视频中每个人的 2D/3D 关节点提取 API

什么时候用

• 你有监控视频、行人视频或运动视频，需要每个人的 2D/3D 人体关节点。
• 你需要把每个 track 的图片、meta 信息、pose JSON 或 CSV 放在同一个输出目录。
• 你希望 agent 或脚本稳定处理多人视频，并把每个人拆成独立 sequence。

不要这样用

• 不要把 crop 图上的 pose 坐标直接当作原始视频整帧坐标；映射回原视频需要 crop_x / crop_y 等 meta 信息。

推荐流程

1. 下载或使用 GitHub examples 里的 local_video_to_sequence_demo。
2. 本地对视频做 person detection 和 tracking，生成每个人的 sequence 文件夹。
3. 调用 POST /v1/sequences 创建上传任务，PUT 上传每帧图片。
4. 调用 POST /v1/sequences/{task_id}/gait-pose，读取 pose_2ds 和 pose_3ds。

输入输出边界

• 输入：同一人的有序人体图片序列，推荐是按时间顺序保存的 crop 图。
• 输出：pose_2ds[i] 对应第 i 帧，包含 17 个 COCO 点，每点为 x, y, score。
• 输出：pose_3ds[i] 对应第 i 帧，包含 17 个 3D 点，每点为 x, y, z。