全网最细的OpenPose姿态估计（Pose Estimation）

一、概述
人体姿态估计（Human Pose Estimation，HPE）是计算机视觉领域的核心任务之一，旨在通过静态图像或视频序列自动检测并定位人体的关键关节（如头部、颈部、肩膀、肘部、手腕、髋部、膝盖和脚踝等），进而重建人体的二维或三维骨架模型。精确的姿态估计对于动作识别、虚拟现实、增强现实、人机交互、运动分析、智能监控等应用场景具有重要价值。

• 发展历程
  早期的姿态估计方法多依赖于手工设计特征和图模型（如Pictorial Structures），在小规模、简单背景的人体图像上能取得一定效果，但在复杂场景中表现不足。近年深度学习尤其是卷积神经网络（CNN）以及后续的图卷积网络（GCN）、Transformer 等新兴架构，推动了该领域的飞跃发展，使得多人体、多尺度、遮挡严重等复杂场景下的姿态估计成为可能。

• 数据集与标注
  常用数据集包括 COCO（17 个关键点）、MPII（16 点）、Human3.6M（三维姿态）等。本文采用基于 COCO 的 18 点标注（在原有 17 点基础上额外添加“颈部”关键点），其中“颈部”