MediaPipe（手部/人体关键点）

谷歌开源的端侧视觉工具，能从普通摄像头画面实时提取手和人体关键点。

MediaPipe 是谷歌开源（Apache 2.0）的跨平台端侧机器学习框架，其中 MediaPipe Tasks 提供现成的视觉任务。和具身关系最近的有两个：Hand Landmarker 先用手掌检测模型找到手，再在裁出的区域回归 21 个手部关键点，输出图像坐标、以米为单位的世界坐标和左右手判断；Pose Landmarker 基于 BlazePose，输出人体 33 个关键点。它们在手机 CPU 上就能实时运行，支持移动端、Web 和 Python。因为只需一个普通 RGB 摄像头，常用来做低成本手势遥操作、把人手动作重定向到灵巧手，或给人类视频标关键点；对遮挡和复杂手势的三维精度有限，要求高时常换用 HaMeR 等三维手部重建模型。旧版 Solutions 接口已于 2023 年 3 月停止支持。

例子dex-retargeting 的示例程序用 MediaPipe 从电脑摄像头实时检测人手关键点，再把它重定向成 Allegro 灵巧手的关节角，让仿真里的机械手跟着人手动。

也叫

MediaPipe Hands、MediaPipe Pose、Hand Landmarker、Pose Landmarker、BlazePose

相关

手部姿态估计、人体姿态估计、关键点检测、动作重定向、HaMeR、dex-retargeting

来源

MediaPipe Hand Landmarker guide
MediaPipe Pose Landmarker guide
google-ai-edge/mediapipe (GitHub)

信息截至

2026-09