur des algorithmes d'intelligence artificielle pour fournir des résultats fiables et rapides.

OpenPose est une bibliothèque open source dédiée à la détection en temps réel des points clés du corps humain, du visage, des mains et des pieds. Elle permet d'analyser les mouvements et les poses des individus dans des vidéos ou des flux d'images, offrant des applications variées comme l'animation 3D, l'analyse sportive ou la réalité augmentée. Le projet est développé et maintenu par des chercheurs, avec une licence open source permissive.

Le projet humar-openpose est une interface pour l'algorithme openpose, permettant l'extraction de squelettes humains à partir d'images. Il contient des bibliothèques pour la détection de pose, la lecture de trames et la configuration de pose.

Le projet ros_openpose est un wrapper ROS pour OpenPose, une bibliothèque de détection de pose humaine en temps réel. Il prend en charge plusieurs types de caméras, y compris Intel RealSense, Microsoft Kinect v2, Stereolabs ZED2 et Azure Kinect, ainsi que les caméras Web standard. Le projet permet la visualisation des résultats dans RViz et offre une flexibilité dans la configuration des arguments de lancement.

NiTE est une bibliothèque logicielle dédiée à l'analyse et au suivi des mouvements humains en temps réel. Elle permet de détecter et visualiser les squelettes, les gestes et les postures des utilisateurs, facilitant ainsi le développement d'applications interactives comme des interfaces gestuelles, des systèmes de motion capture ou des outils d'analyse biométrique.

Ce projet développe des pipelines logiciels pour l'identification et l'analyse de mouvements humains à partir de données capturées par des capteurs comme le Kinect2. Il permet de tester des algorithmes de détection de posture, de calculer des cinématiques articulaires et de générer des modèles 3D pour des applications en robotique, en animation ou en recherche biomécanique.

MediaPipe V2 est une bibliothèque open source spécialisée dans la détection et le suivi en temps réel de points clés du visage, des mains et du corps humain. Elle permet d'analyser des flux vidéo ou des images statiques pour extraire des données précises sur les mouvements et les positions des différentes parties du corps. Utilisée dans des applications de réalité augmentée, de fitness, de réalité virtuelle ou d'interaction homme-machine, elle facilite la création de solutions interactives et immersives.