Ultralytics YOLO27: 加入候补名单。
在 Platform 上免费开始使用
Ultralytics YOLO

YOLO 实时姿态估计

使用 Ultralytics YOLO26 姿态模型在实时视频中跟踪身体关键点和骨架。通过快速的训练和部署工作流,构建健身、体育分析、安全和人体工学应用。

YOLO26 姿态模型

YOLO26-pose 模型可在一次处理中检测人物并预测身体关键点,速度足以在配置一般的硬件上处理实时视频。五种尺寸覆盖从边缘设备到对准确率要求极高的分析任务,自定义关键点集可通过标准 Ultralytics 工作流进行训练。

pip install ultralytics
from ultralytics import YOLO

# Load a YOLO26 pose model
model = YOLO("yolo26n-pose.pt")

# Run inference
results = model("image.jpg")
模型尺寸(像素)姿态 mAP(端到端)姿态 mAP 50(端到端)CPU ONNX(毫秒)T4 TensorRT(毫秒)参数量(百万)FLOPs(十亿)
YOLO26n-pose64057.283.340.3 ± 0.51.8 ± 0.02.97.5
YOLO26s-pose64063.086.685.3 ± 0.92.7 ± 0.010.423.9
YOLO26m-pose64068.889.6218.0 ± 1.55.0 ± 0.121.573.1
YOLO26l-pose64070.490.5275.4 ± 2.46.5 ± 0.125.991.3
YOLO26x-pose64071.691.6565.4 ± 3.012.2 ± 0.257.6201.7

Ultralytics 文档中的 YOLO26 姿态基准测试。

深受全球领先机构信赖

我们的模型影响力

借助我们尖端的视觉 AI 模型,优化各行业流程。Ultralytics 为你带来速度、准确性和易用性。

—
GitHubGitHub 星标
—
下载量
—
Ultralytics YOLO 每日使用次数
—
开源贡献者

Ultralytics YOLO 模型的演进

了解 Ultralytics YOLO 如何从实用的 YOLOv5 工作流演进到适用于边缘设备的 YOLO26 推理。

通过快速实用的 PyTorch 工作流,让实时目标检测触手可及。

将统一工作流扩展到目标检测、分割、分类、姿态估计和 OBB。

在保留熟悉的 Ultralytics 工作流的同时,提升准确率、速度和效率。

引入端到端推理和针对高效边缘部署优化的架构。

Image annotation interface using smart segmentation to label an object.

借助智能标注,提速至多 10 倍

Ultralytics Platform 为你提供图像标注工具,帮助你更快地构建高质量数据集。从智能标注到精准的手动编辑,这些功能旨在缩短图像标注时间,同时不牺牲质量。

  • SAM 驱动的智能标注:一键生成掩码和边界框。
  • 全面覆盖 AI 任务:目标检测、实例分割、语义分割、分类、姿态估计、OBB。
  • 通用格式支持:你可以选择 YOLO、COCO 等格式。
  • 团队审核与版本管理:协作过程清晰可见,步步有序。

随处部署

导出为 22 种格式,并部署到边缘端、云端和移动设备。

探索行业解决方案

了解各团队如何在生产环境中应用 Ultralytics 计算机视觉。

常见问题

  • 姿态估计会检测人物或物体,并预测其关键点的位置。对于人体,关键点通常是 17 个身体关节,例如肩部、肘部和膝盖。将关键点连接起来即可形成描述姿势和动作的骨架。Ultralytics YOLO 姿态模型只需一次处理即可检测目标并估计关键点,速度足以满足实时视频需求。

  • 常见应用包括健身中的运动姿势分析和重复次数统计、体育运动中的技术分析、工作场所安全中的跌倒检测和人体工学监测,以及手势交互界面。Ultralytics 姿态模型可实时运行,因此这些应用能够处理实时摄像头流,包括在边缘设备上运行。

  • Ultralytics YOLO26 姿态模型是推荐的起点,使用 COCO 关键点数据预训练,并提供从 nano 到超大型的多种尺寸。YOLO11 姿态模型仍受支持,且使用完全相同的 API。

  • 可以。关键点集由你的数据集定义,因此你可以训练用于动物、机械设备或任何具有一致地标结构的模型。标注关键点,在数据集文件中配置关键点数量和骨架,然后运行训练模式;你也可以在 Ultralytics Platform 上管理整个工作流。

  • 使用 导出模式 将姿态模型导出为 ONNX、OpenVINO、TensorRT、CoreML、LiteRT 等格式。关键点输出属于导出模型的一部分,因此移动端和边缘应用可以直接使用姿态结果,无需额外的后处理库。

使用 Ultralytics 构建姿态估计

标注关键点、训练 YOLO26 姿态模型,并通过 Ultralytics Platform 将模型部署到任何地方。