本Demo 是为了在android上跑TensorFlow模型的 方便那些想把TensorFlow官网上的demo集成到自己项目里却又找不到头绪的人使用
正所谓前人栽树后人乘凉
https://github.com/tensorflow/tensorflow
https://github.com/ildoonet/tf-pose-estimation
Denis Tome, Chris Russell, Lourdes Agapito提出的Convolutional 3D Pose Estimation from a Single Image论文
在此特别感谢上述作者，喜欢原作的可以去使用原项目。同时欢迎大家下载体验本项目，如果使用过程中遇到什么问题，欢迎反馈。
本项目使用的是Camera2的api
过段时间我还会陆续公布一些更好玩的模型
目前本Demo模型能识别出 抽烟 打电话 闭眼 睁眼
TensorFlowObjectDetectionAPIModel 为检测规则画框
TensorFlowImageClassifier2 为车道检测之后不规则绘制（因时间仓促 还没有进行绘图优化） 识别道路的测试方法请自行百度寻找图片或者视频都可以
TensorFlowImageClassifier3 是用来识别人体骨架的 这个模型是有特定输入和特定输出的 需要经过3层转换 才能使用 接下来准备上线道路障碍物识别...
Camera2BasicFragment4 这是一个用检测来识别车道和前车 里面增加了点逻辑来判断是否是车道偏离或者前车过近 具体做法是 如果检测出线则判断斜率k = (y2-y1)/(x2-x1)然后设定一个固定斜率来判断是否是车道偏离 如果是检测出前面的车辆中心点在横屏8分之2到8分之6的范围内则判断中心点居上距离大于一定范围则算前车过近 或者如果车的高度大于一定级别则算前车过近
另外： 有人私下问我本项目在他们的手机上跑起来卡顿严重 这是算力的问题，目前tensorFlow在移动设备上貌似不支持GPU，而CPU的浮点运算速度比较慢导致的 推荐使用华为P10 或者 骁龙845 635之类的U来跑跑看 一般P10的话 1能一秒4帧 2能1秒8帧 3能一秒1帧 4能一秒6帧左右 当然以上数据仅供产考
