人脸识别与姿态估计 · 边缘设备课程目录

🧠 课程导论与边缘计算基础

什么是边缘计算？为什么要在边缘设备上做人脸识别与姿态估计？课程目标与学习路径。

🛠️ 边缘设备选型与开发环境搭建

主流边缘设备对比（Jetson Nano、RK3588、树莓派等），系统烧录与基础环境配置。

🐍 Python与OpenCV基础回顾

图像读取、显示、保存，色彩空间转换，图像几何变换，ROI提取。

⚡ 深度学习推理框架介绍

ONNX Runtime、TensorRT、OpenCV DNN模块的对比与选择。

👁️ 人脸检测算法（上）

传统方法（Haar Cascade）的原理与OpenCV实现。

🤖 人脸检测算法（下）

基于深度学习的方法（MTCNN、RetinaFace）介绍与模型转换。

🧬 人脸识别基础

人脸对齐、特征提取（FaceNet、ArcFace）原理。

🔍 人脸识别实战

使用ONNX Runtime部署人脸识别模型，实现1:N比对。

🦴 姿态估计基础

人体关键点检测（COCO关键点格式），Top-Down与Bottom-Up方法。

🏋️ 轻量级姿态估计模型

MobileNetV3 + Lite-HRNet 结构解析与ONNX导出。

🎯 姿态估计实战

在Jetson Nano上部署姿态估计模型，实时绘制骨架。

📉 模型优化与量化

FP16量化、INT8量化原理，TensorRT模型优化实践。

🧵 多线程与流水线设计

使用Python threading与Queue实现视频流处理流水线。

📷 摄像头驱动与视频采集

V4L2驱动、GStreamer管道、OpenCV VideoCapture优化。

🤝 人脸识别+姿态估计联合应用

同时检测人脸关键点与人体姿态，实现交互逻辑。

📊 性能分析与调优

Profiling工具使用（Nsight Systems、perf），瓶颈定位与优化。

🧰 边缘设备上的模型部署工具链

NVIDIA SDK Manager、JetPack、RKNN Toolkit。

🚪 实战项目一：智能门禁系统

人脸识别+活体检测。

🎓 实战项目二：课堂专注度分析

姿态估计+人脸朝向。

🏃 实战项目三：健身动作计数与纠正

姿态估计+逻辑判断。

🚗 实战项目四：驾驶员疲劳监测

人脸关键点+PERCLOS。

🖐️ 实战项目五：无接触式交互大屏

手势识别+姿态估计。

🌐 实战项目六：边缘集群管理与远程更新

OTA远程更新。

📡 实战项目七：基于MQTT的分布式边缘视觉

分布式边缘视觉系统。

🌍 实战项目八：ONNX.js浏览器端人脸识别

WebAssembly边缘。

🔌 实战项目九：基于OpenVINO的Intel边缘部署

Intel边缘设备部署。

🔄 实战项目十：端侧模型自训练与增量学习

FedAvg思路。

🔒 安全与隐私

边缘设备上的数据加密、模型加密、联邦学习简介。

🚀 课程总结与未来展望

多模态融合、Transformer在边缘的落地、行业趋势。

📎 附录：常见问题FAQ、模型下载等

常见问题FAQ、模型下载链接、参考文献与社区资源。