PoseEstimation-CoreML：iOS 实时姿势识别三步跑起来，推理最快 3ms

PoseEstimation-CoreMLiOS 实时姿势识别三步跑起来推理最快 3ms【免费下载链接】PoseEstimation-CoreMLThe example project of inferencing Pose Estimation using Core ML项目地址: https://gitcode.com/gh_mirrors/po/PoseEstimation-CoreMLPoseEstimation-CoreML 是一个用 Core ML 在 iOS 端完成实时推理的姿势识别示例项目。它解决的痛点想在 App 里从摄像头流识别人体关键点通常要搭服务器或引重型库而这里只用两个几 MB 的模型零外部依赖iPhone 6S 也能跑。iOS 实时姿势识别能做什么先看三个场景 舞蹈/健身教学用户对着摄像头App 实时画出骨架动作反馈零延迟。姿势匹配先拍一张标准姿势当模板再对比你的实时姿势是否达标一目了然。这个项目里最有趣的就是它。静态图片从相册选一张照片得到照片中人物的姿势不依赖摄像头。14 个人体关键点可以画成线 点也可以画成热力图两种可视化都是现成的。Core ML 姿势识别怎么工作推理耗时实测流水线共四步每一步对应项目里一个源文件VideoCapture.swift从摄像头拿到 CVPixelBufferVision 框架预处理Core ML 执行推理模型输出 14 个关键点的热力图HeatmapPostProcessor.swift把热力图转成坐标MovingAverageFilter.swift对关键点做时间平滑骨架不抖动。关键数字cpmhourglass模型大小2.6 MB2 MB单次推理iPhone 11 Pro5 ms3 ms整帧iPhone XS Max39 ms / 23 FPS15 ms / 23 FPS最老的 iPhone 6 也能到 8 FPS达到实时级别。输入 192×192输出 14 个关键点最低支持 iOS 11.0。我最看重的是模型只有 2~2.6MB纯端侧推理不占带宽、没有隐私风险。谁适合用谁不适合适合想学 Core ML 集成的 iOS 开发者代码是示例级每一步都能读懂健身、舞蹈、康复训练类 App推理全部在端侧完成图像数据不出手机需要静态图片姿势分析的场景。不适合多人场景模型输出是单人的 14 关键点热力图画面里只能有一个人3D 姿势或手指关键点只有 14 个 2D 身体关键点非 Apple 平台Core ML 仅支持 iOS。三步跑通 iOS 姿势识别 克隆仓库git clone https://gitcode.com/gh_mirrors/po/PoseEstimation-CoreML用 Xcode 打开工程两个 .mlmodel 已在项目里只需在 Info.plist 补上相机权限NSCameraUsageDescription真机运行摄像头需真机也可按 ⌘U 跑内置的性能测试。想看真实效果直接去 PoseEstimation-CoreML 项目仓库用 Xcode 打开 Run 一下三分钟就能拥有自己的实时姿势识别。【免费下载链接】PoseEstimation-CoreMLThe example project of inferencing Pose Estimation using Core ML项目地址: https://gitcode.com/gh_mirrors/po/PoseEstimation-CoreML创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考