本应用采用Posenet与KNN分类器实现瑜伽体式实时检测与评估，帮助用户纠正姿势，提高练习效果。
瑜伽姿势估计应用程序概述：该应用使用Posenet模型与KNN分类器实时检测用户进行的瑜伽动作，并将这些数据应用于自定义的数据集中以识别三种不同的瑜伽体式。此项目已部署在Heroku上，适用于所有移动设备和边缘计算环境。
背景动机：
该项目是我作为ShapeAI实习机器学习工程师的一部分工作成果。它有潜力成为一款理想的个人化在线瑜伽教练应用，利用人工智能技术来监测用户的动作并确保其健康与安全。
技术实现细节：
1. 前端部分：前端主要通过手机前置摄像头捕捉用户进行的姿势图像，并将这些图像传递给预训练于ml5.js中的Posenet模型。该过程会检测出人体的17个关键点位置，每个关键点有两个坐标值（x,y），共计34项数据。
2. 后端部分：这部分内容未在原文中详细展开，但通常后端将负责处理前端传递的数据，可能包括姿势识别、分类及反馈生成等功能。
5星
