动捕面捕方案

项目基于mediapipe，深度训练后进行特征点提取具有极高精确度，并根据所提取的特征点对数字人的面部表情和动作作出相应的调整

优化使用UDP传输管道，实现捕捉数据的实时传输，确保动作和表情的同步性

优化EAR算法，针对不同用户的不同眼睛进行敏感度校参来实现更高精度的眼睛状态识别。

项目通过OpenCV，捕获摄像头视频流，将图像从BGR格式转换为RGB格式，便于MediaPipe处理。使用MediaPipe，对姿态、手部和面部关键点分别进行检测，同时在开发过程中，检测结果可以在python端预览。

对于手部和面部，将检测到的关键点进行简化，保留对于操控虚拟数字人手指、嘴巴、眼睛等部位而言比较重要的关键点。

借助Socket实现通信。使用UDP协议，通过Socket将处理后的关键点数据发送到指定的服务器地址（在这里是本机）和指定的端口。为了提高关键点检测的稳定性和精度，采用了卡尔曼滤波和低通滤波技术对捕捉到的动作数据进行平滑处理。卡尔曼滤波：用于减少数据的抖动和噪声。低通滤波：进一步平滑数据，提高检测的稳定性。