人体关键点识别
人体关键点识别是一种AI算法，从图像或视频中检测人体的17个关节点（关键点）。广泛应用于运动动作分析、介护现场的跌倒检测、工厂的作业姿态评估等需要姿态估计的场景。
算法概述
采用基于深度学习的姿态估计模型，检测人体的17个关键点。各关键点对应以下部位。
| 编号 | 部位 | 编号 | 部位 |
|---|---|---|---|
| 0 | 鼻子 | 9 | 左手腕 |
| 1 | 左眼 | 10 | 右髋 |
| 2 | 右眼 | 11 | 左髋 |
| 3 | 左耳 | 12 | 右膝 |
| 4 | 右耳 | 13 | 左膝 |
| 5 | 右肩 | 14 | 右脚踝 |
| 6 | 左肩 | 15 | 左脚踝 |
| 7 | 右肘 | 16 | — |
| 8 | 左肘 | — | — |
性能指标
| 模型 | 精度（mAP pose@0.5） |
|---|---|
| Person Pose-S（轻量） | 86.3 |
| Person Pose-M（标准） | 89.3 |
边缘AI基板（RV1126B）运行效率
| 模型 | 处理时间 |
|---|---|
| Person Pose-S（轻量） | 59ms |
| Person Pose-M（标准） | 103ms |
主要特点
- 17点关节检测：高精度检测全身主要关节
- 两级模型选择：可在速度优先（S）和精度优先（M）之间选择
- 实时处理：轻量模型约59ms的边缘推理
- 姿态估计基础：可作为跌倒检测、动作分析、运动姿态解析的前置环节
应用场景
- 介护设施的跌倒检测（异常姿态判定）
- 运动训练的姿势分析
- 工厂的作业姿态评估（腰痛预防）
- 康复训练的动作记录
- 手势交互界面
- 零售店铺的顾客行为分析
边缘AI基板上的实现
利用 RV1126B 的 NPU，实现轻量模型 59ms、标准模型 103ms 的关键点检测。可实时处理摄像头视频，即时检测姿态异常。