3步上手人体姿势搜索Pose-Search 免费开源工具完整指南【免费下载链接】pose-searchx6ud.github.io/pose-search项目地址: https://gitcode.com/gh_mirrors/po/pose-searchPose-Search 是一款免费开源的人体姿势搜索工具借助 AI 关键点识别与姿势相似度匹配让你直接用一张图片里的动作去检索整个图库彻底绕开用文字描述复杂姿势这道难题。深夜一位瑜伽老师对着搜索结果犯了难 晚课刚结束米娅想把半月式进入舞王式的过渡姿态找一组参考图。她换了好几组关键词——半月式 转体平衡 后弯 单腿站立——翻了三页结果仍然没有一张符合动作细节。这并不奇怪要描述支撑腿微屈、骨盆向旁侧打开、上方手臂向后抓脚这种复合姿态语言天然是苍白无力的。她真正需要的不是文字而是一个动作。米娅遇到的困境每一位体育教练、康复师、编舞者和动作设计师大概都经历过。文字检索在这里存在结构性短板同一个动作在不同人嘴里有十种说法搜索结果自然千差万别。换个思路让动作本身去提问Pose-Search 给出的答案很直接——既然要找的是动作那就让动作自己提问。这是一个基于 AI 的姿势图片搜索开源项目。它先在参考图上完成人体关键点识别把画面里的人体抽象成一幅数字骨架随后把骨架上的关节角度、肢体朝向、各部位的空间关系转成一组可度量的特征最后拿这组特征去和图片库里的每一张图逐一比对、打分、排序。整个过程和以图搜图思路相近但比较的对象从色彩与纹理变成了人体的结构姿态。相比文字描述这种姿势相似度匹配有两点天然优势。其一它足够客观打分依据是具体的骨骼角度与空间坐标而不是主观措辞其二它足够鲁棒关键点识别不关心画面里的服装、背景与肤色只要姿态清晰就能参与比对。如果你正在做体操动作比对、格斗招式分解、舞台走位设计这类对姿态细节极其敏感的工作这个工具的价值会被放得尤为明显。三条命令把姿势图片搜索引擎搬进本地安装过程被压缩到了极致。确保本机装有 Node.js 后依次执行git clone https://gitcode.com/gh_mirrors/po/pose-search cd pose-search npm install npm run dev浏览器打开 http://localhost:3000 即可进入应用。项目完全在浏览器端运行前端基于 Vue 3姿势识别引擎使用 MediaPipe Pose所有计算都在本地完成——无需申请云端 API 密钥也不会把你的私人图片上传到任何服务器。3步完成一次姿势图片搜索界面启动后你会发现一切都被设计得足够直给左侧是图片与骨架右侧是检索条件底部一排是搜索结果缩略图。完成一次检索只需要三步。第一步上传模板图生成数字骨架准备一张动作清晰、肢体完整的照片作为模板。上传后系统会立刻调用 MediaPipe 检测 33 个人体关键点——面部、双肩、双肘、手腕、髋部、膝盖、脚踝等尽数在内——并在原图上叠加一层红色骨架连线。看到那条红色连线就说明动作指纹已经提取成功。上图是一次典型的姿势图片搜索工作流左侧模板图为滑板动作叠加了红色关键点骨架右侧面板可以查看元数据、编辑标签并保存数据库记录。第二步告诉系统你最在意哪个部位这是 Pose-Search 最有特色的环节。你可以在下拉框里指定本次搜索的关注部位脸部、胸部、胯部、左右肩、左右肘、左右髋、左右膝……系统为每个部位都内置了针对性匹配器。比如想找左手叉腰的构图就选 Left Elbow想找侧身压腿的姿态就选对应的髋部或膝盖。同一幅骨架下还可以叠加两类筛选条件性别筛选限定男性、女性或未标注适合需要特定人物形象素材的场景拍摄角度开关选择考虑视角匹配时更看重从当前角度看到的姿态轮廓选择忽略视角则切换到视角无关匹配器重点比较肢体在三维空间中的真实朝向。第三步查看结果、对比骨架、翻转确认点击搜索按钮后系统会遍历整张图片库按姿势相似度从高到低排序返回最多 100 条结果。每条缩略图上会标出匹配的中心关键点与关联部位点击任意一张即可放大查看原图。一个容易被忽略却非常实用的细节是镜像翻转如果你上传的是左手动作而图库里恰好有一张左右对称的右手版素材搜索结果会标记出 flip 状态系统可自动按镜像方式展示帮你快速判断这张图是否够用。在大批量动作比对时这能省下不少人工筛选的时间。藏在背后的匹配引擎姿势相似度匹配是怎么算出来的如果只是使用者上面的流程已经够用但如果你好奇它凭什么说这两张图像值得把目光投向src/Search/impl/目录——整套匹配算法都藏在这里。33 个关键点先给人体搭骨架MediaPipe Pose 检测出的 33 个关键点并非简单地落在画面上。项目会用它们重建一套分层的骨骼模型躯干、头部、左右上臂、左右前臂、左右大腿、左右小腿……每个骨骼节点都同时记录二维视图与三维世界坐标核心实现见src/components/SkeletonModelCanvas/model/SkeletonModelNode.ts。二维坐标负责看起来像三维坐标负责真的像。关节角度与空间关系的多维打分以肘部匹配器MatchElbow为例一次匹配会同时计算多个误差项上臂与下臂在三维空间中的夹角误差、肘部在屏幕上的弯曲角度误差、上臂相对躯干的前后朝向误差……每个误差都折算成分数并相乘得到综合评分。分数越高说明模板姿态与目标图越接近搜索结果正是按这个分数严格排序的。视角无关正面、侧面、背面都认得出这正是拍摄角度开关的技术支撑。默认匹配器以当前画面中的姿态轮廓为主要依据而当你关闭视角相关时系统会切换到*CameraUnrelated系列匹配器把肢体方向换算到以躯干为基准的局部坐标系里再比较从而在不同机位、不同朝向下找到真正的姿态相似。这种视角无关匹配能力让从另一部作品里找回同一个动作成为现实。三维骨骼可视化看得见的匹配依据src/components/SkeletonModelCanvas/提供了基于 WebGL2 的三维骨骼可视化组件。在结果对比中你可以拖拽旋转视角、从任意角度观察骨架的空间关系直观理解为什么某张图被判定为相似。它既是调试工具也是向别人解释这次匹配到底比对了什么的最佳演示。两个配置参数决定搜索严不严多不多项目把最常被调整的两个阈值收敛到了src/config.ts改一个数字即可整体改变搜索体验参数默认值含义调大 / 调小的效果LANDMARK_VISIBILITY_ACCEPTABLE_THRESHOLD0.4关键点可见性阈值置信度低于它的部位不参与匹配调大更严格遮挡较多的图会被过滤调小更宽容但可能混入不可靠结果MAX_NUM_OF_SEARCH_RESULTS100单次搜索返回结果数量的上限调大覆盖更多候选调小只保留最顶尖的相似项保存后刷新页面即可生效。如果你追求少而精可以把阈值往上提如果只是随手找灵感保留默认值通常体验最佳。进阶玩法用 PoseMatcher 接口扩展你自己的匹配器项目在src/Search/impl/search.ts中定义了一个极简的匹配器接口export interface PoseMatcher { prepare(model: SkeletonModel): void; match(photo: Photo): MatchResult | null; }prepare在搜索开始前运行一次从参考骨架中提取模板特征match对图库中的每一张图执行比对并返回相似度分数无法匹配比如关键点置信度过低就返回null。想为脚踝姿态新增一套匹配器只需实现这个接口再在src/Search/Search.ts的matchers配置表里注册一行包含匹配器实例、可选的视角无关版本以及命中时高亮哪些骨骼部位它就会自动出现在搜索部位下拉框中。得益于这种可插拔设计你不需要改动搜索主流程就能为项目增加全新的姿态维度——这也是本项目作为人体关键点识别开源工具最值得开发者研究的一处设计。实用锦囊把姿势图片搜索用得更顺手拍摄与选图建议肢体尽量完整关键点一旦被遮挡或裁切匹配得分会显著下降宁可留白多一些也别切掉手腕脚踝光线与背景从简清晰的主体轮廓能提升关键点检测置信度逆光、强阴影、杂乱背景都是干扰源正面或侧面优先虽然支持视角无关匹配但正面与侧面姿态的检测置信度通常高于背面批量入库通过编辑器的 Add Record 功能可以批量把图片加入本地数据库配合同步维护的标签长期积累就是一座可检索的姿势素材库。常见问题解答Q对硬件有要求吗A检测与匹配都在浏览器本地完成主流浏览器加普通配置即可流畅运行三维可视化需要支持 WebGL2 的环境近几年出厂的设备基本都满足。Q能识别多人吗A当前实现以单人姿势识别为核心多人场景需要额外的检测与匹配策略属于项目后续的演进方向。Q支持视频吗A目前主要面向静态图片。视频可以先逐帧抽图再参与检索但项目暂未内置完整的视频处理管线。Q图库从哪来A既支持本地图片批量导入也内置了从 Unsplash 拉取素材的编辑器流程README 中有详细说明方便快速搭建初始数据集。让动作自己说话现在就动手试一次从一条命令开始把用姿势搜索图片变成你日常的工具跑起项目、上传模板图、选定关注部位、点击搜索、查看骨架对比——整个过程用不了五分钟但背后的思路值得玩味很久。项目以 MIT 许可证开源代码结构清晰、接口克制非常适合拿来学习关键点识别 三维可视化 匹配算法的完整工程链路也欢迎你把自研的匹配器贡献回社区。无论你是想为训练动作找参照的教练还是正在为分镜找姿态参考的创作者都值得让动作替你说话一次。【免费下载链接】pose-searchx6ud.github.io/pose-search项目地址: https://gitcode.com/gh_mirrors/po/pose-search创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考