姿势估计数据集概述
TXT 文件中每一行的数字按空格分隔，必须严格遵循以下序列逻辑：
[类别ID] [框中心X][框中心Y] [框宽度W] [框高度H] [点1_X] [点1_Y][点1_可见度] [点2_X] [点2_Y] [点2_可见度] ...
- 第 1 项
类别ID：整数。例如 0 代表人，1 代表狗。 - 第 2~5 项
边界框 (BBox)：物体的外接矩形框的归一化参数 ( c x , c y , w , h ) (cx, cy, w, h) (cx,cy,w,h) - 第 6 项及之后
关键点序列 (Keypoints)：按每 2 个或 3 个数字为一组循环。通常为 ( x , y , v ) (x, y, v) (x,y,v)：- x, y：关键点的归一化坐标。
- v (Visibility, 可见度) ：通常为 0（未标注/在图外）、1（被遮挡但推测出位置）、2（清晰可见且已标注）。注：部分极简数据集可能没有 v 维度，只保留 x, y。
数据集 YAML 配置文件
除了存放图片和 txt 标签的文件夹，还必须有一个 data.yaml 文件来告诉模型如何读取这些数据。YOLO官网的数据集配置文件如下（关键点检测任务）：
yaml
# 数据集路径
path: ../datasets/my_pose_dataset
train: images/train
val: images/val
# 姿态估计必填字段
kpt_shape: [17, 3] # [关键点总数, 每个关键点的维度]。3代表(x,y,v)，2代表仅有(x,y)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]
# 类别设定
names:
0: person
# Keypoint names per class
kpt_names:
0:
- nose
- left_eye
- right_eye
- left_ear
- right_ear
- left_shoulder
- right_shoulder
- left_elbow
- right_elbow
- left_wrist
- right_wrist
- left_hip
- right_hip
- left_knee
- right_knee
- left_ankle
- right_ankle注意点如下：
Ultralytics 官方支持并内置了多种典型的拓扑结构，你也可以自定义任何点数的数据集：
- COCO-Pose / COCO8-Pose ：人体的标准姿态，17 个关键点。
- Hand Keypoints ：人手部骨架跟踪，21 个关键点。
- Dog-Pose ：针对狗的姿态分析，24 个关键点。
- Tiger-Pose ：针对老虎等野生动物，12 个关键点（且没有可见度维度，所以它的 shape 是
[12, 2]）。
参考链接： https://docs.ultralytics.com/zh/datasets/pose/
1. Person 17 (COCO 数据集人体骨架)
目前计算机视觉中最通用的人体姿态估计标准，包含 17 个关键点，主要涵盖五官和四肢关节。
| 关键点序号 (Index) | 部位名称 (中文) | 部位名称 (英文) | 说明 |
|---|---|---|---|
| 0 | 鼻子 | Nose | 面部中心基准点 |
| 1, 2 | 左眼, 右眼 | L/R Eye | 配合鼻子计算面部朝向 |
| 3, 4 | 左耳, 右耳 | L/R Ear | |
| 5, 6 | 左肩, 右肩 | L/R Shoulder | 躯干上部宽度基准 |
| 7, 8 | 左肘, 右肘 | L/R Elbow | 手臂中段关节 |
| 9, 10 | 左手腕, 右手腕 | L/R Wrist | 手臂末端 |
| 11, 12 | 左胯/髋, 右胯/髋 | L/R Hip | 躯干下部/骨盆位置 |
| 13, 14 | 左膝盖, 右膝盖 | L/R Knee | 腿部中段关节 |
| 15, 16 | 左脚踝, 右脚踝 | L/R Ankle | 腿部末端 |
COCO姿态估计示意图：
2. Hand 21 (手部 21 点骨架)
通常基于 MediaPipe 或 COCO-WholeBody 的标准，精准描绘了手掌和五根手指的全部关节。
| 关键点序号 (Index) | 部位名称 (中文) | 部位名称 (英文) | 说明 |
|---|---|---|---|
| 0 | 手腕 | Wrist (Root) | 整个手部拓扑图的根节点 |
| 1, 2, 3, 4 | 拇指关节 | Thumb (CMC, MCP, IP, Tip) | 从手掌根部到拇指指尖的4个点 |
| 5, 6, 7, 8 | 食指关节 | Index Finger (MCP, PIP, DIP, Tip) | 从指根关节到食指指尖的4个点 |
| 9, 10, 11, 12 | 中指关节 | Middle Finger | 同上，中指的4个点 |
| 13, 14, 15, 16 | 无名指关节 | Ring Finger | 同上，无名指的4个点 |
| 17, 18, 19, 20 | 小指关节 | Pinky Finger | 同上，小指的4个点 |
参考链接： https://docs.ultralytics.com/zh/datasets/pose/hand-keypoints/#introduction
3. Dog 18 (AP-10K 动物/狗骨架)
在学术界，标准的 AP-10K（泛哺乳动物姿态估计数据集）通常定义了 17个 关键点，也可能是 18 个关键点。通常第18个点增加的是"尾尖 Tail Tip"）。
| 关键点序号 (Index) | 部位名称 (中文) | 部位名称 (英文) | 说明 |
|---|---|---|---|
| 0, 1 | 左眼, 右眼 | L/R Eye | 动物面部特征 |
| 2 | 鼻子 | Nose | |
| 3 | 脖颈/颈后 | Neck / Withers | 连接头部与躯干的基准 |
| 4 | 尾巴根部 | Root of tail | 脊椎的末端 |
| 5, 6, 7 | 左前肢 (肩, 肘, 爪) | L_Shoulder, L_Elbow, L_Front_Paw | 左前腿的三个关节 |
| 8, 9, 10 | 右前肢 (肩, 肘, 爪) | R_Shoulder, R_Elbow, R_Front_Paw | 右前腿的三个关节 |
| 11, 12, 13 | 左后肢 (髋, 膝, 爪) | L_Hip, L_Knee, L_Back_Paw | 左后腿的三个关节 |
| 14, 15, 16 | 右后肢 (髋, 膝, 爪) | R_Hip, R_Knee, R_Back_Paw | 右后腿的三个关节 |
| 17 | 尾巴尖 / 额外点 | Tail Tip | 尾巴 |
参考链接： https://github.com/AlexTheBad/AP-10K
4. Face 68 (iBUG 300W 人脸 68 关键点)
最经典的人脸对齐（Face Alignment）模型，点位密集地分布在五官边缘。
| 关键点区间 (Index) | 部位名称 (中文) | 部位名称 (英文) | 包含的点数 |
|---|---|---|---|
| 0 ~ 16 | 下颌与脸颊轮廓 | Jawline / Face Contour | 17个点，从左耳根沿着下巴画到右耳根的U型弧线 |
| 17 ~ 21 | 左眉毛 | Left Eyebrow | 5个点，描绘左眉毛的上边缘走向 |
| 22 ~ 26 | 右眉毛 | Right Eyebrow | 5个点，描绘右眉毛的上边缘走向 |
| 27 ~ 35 | 鼻子 | Nose | 9个点，其中27-30为鼻梁，31-35为鼻翼底部的U形 |
| 36 ~ 41 | 左眼 | Left Eye | 6个点，顺时针描绘左眼的眼角和眼眶 |
| 42 ~ 47 | 右眼 | Right Eye | 6个点，顺时针描绘右眼的眼角和眼眶 |
| 48 ~ 59 | 嘴唇（外圈） | Outer Lip | 12个点，描绘嘴巴的外部轮廓边缘 |
| 60 ~ 67 | 嘴唇（内圈） | Inner Lip | 8个点，描绘嘴唇张开时的内部边缘（区分是否张嘴） |