大家好，欢迎来到Crossin的编程课堂?
几天后，Crossin将要做什么样的游戏？这次我做什么不是游戏，而是游戏机！这是一个体感游戏机。
说到实体游戏，您现在最多想到的是Switch上的健身戒指冒险。
但是在过去的几年中，实际上，还有另一个非常受欢迎的游戏设备，它是Xbox上的Kinect。与传感器的Unlike Switch手柄上的手柄以识别玩家的动作，Kinect使用一组摄像头来通过图像识别玩家的运动。
我这次进行的演示是使用摄像头的动作识别系统。使用的硬件是NVIDIA的AI EDGE计算设备Jetson AGX Orin
放置喷气背包开发套件。可以运行许多测试程序来让您体验它。官方文档中也有许多示例可以帮助开发人员开始。
这是我跑步的愿景和对话AI基准测试的结果：
在官方的Hello AI世界中，提供了一些演示。
例如，对象识别仅需要十毫秒以上来识别框架。它可以用于真实的视频监视，甚至在游戏中。
也有这样的演示：
好人，我一半的工作量已经完成。
获得人类的姿势数据后，我们可以使用各种操作的相应数据来训练分类器。识别行动。这完成了一个基于人类运动的简单交互系统。
在NVIDIA智能物联网的Github仓库中，我找到了一个类似的项目，可以用手势操作网络。
https://github.com/nvidia-j iot/trt_pose_had
SVM支持向量机用于训练手势分类器，该分类器使用Python Scikit-Learn模块。我们的第二部分也可以使用相同的方法使用，但是我们使用人体的身体模型。
要培训分类器，我们需要一些示例数据。
之后，键盘系统通过pynput模块发送。
结合上述所有功能，我们得到了我们想要的功能：
一个可以通过动作玩游戏的系统
对于Orin而言，在该项目中使用蚊子实际上有点炮兵，因为姿势判断和行动识别都是预训练模型，而实际的计算数量并不大。但其软件环境和开发社区资源确实已经大大提高了我的发展效率。
唯一的缺点是，即使是GitHub，APT和PIP的速度也太慢了，因此它将花费大量时间进行环境安装。如果相关资源可以具有国内镜像，那就更好了。
最后，有一个小鸡蛋，您是否注意到我用来演示的游戏KOF97。
在动作识别部分中，还使用了SVM支持向量机。回答时，我使用的演示游戏是KOF97
在论文的最后一个工作前景中，我写道：
出乎意料的是，13年后，我自己填满了这个坑。这不禁再次想到工作：
我相信我们生活中所经历的观点将来会以某种方式联系起来。
根据NVIDIA的官方示例对本文进行修改：
https://github.com/nvidia-j iot/trt_pose_had
跑步环境：
NVIDIA JETSON AGX ORIN
喷气背包5.0
Python 3.8.10
代码是开源：python666.cn/c/2
原始：https：//juejin.cn/post/7096027375908945928