「PoseNet」是一种视觉模型，它可以通过检测关键身体部位 的位置来估计图像或者视频中的人体姿势。例如，该模型可以估计图像中人的手肘和/ 或膝盖位置。这种姿势估计模型不会鉴别图像中的人是谁，只会找到关键身体部位的 位置。 TensorFlow Lite 分享了一个安卓示例应用程序，该应用程序利用设备的摄像头来实时地检测和显示一个人的关键部位

YOLOv7是YOLO家族中第一个包含人体姿态估计模型的。

人体姿态估计有关的论文-2021年-汇总

YOLOv7-Pose姿态估计代码+权重

一个轻量化模型，在经典openpose上做出了相应改进 可用于多人的、实时的姿态估计并记录每个人的id进行跟踪 深度学习--网络模型简单化 很方便的集成到python C++环境中 适合对计算机视觉研究者深入探索

Leeds Sports Pose 是一个体育姿势数据集，其被分为竞技、羽毛球、棒球、体操、跑酷、足球、排球和网球几类，共包含约 2000 个姿势注释，图像均来自于 Flickr 的运动人员。 通过对图像进行缩放，最突出的人长度约 150 像素，并且每个图像都注有 14 个联合位置，其左侧和右侧关节始终以人为中心进行标记，此外，每个图像文件的 JPEG 注释字段中均可发现原始图像的属性和 Flickr 链接。 该数据集由利兹大学计算机学院于 2010 年发布，相关论文有《Clustered Pose and Nonlinear Appearance Models for Human Pose Estimation》。

本教程利用MATLAB软件完成了人体姿态检测的代码搭建、训练、评估，最后利用训练好的检测器可检测单人、多人人体姿态检测等任务。关注B站-小洋葱UP主可以查看代码教程哦~https://www.bilibili.com/video/BV1CZ4y1a7as/?vd_source=9ed785727873c025ff872897e1d95941

目标追踪与姿态估计实战课程（2021最新），完整版10章下载 课程主要包括两大核心模块： 1.目标追踪算法及其项目实战； 2.姿态估计算法及其项目实战。 课程通俗解读算法核心知识点，并基于源码进行实战解读，详细分析源码构建与项目流程。基于真实数据集与实际任务进行项目实战。 目标追踪模块主要讲解YOLOV5检测算法与deepsort追踪算法，姿态估计模块主要讲解openpose系列算法，所有模块均提供PPT，数据与代码。

使用unity3d和tensorflow实现基于姿态估计的体感游戏-附件资源

基于面积比的人脸姿态估计方法研究，杭飞，，本文提出一种基于面积比的人脸姿态估计方法，先分析人脸姿态发生变化时特征点之间形成的三角形的面积变化，再应用BP神经网络对位�