发布人：Ronny Votel 和 Na Li，Google Research 团队

今天，我们很高兴推出最新的姿态检测模型 MoveNet，并在 TensorFlow.js 中添加了新的姿态检测 API。MoveNet 是一种非常快速和准确的模型，可检测人体的 17 个关键点。该模型已在 TF Hub 上提供，有两个变体，分别称为“Lightning”和“Thunder”。Lightning 适用于对延迟要求严格的应用，而 Thunder 适用于对准确性要求较高的应用。两种模型变体在大多数现代台式机、笔记本电脑和手机上的运行速度均快于实时速度 (30+ FPS)，这对于直播健身、运动和健康应用至关重要。通过完全在客户端运行该模型的方式可实现对运行速度的需求，即在使用 TensorFlow.js 的浏览器中运行且在初始页面加载后不需要服务器调用，也不需要安装任何依赖项。

TF Hub/运行

http://tensorflow.google.cn/hub

Lightning

https://hub.tensorflow.google.cn/google/tfjs-model/movenet/singlepose/lightning/3

Thunder

https://hub.tensorflow.google.cn/google/tfjs-model/movenet/singlepose/thunder/3

试用实时演示版！

https://storage.googleapis.com/tfjs-models/demos/pose-detection/index.html?model=movenet

 MoveNet 可通过快速动作和非典型姿态来跟踪关键点

【想获取 TensorFlow js. 视频教程，请前往 Bilibili，TensorFlow 渠道查看：https://www.bilibili.com/video/BV1D54y1p7PQ】

在过去五年里，人体姿态估计研究已有了长足的发展，但是令人惊讶的是，目前部署这类模型的应用还不够多。导致这种情况的原因在于，我们将更多的注意力放在了扩大姿态模型规模和提高准确性上，而不是通过工程设计以使其在任何位置都可以快速部署。借助 MoveNet，我们的任务是设计和优化模型，使其能够利用最新架构的各个最佳优势领域，同时尽可能缩短推理时间。结果我们得到了可以在各种姿态、环境和硬件设置中提供准确关键点的模型。

我们与数字健康和表现公司 IncludeHealth 展开了合作，以了解 MoveNet 是否可以为患者提供远程医疗服务。IncludeHealth 开发了一款交互式 Web 应用，可以指导患者在家中（使用手机、平板电脑或笔记本电脑）舒适地完成各种日常练习。这些日常练习由物理治疗师以数字方式构建和规定，以测试平衡能力、力量和运动范围。

这项服务需要使用网络且在本地运行姿态模型来保护隐私。此类模型可以在高帧率下提供精确的关键点ÿ