回答

以下是一些骨骼摔跤检测的开源Python库：

1. OpenPose：这是一个基于深度学习与计算机视觉技术的骨骼跌倒检测库。它可以检测出视频或图像中的人体姿势、关节信息等。

2. TensorFlow Object Detection API： 这是一个由Google开发的深度学习框架，可以检测出各种不同的物体，包括人员的骨骼和动作。

3. PoseNet：这是一个基于TensorFlow.js的JavaScript库，也是一个骨骼跌倒姿态检测和反馈的库。它不需要使用深度学习框架，避免了大量的学习成本，并且可以直接在浏览器中部署。

4. mediapipe：这是一个由Google开发的机器学习库，可以使用其“建筑块”实现各种不同的机器学习功能，包括姿态评估和跌倒检测。

这些库都是开源的，可以免费下载和使用。您可以根据自己的需要选择适当的库。

我们以meidiapipe为例写一个示例代码：

import cv2
import mediapipe as mp

# 初始化 Mediapipe 的 pose 和 drawing 模块
mp_pose = mp.solutions.pose
mp_drawing = mp.solutions.drawing_utils

# 初始化摄像头
cap = cv2.VideoCapture(0)

# 创建一个摔跤的动作，这里以扫腿示例
move = mp_pose.PoseLandmark.RIGHT_WRIST

while cap.isOpened():
    # 读取摄像头每一帧的画面
    success, image = cap.read()
    if not success:
        print("Ignoring empty camera frame.")
        continue

    # 转换图片颜色空间为 RGBA，并将其送入模型处理
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    results = mp_pose.Pose().process(image)

    # 如果有检测到人体动作点（landmarks）,则执行以下逻辑
    if results.pose_landmarks:
        # 获取特定动作点的位置坐标
        move_coord = results.pose_landmarks.landmark[move]

        # 如果被检测到的动作点在屏幕中的位置超过一定范围，则认为用户已经做好了该动作
        if move_coord.x > 0.8 or move_coord.x < 0.2:
            print("Move detected!")

            # 进行一些后续逻辑，例如打印输出或是发送提醒通知等等
            # ...

    # 绘制人体动作点标记
    mp_drawing.draw_landmarks(
        image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS)

    # 显示绘制后的画面到屏幕上
    cv2.imshow('Mediapipe Pose Tracking', image)

    # 在按下 q 键时退出程序
    if cv2.waitKey(5) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()