随着计算机视觉的发展及其在日常生活中的广泛应用，基于各种算法的行为检测和运动识别项目在实践中得到越来越多的应用，并在相关领域得到了广泛的研究。在行为监控方面，不仅仅是图形、温湿度、声音等信息。用于监控蜜蜂的行为，但更多的应用集中在对人类行为的监控。人体姿态识别作为行为监控的重要参考，已经广泛应用于视频采集、计算机图形学等领域。其中，传统的人体姿态识别方法有RMPE模型和掩膜R-CNN模型，这两种方法都是自顶向下的检测方法。Openpose作为姿态识别的经典项目，是自底向上的检测方法，主要应用于行为监测、姿态修正和动作分类，在智能家居、自动驾驶、智能监控等领域具有重要的研究意义和应用价值。
在多人目标的手势识别方面，历史上常用的方法有自上而下搜索候选关键点，用空间连接优化算法进行人的匹配，通过建立部分亲和场由关键点检测人体骨架连接等。
针对当前行为监测中准确率低、效率低的问题，该项目结合openpose手势识别技术，通过不同肢体之间的协调关系构建分类算法。通过比较不同的分类算法，选择最优模型构建多目标分类方法，最终实现手势显示、目标检测和多目标分类的实时显示。在该模型中，调用轻量级openpose模型来识别人体姿态。主要方法是通过openpose获取人体骨骼的关键点，然后通过欧氏距离匹配两块骨骼，检测出每个人。对于常见检测中缺少的关键点，可以用前一帧的骨骼信息来填充。