Python实时追踪关键点组成人体模型

项目背景

最近遇到这样一个需求：

1：实时追踪关键点组成人体模型（手臂包括三个点：手腕，肘关节，双肩；腿部包括胯骨，膝盖，脚踝）
2：运用追踪到的关键点分析计算出的关键数据包括手臂弯曲角度，双脚间距离与肩宽的比例，重心相对高度，步频，弹跳相对高度
3：界面
3.1：带追踪到的关键点的实时追踪画面
3.1：计算出的实时相关数据（2中列出的）
3.2：各个数据的合格标识符（在范围内为绿色，在范围外为红色）（每个数据范围随便设置，能体现三个状态就行，及小于范围，范围内，大于范围）
3.3：针对每个数据提出一条建议，判断数据在3.2括号内的哪种范围，以步频为例，小于范围就建议加快步频，在范围内就建议保持状态，大于范围就建议请降低步频
4：提供方式：网页
5：主要编程语言：Python

基本原理及概念

1. 使用深度学习算法，如OpenPose或PoseNet，实时检测视频帧中的人体姿态。
2. 从检测到的姿态中提取关键点，包括手腕、肘关节、双肩、胯骨、膝盖和脚踝。
3. 计算关键数据，如手臂弯曲角度、双脚间距离与肩宽的比例、重心相对高度、步频和弹跳相对高度。
4. 使用Python的Flask或Django框架创建网页，展示实时追踪画面、计算出的实时相关数据以及各个数据的合格标识符和建议。

示例代码

以下是个简单的Flask应用示例，用于展示实时追踪画面和计算出的实时相关数据：

from flask import Flask, render_template
import cv2

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

def gen():
    cap = cv2.Vid