让ChatGPT来做这件事，最核心的是如何向ChatGPT提问，把问题一股脑的直接丢给ChatGPT，如：用Python写个摔倒检测代码是不可取的，而是要像挤牙膏一样，一点一点引导ChatGPT得到准确的答案，从而才能真正让ChatGPT提高我们解决问题的效率。
向ChatGPT提问首先要给他一个角色设定，在算法领域这叫prompt，有了进入了角色，才能更好地回答问题。所以，我提问的第一句是：
假如你是一名AI工程师，我想识别视频中是否有摔倒行为，有哪些办法
没必要刚上来就让他直接写代码，先问问他有哪些办法或者思路。
我们看看ChatGPT的回答
给出了3个方案，有传统的图像方法，也有深度学习方法。
我们当然是对深度学习感兴趣了，所以继续询问关于深度学习的方法
使用深度学习的方法有哪些
ChatGPT回答
从卷积神经网络到卷积循环神经网络说了个遍。
看起来循环神经网络RNN更简单、靠谱，接下来我的提问是
我需要循环神经网络(RNN)的方法
给出了非常详细的、实操性非常强的步骤，我简单归类一下，大致是两步：
第一步，对视频预处理，用卷积神经网络（如：ResNet）提取视频动作特征（类似wordembedding）第二步，用动作特征作为lstm模型的输入，训练lstm循环神经网络，对动作特征分类，从而识别出摔倒行为
到目前，ChatGPT提供给我们的，解决问题的思路非常清晰，并且可执行性非常强。
所以，这时候我们可以让ChatGPT写代码了。
按照我上面划分的步骤，我让他一次性把第一步代码写出来，所以，我的提问是：
写一下视频预处理的代码，并用pytorchresnet提取视频特征
ChatGPT的回答
定义了两个独立函数，分别完成了第一步中的两小步内容。
代码没有问题，先调用preprocess_video函数对视频预处理，再调用extract_features卷积操作，就可以将一个向量embedding成一个2048维的向量。
第二步，我拆分成了两小步，先搭建lstm模型，再训练
基于上面产出的结果，用pytorchlstm搭建视频分类模型
写一下模型训练的代码
还可以让ChatGPT找一些数据集
还可以让他写一下模型推理的代码
他可以自动帮我们把视频预处理、特征提取和推理三部分都串起来，形成一个完整的项目。