本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。

一、项目描述

基于python+flask+机器学习 运动系统检测（个数）系统通过python+flask+机器学习框架进行开发

二、项目功能

1.从本地导入视频检测
2.调用摄像头检测了.
俯卧撑检测：利用视频处理库（如OpenCV）捕捉人体运动，结合深度学习模型分析动作姿态，以判断用户是否正确执行俯卧撑。
深蹲检测：通过实时视频流分析人体关节位置变化，结合预训练的深度学习算法识别深蹲动作的关键阶段，确保动作标准性与完成度。

三、运行环境开发工具:

pycharm(其他开发工具也可以)

运行环境:python3.8+flask(此配置为本人调试所用，仅供参考)

四、项目技术

服务端技术:python+flask+机器学习

五、项目截图

以上系统源码经过技术整理与调试，确保能正常运行

# python # flask # 机器学习
Logo
技术共进，成长同行——讯飞AI开发者社区

技术共进，成长同行——讯飞AI开发者社区

更多推荐

从需求到优化：AI应用架构师的模型生命周期实战指南

在当今AI驱动的世界中，构建一个成功的人工智能系统远不止是训练一个高精度的模型那么简单。从最初的需求分析到模型部署后的持续优化，AI应用架构师需要掌握一套完整的模型生命周期管理方法论。本文将带领读者深入探索AI模型的完整生命周期，剖析每个阶段的核心挑战、最佳实践和实用工具。通过丰富的案例分析和代码示例，我们将展示如何将业务需求转化为技术规格，如何设计可扩展的数据架构，如何选择合适的模型策略，以及如

avatar 讯飞AI开发者社区
cover

【人工智能】提示词基础：如何让大模型“复盘”并优化自身输出

avatar 讯飞AI开发者社区

机器学习与人工智能

$ \theta_{t+1} = \theta_t - \eta \nabla_\theta J(\theta) $$ 其中 $\eta$ 为学习率，$J(\theta)$ 为目标函数。以下是一个使用 Python 和 scikit-learn 库实现的简单线性回归模型示例，用于预测连续值目标变量。这些代码示例涵盖了机器学习、深度学习、自然语言处理和强化学习等人工智能核心领域，可以作为学习这些技术

avatar 讯飞AI开发者社区