1、项目介绍
技术栈：
python、opencv、tflite_runtime、TensorFlow、pyqt界面

运行【肢体检测.py】启动
或者输入启动命令：
python 肢体检测.py

tflite_runtime是一个轻量级的Python库，用于在不需要完整TensorFlow库的情况下执行TensorFlow Lite模型，特别适用于在资源受限的设备上执行模型推断的场景。

2、项目界面
（1）正常–站立

（2）叉腰

（3）抬左手

（4）抬右手

（5）抬双手

（6）双手呈三角形姿势

3、项目说明

3、项目说明
项目简介
实时姿态交互演示系统

它用 1 个普通 USB 摄像头，把 TensorFlow Lite 版 MoveNet（ lightning, 4.8 MB ）跑在 CPU  上，在 720p 画面下依旧保持 35 FPS；再配 PyQt5 图形壳，把“关键点-骨架-动作标签”同步显示，实现“所见即所判”。整套代码 < 600 行，无 GPU、无深度学习环境也能玩，非常适合课堂演示、毕设原型、嵌入式互动屏二次开发。

技术栈
Python ≥ 3.7
OpenCV-Python 负责视频捕获、图像预处理与绘制骨架
tflite_runtime 代替完整 TensorFlow，体积 < 50 MB，树莓派、Jetson Nano、Win10 秒装
MoveNet（TFLite 量化模型）输出 17 个关键点，单帧推断 8 ms
PyQt5 构建多线程界面，主线程刷新画面，子线程跑模型，不卡顿、不丢帧
功能亮点
零硬件门槛
纯 CPU 推理，笔记本即可 35 FPS；模型仅 4.8 MB，内存占用 < 200 MB。

即插即玩
解压后双击“肢体检测.py”自动打开摄像头；无需标注、无需训练，已内置模型。

六种动作实时标签
站立 | 叉腰 | 抬左手 | 抬右手 | 抬双手 | 双手三角，规则+余弦角简单可改，可秒加新动作。

可视化教学友好
骨架线、关键点序号、置信度、FPS 全部叠在画面上，方便老师讲解“关键点→向量→角度→分类”全流程。

跨平台打包
提供 requirements.txt 与 spec 文件，PyInstaller 一键生成 40 MB 独立 exe，U 盘即插即演示。

界面速览
正常站立：绿色骨架，标签“standing”
叉腰：检测肘-腰距离，标签“hands_on_waist”
抬左/右手：计算肩-肘角度，标签“left_up / right_up”
抬双手：双肩角度同步判断，标签“both_up”
双手三角：腕-腕-鼻尖构成三角形，标签“triangle”
应用场景
课堂/实训：1 节课跑通“姿态估计→几何特征→规则分类”完整链路，学生可改两行代码实现“原地开合跳计数”。
互动展项：树莓派 + 大屏，观众摆三角手势自动触发拍照打卡，成本 < 300 元。
毕设跳板：在规则基础上替换为 LSTM/SVM 甚至 Transformer，即可升级为“连续动作识别”或“健身计数 APP”。
项目已在 Gitee  开源，含模型、源码、打包教程。拿走即用，欢迎 Star 和 PR！

4、核心代码

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻