ShadowMemory 是一个基于计算机视觉与行为记忆机制的交互艺术项目。
系统通过摄像头实时捕捉用户身体姿态，将用户动作转化为数字影子。随着用户在交互空间中的移动、停留以及姿态变化，系统会记录用户的行为状态，并在满足触发条件时召回过去保存的动作，生成具有时间痕迹的历史影子。
本项目探索人与数字系统之间关于记忆、存在与时间痕迹的关系。
系统使用 MediaPipe Pose 进行人体关键点检测：
- 实时获取人体姿态信息
- 提取身体关键点数据
- 分析用户当前动作状态
根据用户实时动作生成对应的数字影子：
- 实时响应用户动作
- 根据人体姿态生成视觉反馈
- 支持当前动作的动态变化
系统包含一个行为记忆模块，用于保存用户过去的动作信息。
主要功能：
- 保存用户稳定状态下的姿态样本
- 管理历史动作数据
- 为历史召回提供数据支持
当系统检测到用户保持某种状态达到触发条件时，会从历史记忆中选择过去保存的动作。
召回流程：
- 分析用户当前行为状态
- 判断是否满足召回条件
- 从 MemoryStore 中获取历史姿态
- 渲染过去动作形成历史残影
ShadowMemory/
├── README.md
├── requirements.txt
├── src/
│ ├── main.py
│ ├── config.py
│ ├── pose_tracker.py
│ ├── analyzer.py
│ ├── memory_store.py
│ └── shadow_renderer.py
│
├── data/
└── tests/
- Python
- OpenCV
- MediaPipe Pose
- NumPy
创建虚拟环境：
python -m venv .venv
安装依赖：
pip install -r requirements.txt
运行：
python src/main.py
负责：
- 摄像头输入
- 人体姿态检测
- 关键点提取
负责：
- 用户行为分析
- 稳定姿态检测
- 历史召回触发
负责：
- 历史姿态保存
- 记忆数据管理
- 历史动作检索
负责：
- 实时影子渲染
- 历史残影渲染
- 当前动作与历史动作融合
ShadowMemory 探索人与数字记忆之间的关系。
系统不仅响应用户当前动作，也尝试保存过去的行为痕迹，使数字影子成为连接过去与现在的媒介。
项目演示视频：
Download: ShadowMemory Demo Video
- 更复杂的行为学习机制
- 多用户记忆系统
- AI 动作预测
- 更丰富的视觉效果
- 长期个性化交互
本项目用于交互艺术研究与教学展示。