别再打字搜图了，用姿势搜索图片：Pose-Search 开源工具完整上手指南

别再打字搜图了用姿势搜索图片Pose-Search 开源工具完整上手指南【免费下载链接】pose-searchx6ud.github.io/pose-search项目地址: https://gitcode.com/gh_mirrors/po/pose-search你有没有过这样的经历脑子里有一张人跳起来、身体后仰、双手张开的画面却怎么也想不起来是哪张照片只好在搜索引擎里反复输入跳跃 后仰 双手张开结果翻了几十页也没找到想要的。问题不在于你描述得不够好而在于用文字描述人体动作本身就天然低效。这个困扰其实有解——Pose-Search就是这样一款专为姿势搜索打造的开源工具。它通过 AI 识别图片中的人物骨骼关键点让你直接用一张照片当搜索条件去图片库里找出所有姿势相似的照片。本文会用一套完整的实操流程带你从零跑通这个项目。先看它长什么样一个滑雪板照片带来的直觉感受下面这张图是项目仓库里的真实界面截图editor.jpg一眼就能看懂它的设计思路Pose-Search 编辑器界面左侧原图上叠加了红色骨骼骨架中间有简化骨架与三维骨骼模型右侧管理照片元数据、标签与性别信息。画面里是一个滑雪板运动员腾空瞬间的照片。左侧大图被叠加上红色线条组成的人体骨骼骨架中间区域同时展示了简化版的 2D 骨架和半透明的 3D 骨骼模型右侧则是照片的 ID、作者、尺寸、性别和标签等信息。这其实揭示了 Pose-Search 的两大能力它能把任意照片翻译成骨骼数据然后以骨骼数据为索引进行姿势匹配。用骨骼代替文字就是它和其他图片工具最大的不同。三个让人眼前一亮的独特设计初次体验这个项目有三处细节最打动我它们也是理解整个项目灵魂的关键。1. 33 个关键点把身体变成一串数字密码Pose-Search 基于 MediaPipe Pose 方案会在每张人像照片上检测出33 个人体关键点面部、肩膀、手肘、手腕、髋部、膝盖、脚踝等每个点不仅记录二维坐标还带有三维空间坐标和可见性置信度。关键数据存放在src/utils/detect-pose.ts中由NUM_OF_LANDMARKS 33定义而为了不阻塞界面检测被放到了 public/worker/detect-pose.worker.js 这个 Web Worker 里后台执行。你在界面上看到红色骨架瞬间生成背后就是这套流水线在工作。2. 分部位匹配器你可以只搜左手肘的姿势这是最让我惊喜的功能。大多数姿势搜索工具是整张图算一个相似度而 Pose-Search 把身体拆成了Face、Chest、左右 Shoulder、左右 Elbow、Crotch、左右 Hip、左右 Knee等多个部位每个部位都对应一个独立的匹配器统一注册在 src/Search/Search.ts 的matchers表里。更妙的是在三维骨骼模型上点击某个骨骼节点系统会自动帮你选中对应部位的匹配器——想搜左膝弯曲 90 度的人点一下左膝节点就行完全不用记英文选项。3. 视角无关匹配模式同一个动作换个角度也能找到拍照片的人不可能每次都在同一角度为此项目为多数部位都实现了一对匹配器普通版MatchShoulder和MatchShoulderCameraUnrelated视角无关版。后者把身体动作映射到以躯干为基准的局部坐标系里从而摆脱相机拍摄角度的影响。这个设计在 src/Search/impl/ 目录下体现得淋漓尽致——每个部位都有MatchXxx.ts和MatchXxxCameraUnrelated.ts两个实现文件。搜索时只需切换界面上的一个开关就能在考虑拍摄角度和忽略拍摄角度之间自由切换。动手实操从克隆到第一次搜索的完整流程纸上谈兵不如动手一试。整个过程大约五分钟跟着做即可。第一步克隆项目并安装依赖在终端执行以下三条命令这也是仓库 README 提供的标准流程git clone https://gitcode.com/gh_mirrors/po/pose-search cd pose-search npm install项目使用 Vue 3 与 Vite 构建依赖安装通常在一分钟内完成。如果你网络较慢可以配置镜像源后重试。第二步启动开发服务器继续执行npm run dev浏览器会自动打开开发地址。搜索主界面默认就能直接使用因为项目仓库自带了一份照片数据集public/photos.json记录照片信息public/landmarks.dat存放全部骨骼关键点开箱即用。第三步完成一次姿势搜索进入搜索界面后按这个顺序操作选择部位从下拉框中选择Left Elbow左肘或Right Knee右膝等任意部位设定条件可选按性别筛选男/女/不区分以及是否开启视角无关匹配点击搜索系统遍历整个数据集为每张照片计算相似度分数按从高到低排序返回。结果以缩略图网格展示点击任意结果会弹出大图查看器同步显示原图和姿势骨架的对比。第四步扩展自己的图片库如果你想把自己的照片加入数据库需要进入/#/editor编辑器页面。这里有一个小坑提前告诉你编辑器依赖 Unsplash 的 API Key 来批量拉取图片你需要在 Unsplash 官网申请一个免费的应用密钥粘贴到编辑器顶部的输入框中。拿到密钥后编辑器的工作流是搜索或上传照片 → 点击Run Model让 MediaPipe 自动生成骨架 → 手动补全性别和标签 → 点击Add Record写入数据集 → 最后点击Save data.db保存。进阶技巧与避坑经验跑通流程只是开始想让姿势搜索更顺手这几个经验值得收藏。配置参数速查表项目的核心参数集中在 src/config.ts只有三行非常好改参数默认值作用与建议LANDMARK_VISIBILITY_ACCEPTABLE_THRESHOLD0.4关键点可见性阈值。低于该值视为遮挡不可信不参与匹配。照片常有遮挡时建议调低到 0.3MAX_NUM_OF_SEARCH_RESULTS100单次搜索返回的最大结果数。想快速浏览可调低到 50做筛选分析可调高到 200三个容易踩的坑照片太糊匹配不到MediaPipe 对低分辨率、强逆光、严重遮挡的照片识别率很低。尽量用人物占画面 60% 以上、光线充足的正面或侧面照别忽略视角无关开关搜同一动作不同角度记得打开它但如果你就是想找特定朝向的姿势请保持关闭否则结果会偏宽泛性别筛选是弱约束性别是靠照片标签自动推断的并非百分百准确。对结果要求严格时别只依赖它筛选。数据存储的小秘密你可能会好奇landmarks.dat到底存了什么。打开 src/utils/PhotoDataset.ts 会发现每张照片的 33 个关键点被紧凑编码成33 × 7个浮点数2D 坐标 3 个 3D 坐标 3 个 可见性 1 个全部照片拼成一个二进制大数组。这正是搜索能在浏览器本地飞快完成的原因——无需任何后端服务纯前端即可跑完整套检索。想定制自己的匹配算法接口只要求两个方法如果你对技术感兴趣Pose-Search 的扩展点设计得非常清爽。打开 src/Search/impl/search.ts可以看到匹配器的统一接口PoseMatcher只要求实现两个方法interface PoseMatcher { prepare(model: SkeletonModel): void; // 用当前选中的姿势初始化参考数据 match(photo: Photo): MatchResult | null; // 逐张照片打分返回分数或 null }只要实现这两个方法再把它注册进matchers表一个新部位比如脖子脚踝的搜索能力就诞生了。以 MatchElbow.ts 为参照你能看到真实的打分逻辑同时比较肘部弯曲角度、手臂在屏幕上的朝向、以及手臂在躯干局部坐标系中的方向多个误差项相乘得到最终分数。这种一处接口、多处实现的结构让整个项目就像搭积木一样可以自由扩充。从搜一张图到收藏一类动作回过头看开头那个找图的困扰以前你只能靠文字碰运气现在你可以直接拿一张心仪的动作照片作为搜索条件几秒内翻出整个库里所有同款姿势。不管是整理动作参考素材、分析运动姿态还是给照片库做智能归档Pose-Search 都提供了一种完全不同的、更接近直觉的搜索方式。这个项目基于 MIT 协议开源你可以放心使用、修改甚至把它移植到自己的项目里。想立刻体验就按上面四步操作克隆仓库 → 安装依赖 → 启动服务 → 选一个部位点下搜索。下一次当你再为某个动作画面翻遍整个图片库时不妨让姿势本身替你说话——动作是最好的关键词而 Pose-Search 就是听懂动作的那个翻译官。【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