SDPose：ComfyUI 中的姿态检测

学习如何使用 ComfyUI 原生支持的 SDPose 从图像和视频中提取姿态关键点和姿态图

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

SDPose 是一种全身姿态检测模型，可从图像和视频中提取人体关键点。结合 RT-DETRv4 对象检测器，它支持多人检测和跨域（OOD）姿态估计，使其成为动画管线、姿态驱动生成和运动追踪工作流中的多功能工具。

SDPose + RT-DETRv4 已在 ComfyUI 中原生支持（PR #12748）。模型权重可在 Hugging Face 上获取。

Hugging Face 上的 SDPose 模型 | RT-DETRv4 论文 (arXiv) | SDPose 论文 (arXiv)

主要优势

• 全身关键点 — 在统一的模型中检测身体、手部、面部和脚部关键点
• 多人支持 — 在单张图像或视频中检测并标注多人
• 可配置的输出 — 可选择可视化哪些身体部位（身体、手部、面部、脚部），并控制骨架线宽和字体大小
• 边界框检测 — 包含对象检测，可调节阈值和类别选择
• 图像和视频支持 — 针对单张图像、视频和 OOD 姿态估计提供专门的工作流

局限性： 检测精度取决于图像分辨率和目标可见性。极度遮挡或非常小的目标可能产生较少的关键点。

SDPose 工作流

根据您的用例，有四种工作流可供选择：

1. 下载工作流

将您的 ComfyUI 更新到最新版本，然后转到 Workflow -> Browse Templates，在“Utility”类别下找到 SDPose 工作流。

SDPose：图像多人检测

上传图片以检测人体姿态。支持检测同一场景中的单人和多人。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "SDPose：图像多人检测"

输入素材

将此文件上传到匹配的 LoadImage 节点：

[card] group\_photo.png LoadImage 节点 679 · group_photo.png

SDPose：视频多人检测

上传视频以检测人体姿态。支持在同一场景中检测单人和多人。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索 "SDPose：视频多人检测"

输入素材

将以下文件上传到对应的 LoadVideo 节点：

[card] man\_playing\_violin.mp4 LoadVideo 节点 694 · man_playing_violin.mp4

<video controls> <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/man_playing_violin.mp4" type="video/mp4" /> </video>

SDPose-OOD：图像到姿态图

上传图片以提取姿态关键点，并使用 SDPose-OOD 模型生成对应的姿态图。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索“SDPose-OOD：图像到姿态图”

输入材料

将以下文件上传到对应的 LoadImage 节点：

[card] dancer.png LoadImage 节点 667 · dancer.png

示例输出

SDPose-OOD：视频到姿态图

上传视频以提取姿态关键点并生成姿态图。该工作流支持多人检测，并使用增强型 SDPose 模型进行精准的全身特征提取。

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开

[card] 下载工作流 下载 JSON，或在模板库中搜索“SDPose-OOD：视频到姿态图”

输入材料

将此文件上传到对应的 LoadVideo 节点：

[card] man\_in\_the\_rain.mp4 LoadVideo 节点 679 · man_in_the_rain.mp4

示例输出

<video controls> <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/man_in_the_rain.mp4" type="video/mp4" /> </video>

<video controls> <source src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/utility_sdpose_ood_video_to_pose_map.mp4" type="video/mp4" /> </video>

2. 下载模型

SDPose 和 RT-DETRv4 模型托管在 Comfy-Org SDPose 模型仓库 中。

checkpoints（SDPose 模型）：

• sdpose\_wholebody\_fp16.safetensors

diffusion\_models（RT-DETRv4 检测器）：

• rt\_detr\_v4-x-hgnet\_fp16.safetensors（推荐）
• rt\_detr\_v4-x-hgnet\_fp32.safetensors（全精度，体积更大）

将它们放入以下目录结构中：

📂 ComfyUI/
└── 📂 models/
    ├── 📂 checkpoints/
    │   └── sdpose_wholebody_fp16.safetensors
    └── 📂 diffusion_models/
        ├── rt_detr_v4-x-hgnet_fp16.safetensors
        └── rt_detr_v4-x-hgnet_fp32.safetensors

3. 使用工作流

多人（图像）

• 输入：通过 Load Image 节点加载图像。使用包含一个或多个人的图像（例如：group_photo.png）。
• 检测：Image to Pose Map (SDPose Multi-Person) 子图处理图像并输出：
• IMAGE：叠加在图像上的姿势骨骼可视化
• keypoints：原始全身关键点数据
• bboxes：边界框坐标
• 绘制选项：配置要绘制的身体部位：
• draw_body、draw_hands、draw_face、draw_feet：切换可见性
• stick_width、face_point_size：调整视觉样式
• score_threshold：显示关键点的最低置信度
• 检测选项：
• resize_type.longer_size：在检测之前缩放较长边
• max_detections：最大检测人数
• detect_threshold：检测置信度阈值
• detect_class：要检测的目标类别（默认：person）

多人（视频）

与图像工作流相同，但会按顺序处理视频帧。使用 Load Video 输入视频文件，并使用 Save Video 导出结果。

OOD 图像转姿势

使用 SDPose 模型从图像生成干净的姿势图，不包含边界框可视化。这在风格迁移中非常有用，您可以从一张图像中提取骨骼姿势，并将其应用到另一张图像上。

OOD 视频转姿势图

从视频生成逐帧姿势图。输出是一个视频文件，其中每一帧都包含提取出的姿势骨骼，适用于下游动画或 ControlNet 工作流。

[card] 了解子图 这些工作流使用子图节点进行模块化处理。查看子图文档，了解如何自定义和扩展工作流。

附加说明

• 模型目录 — SDPose 模型文件放在 models/checkpoints/ 中，RT-DETRv4 检测器放在 models/diffusion_models/ 中
• 输入图像示例 — 工作流模板的 input/ 目录中提供了 group_photo.png 文件以供测试
• 关键点输出 — POSE\_KEYPOINT 类型可以连接到接受姿态数据进行条件生成的下游节点
• 需要更新 — 较新的 ComfyUI 版本才支持 SDPose + RT-DETRv4。请确保你的 ComfyUI 是最新版本。