打破传统，手势验证码识别

最近，有人提问关于他手势验证码如何训练都通过不了的问题。

经过分析，这位的问题就是识别+轨迹问题，识别准确率只有个位数之多，用的框架也是开源的Gesture_recognition_captcha-main 也是一坨屎。

轨迹的话， 他代码如下：

def sort_points_by_head_tail(trajectory_points, head, tail):
    """
    根据头尾点对轨迹点排序，路径按照从头点出发到尾点结束的顺序。
    """
    # 确保 head 和 tail 是 Python 列表，避免 NumPy 比较出错
    head = head.tolist() if isinstance(head, np.ndarray) else head
    tail = tail.tolist() if isinstance(tail, np.ndarray) else tail

    # 剩余轨迹点（去掉头尾点）
    remaining_points = [point for point in trajectory_points if not np.array_equal(point, head) and not np.array_equal(point, tail)]

    # 路径排序，从头点出发
    sorted_points = [head]
    current_point = head

    while remaining_points:
        # 找到与当前点最近的点
        next_point = min(remaining_points, key=lambda p: np.linalg.norm(np.array(current_point) - np.array(p)))
        sorted_points.append(next_point)
        remaining_points.remove(next_point)
        current_point = next_point

    # 最后加上尾点
    sorted_points.append(tail)

    return sorted_points

一眼错误，采用起始和结尾进行按x大小进行排序，轨迹怎么可能是x由小到达的排序，应该是一段曲线，然后经过连线组成的，X变化不存在所谓的由小到大。

姿态识别

我们采用姿态来识别，这类型识别常用在姿势识别，骨架识别，比如常见的人坐姿识别等，简单来说就是将物体检测出来，然后将骨架点进行细化， 

得到了一个由点组合而来的姿态图，最终我们通过算法将这些分散的点均匀化，即可生成密集的轨迹点。