MMPose WholeBody 全身姿态估计指南133关键点5分钟出第一张结果【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmposeMMPose 的 WholeBody 模块用 133关键点做全身姿态估计身体 17 点、面部 68 点、双手 42 点、双脚 10 点一次输出。基于 top-down 架构MMPose 快速上手只需要三条命令装环境、下模型、跑 demo。全身133个关键点一次讲清133 个关键点按四个部位划分覆盖从躯干到指尖、脚趾的完整人体 身体 17 点头、躯干和四肢主要关节 面部 68 点眉毛、眼睛、鼻子、嘴巴及轮廓点✋ 双手 42 点21 × 2每只手的每个手指关节都单独标注 足部 10 点5 × 2脚趾与脚踝位置点架构上采用 top-down 姿态估计方案先用 MMDetection 等检测器框出画面中每个人再把每个人体区域送进姿态模型输出 133 个关键点。检测与关键点两个环节相互独立检测器可以单独替换或调参多人场景下每人独立回归互不干扰。5分钟跑出第一个结果第一步MMPose 安装克隆仓库后安装依赖-e .做开发模式安装后续改代码无需重装。git clone https://gitcode.com/GitHub_Trending/mm/mmpose cd mmpose pip install -r requirements.txt pip install -v -e .第二步下载 RTMW-L 模型用 MIM 按配置名一键拉取 RTMW-L 的全身关键点模型权重mim download mmpose --config rtmw-l_8xb64-210e_coco-wholebody-256x192 --dest .第三步跑 top-down demodemo/topdown_demo_with_mmdet.py按顺序接收四个参数检测器配置、检测器权重、关键点配置、关键点权重再用--input指定输入图片。仓库自带测试图复制即可运行python demo/topdown_demo_with_mmdet.py \ demo/mmdetection_cfg/rtmdet_m_640-8xb32_coco-person.py \ rtmdet_m_640-8xb32_coco-person.pth \ configs/wholebody_2d_keypoint/rtmpose/coco-wholebody/rtmpose-l_8xb64-270e_coco-wholebody-256x192.py \ rtmpose-l_simcc-coco-wholebody_pt-aic-coco_270e-256x192-6f206314.pth \ --input tests/data/coco/000000196141.jpg \ --output-root vis_results/ --show输出图像上会画出人体框和 133 关键点的连线加上--save-predictions可以把检测结果保存成文件。模型选型速查表场景推荐模型理由高精度离线分析RTMW-LCOCO-WholeBody 上 Whole AP 约 72.3精度档位中最高实时视频流处理RTMW-M30fps 的推理速度视频流场景流畅移动端 / 边缘部署RTMW-S模型大小约 8MB体积最小三档模型共用同一套推理入口切换时只需替换配置文件和权重文件。实际能用在哪些地方健身动作分析133 关键点精确到手指和足部位置动作比对时可以直接量化关节角度偏差与重心偏移。仓库中的 Just Dance 项目就基于全身关键点做动作相似度计算是很好的参考实现。VR/AR 手势交互42 个手部关键点支持空中打字、隔空点按这类手势识别同一套推理还能给出全身姿态用来驱动虚拟角色动作一次前向同时覆盖手部和身体输入。安防行为识别跌倒、异常姿态这类事件往往体现在细微的姿态变化上。相比只用人体框133 关键点提供了更多维度的行为特征事件判断更稳。性能调优清单⚡量化压缩把模型导出后用 ONNX Runtime 或 TensorRT 做 INT8 量化体积和推理耗时能同时明显下降是部署环节的第一手优化。⚡输入分辨率在 256x192 和 384x288 两档之间按场景取舍低分辨率更快但精度略降建议先拿一批样本试跑找到精度与速度的平衡点。⚡推理引擎GPU 环境优先上 TensorRTCPU 环境选 OpenVINO两者对 RTMPose 这类轻量骨干都有成熟支持。一句话收束MMPose WholeBody 把全身姿态估计变成了装环境、下模型、跑 demo三步的事133 关键点的全套结果一次推理即可拿到。更多资料官方文档docs/zh_CN/index.md模型库docs/zh_CN/model_zoo.md推理 API 源码mmpose/apis/inference.py【免费下载链接】mmposeOpenMMLab Pose Estimation Toolbox and Benchmark.项目地址: https://gitcode.com/GitHub_Trending/mm/mmpose创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考