人体关键点识别
更新时间：2025-08-04
对于输入的一张图片（可正常解码，且长宽比适宜），检测图片中的所有人体，输出每个人体的21个主要关键点，包含头顶、五官、脖颈、四肢等部位，同时输出人体的坐标信息和数量。
支持多人检测、人体位置重叠、遮挡、背面、侧面、中低空俯拍、大动作等复杂场景。
21个关键点的位置：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、脖子、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左髋部、右髋部、左膝、右膝、左脚踝、右脚踝。示意图如下，正在持续扩展更多关键点，敬请期待。
单人场景：
多人场景：
Json::Value result;
std::string image;
aip::get_file_content("/assets/sample.jpg", &image);
// 调用人体关键点识别
result = client.body_analysis(image, aip::null);人体关键点识别 请求参数详情
| 参数名称 | 是否必选 | 类型 | 说明 |
|---|---|---|---|
| image | 是 | std::string | 图片数据的二进制字符串，可以使用aip::get_file_content函数获取 |
人体关键点识别 返回数据参数详情
接口除了返回人体框和每个关键点的坐标信息外，还会输出人体框和关键点的概率分数，实际应用中可以基于概率分数进行过滤，排除掉分数低的误识别“无效人体”，推荐的过滤方案：当关键点得分大于0.2的个数大于3，且人体框的得分大于0.03时，才认为是有效人体。
实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用，比如对误识别容忍低的应用场景，人体框的得分阈值可以提到0.05甚至更高。
| 字段 | 是否必选 | 类型 | 说明 |
|---|---|---|---|
| person_num | 是 | uint32 | 人体数目 |
| person_info | 是 | object[] | 人体姿态信息 |
| +body_parts | 是 | object | 身体部位信息，包含21个关键点 |
| ++top_head | 是 | object | 头顶 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_eye | 是 | object | 左眼 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_eye | 是 | object | 右眼 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++nose | 是 | object | 鼻子 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_ear | 是 | object | 左耳 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_ear | 是 | object | 右耳 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_mouth_corner | 是 | object | 左嘴角 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_mouth_corner | 是 | object | 右嘴角 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++neck | 是 | object | 颈部 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_shoulder | 是 | object | 左肩 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_shoulder | 是 | object | 右肩 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_elbow | 是 | object | 左手肘 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_elbow | 是 | object | 右手肘 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_wrist | 是 | object | 左手腕 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_wrist | 是 | object | 右手腕 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_hip | 是 | object | 左髋部 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_hip | 是 | object | 右髋部 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_knee | 是 | object | 左膝 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_knee | 是 | object | 右膝 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++left_ankle | 是 | object | 左脚踝 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| ++right_ankle | 是 | object | 右脚踝 |
| +++x | 是 | float | x坐标 |
| +++y | 是 | float | y坐标 |
| +++score | 是 | float | 概率分数 |
| +location | 是 | object | 人体坐标信息 |
| ++height | 是 | float | 人体区域的高度 |
| ++left | 是 | float | 人体区域离左边界的距离 |
| ++top | 是 | float | 人体区域离上边界的距离 |
| ++width | 是 | float | 人体区域的宽度 |
| ++score | 是 | float | 人体框的概率分数 |
| log_id | 是 | uint64 | 唯一的log id，用于问题定位 |
说明：
1、body_parts，一共21个part，每个part包含x，y两个坐标，如果part被截断，则x、y坐标为part被截断的图片边界位置，part顺序以实际返回顺序为准。
2、接口返回人体坐标框和每个关键点的置信度分数，在应用时可综合置信度score分数，过滤掉置信度低的“无效人体”，建议过滤方法：当关键点得分大于0.2的个数大于3，且人体框的分数大于0.03时，才认为是有效人体。实际应用中，可根据对误识别、漏识别的容忍程度，调整阈值过滤方案，灵活应用。
人体关键点识别 返回示例
{
"person_num": 1,
"person_info": [
{
"body_parts": {
"left_hip": {
"y": 573,
"x": 686.09375,
"score": 0.78743487596512
},
"top_head": {
"y": 242.53125,
"x": 620,
"score": 0.87757384777069
},
"right_mouth_corner": {
"y": 308.625,
"x": 606.78125,
"score": 0.90121293067932
},
"neck": {
"y": 335.0625,
"x": 620,
"score": 0.84662038087845
},
"left_shoulder": {
"y": 361.5,
"x": 699.3125,
"score": 0.83550786972046
},
"left_knee": {
"y": 731.625,
"x": 699.3125,
"score": 0.83575332164764
},
"left_ankle": {
"y": 877.03125,
"x": 725.75,
"score": 0.85220056772232
},
"left_mouth_corner": {
"y": 308.625,
"x": 633.21875,
"score": 0.91475087404251
},
"right_elbow": {
"y": 348.28125,
"x": 461.375,
"score": 0.81766486167908
},
"right_ear": {
"y": 282.1875,
"x": 593.5625,
"score": 0.86551451683044
},
"nose": {
"y": 295.40625,
"x": 620,
"score": 0.90894532203674
},
"left_eye": {
"y": 282.1875,
"x": 633.21875,
"score": 0.89628517627716
},
"right_eye": {
"y": 282.1875,
"x": 606.78125,
"score": 0.89676940441132
},
"right_hip": {
"y": 586.21875,
"x": 593.5625,
"score": 0.79803824424744
},
"left_wrist": {
"y": 374.71875,
"x": 884.375,
"score": 0.89635348320007
},
"left_ear": {
"y": 295.40625,
"x": 659.65625,
"score": 0.86607384681702
},
"left_elbow": {
"y": 361.5,
"x": 791.84375,
"score": 0.83910942077637
},
"right_shoulder": {
"y": 348.28125,
"x": 553.90625,
"score": 0.85635334253311
},
"right_ankle": {
"y": 890.25,
"x": 580.34375,
"score": 0.85149073600769
},
"right_knee": {
"y": 744.84375,
"x": 580.34375,
"score": 0.83749794960022
},
"right_wrist": {
"y": 348.28125,
"x": 368.84375,
"score": 0.83893859386444
}
},
"location": {
"height": 703.20654296875,
"width": 652.61810302734,
"top": 221.92272949219,
"score": 0.99269664287567,
"left": 294.03039550781
}
},
],
"log_id": "6362401025381690607"
}