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( c x , c y , w , h ) (cx, cy, w, h)(cx,cy,w,h)
• 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 , v ) (x, y, v)(x,y,v)：
  • 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。