← 在分诊台打开（可搜索/导航）
人体姿态估计/动作识别该用什么
🎯 E1 任务→模型路由 · 手机/摄像头
状态：MediaPipe BlazePose端侧实时可用，RTMPose精度更高
也这样说： 姿态估计 pose estimation movenet blazepose 骨架 rtmpose yolo-pose
可能根因：- 需要检测人体关键点（关节）
- 用于动作识别/体感交互/运动分析
- 端侧需要实时推理
解决方案
✅ 官方方案（1条）
MediaPipe Pose（BlazePose）
33个关键点实时追踪，手机端30+FPS；做健身APP/体感游戏这是最快路径，Google已优化到极致
时效：2026-09
打开 ↗💡 排坑指南（2条）
RTMPose（精度更高，多后端部署）
MMPose出品，精度碾压BlazePose且支持PyTorch/ONNX/TensorRT/NCNN/RKNN全后端；但RTMPose转RKNN后输出可能与ONNX差异大，需检查mean/std参数
时效：2026-09
打开 ↗MoveNet（TensorFlow）
TF官方姿态模型，有Lightning/Thunder两版；Lightning快但精度低，Thunder精度高但慢，选哪个看你的帧率要求
时效：2026-09
打开 ↗⚠️ 避坑提醒（1条）
YOLO11n-pose量化后mAP从50%暴跌到43.9%
ESP32-P4实测：YOLO11n-pose INT8量化后Pose mAP50:95从50.0%降到43.9%，下降6.1个点；姿态模型对量化比检测模型更敏感
时效：2026-09
打开 ↗
本页是路由层入口，不存教程正文。每条入口带人工评注。
来自 问题分诊台 · Vertical Hub