YOLO四种常见的关键点数据集说明

姿势估计数据集概述

TXT 文件中每一行的数字按空格分隔，必须严格遵循以下序列逻辑：

[类别ID] [框中心X][框中心Y] [框宽度W] [框高度H] [点1_X] [点1_Y][点1_可见度] [点2_X] [点2_Y] [点2_可见度] ...

• 第 1 项 类别ID
  ：整数。例如 0 代表人，1 代表狗。
• 第 2~5 项 边界框 (BBox)
  ：物体的外接矩形框的归一化参数 
• 第 6 项及之后 关键点序列 (Keypoints)
  ：按每 2 个或 3 个数字为一组循环。通常为 ： 
• x, y
  ：关键点的归一化坐标。
• v (Visibility, 可见度)
  ：通常为 0（未标注/在图外）、1（被遮挡但推测出位置）、2（清晰可见且已标注）。注：部分极简数据集可能没有 v 维度，只保留 x, y。

数据集 YAML 配置文件

除了存放图片和 txt 标签的文件夹，还必须有一个 data.yaml 文件来告诉模型如何读取这些数据。YOLO官网的数据集配置文件如下（关键点检测任务）：

# 数据集路径path: ../datasets/my_pose_datasettrain: images/trainval: images/val# 姿态估计必填字段kpt_shape: [17, 3]  # [关键点总数, 每个关键点的维度]。3代表(x,y,v)，2代表仅有(x,y)flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]# 类别设定names:  0: person# Keypoint names per classkpt_names:  0:    - nose    - left_eye    - right_eye    - left_ear    - right_ear    - left_shoulder    - right_shoulder    - left_elbow    - right_elbow    - left_wrist    - right_wrist    - left_hip    - right_hip    - left_knee    - right_knee    - left_ankle    - right_ankle

注意点如下：

Ultralytics 官方支持并内置了多种典型的拓扑结构，你也可以自定义任何点数的数据集：

• COCO-Pose / COCO8-Pose
  ：人体的标准姿态，17 个关键点。
• Hand Keypoints
  ：人手部骨架跟踪，21 个关键点。
• Dog-Pose
  ：针对狗的姿态分析，24 个关键点。
• Tiger-Pose
  ：针对老虎等野生动物，12 个关键点（且没有可见度维度，所以它的 shape 是 [12, 2]）。

参考链接： https://docs.ultralytics.com/zh/datasets/pose/

1. Person 17 (COCO 数据集人体骨架)

目前计算机视觉中最通用的人体姿态估计标准，包含 17 个关键点，主要涵盖五官和四肢关节。

COCO姿态估计示意图：

2. Hand 21 (手部 21 点骨架)

通常基于 MediaPipe 或 COCO-WholeBody 的标准，精准描绘了手掌和五根手指的全部关节。

参考链接： https://docs.ultralytics.com/zh/datasets/pose/hand-keypoints/#introduction

3. Dog 18 (AP-10K 动物/狗骨架)

在学术界，标准的 AP-10K（泛哺乳动物姿态估计数据集）通常定义了 17个 关键点，也可能是 18 个关键点。通常第18个点增加的是“尾尖 Tail Tip”）。

参考链接： https://github.com/AlexTheBad/AP-10K

4. Face 68 (iBUG 300W 人脸 68 关键点)

最经典的人脸对齐（Face Alignment）模型，点位密集地分布在五官边缘。