在 ComfyUI 的可视化工作流里，OpenPose 节点承担的就是从静态图像或视频帧中读出人体骨架结构的任务。它背后调用的是 OpenCV 与 PyTorch 实现的 OpenPose 推理模型，能够输出包含鼻子、脖子、肩膀、手肘、手腕、胯部、膝盖、脚踝等位置的十八个关键点坐标，以及它们之间的连接关系。理解这套节点的运行机制，能帮助我们在做 AI 绘画姿势控制、虚拟主播动作捕捉或者舞蹈素材预处理时，少走很多弯路。
OpenPose 节点在 ComfyUI 中的基本接入方式
要在 ComfyUI 中使用 OpenPose，首先得确认你已经安装了包含姿态检测模型的自定义节点包，例如 ComfyUI-OpenPose 或者集成了 dwpose 与 openpose 的 ControlNet 辅助套件。启动 ComfyUI 后，在节点菜单里搜索“OpenPose”一般能看到两种常见节点：一种只输出骨架预览图，另一种可以同时输出 JSON 格式的关键点数据。前者适合直接连到 ControlNet 的姿势预处理器，后者则方便我们把坐标存下来做二次开发。
接入时最简单的链路是：加载图像节点输出到 OpenPose 节点，再把 OpenPose 节点的预览图接到 ControlNet 加载器的姿势条件输入端。如果你需要拿到原始坐标，就要使用带“JSON”输出口的版本，并用一个保存文本节点把内容写到本地。注意 OpenPose 节点内部已经做了图像缩放和长宽比保持，因此你喂给它的图不需要提前裁剪得特别干净，但背景太杂乱会让检测器把家具误认成肢体。
下面是一段在 ComfyUI 后端用 Python 直接调用 OpenPose 模型提取关键点的示例，它和我们拖拽节点时的逻辑是一致的，有助于理解数据流向：
import cv2
from openpose import OpenPoseExtractor
# 初始化提取器，指定模型精度与置信度阈值
extractor = OpenPoseExtractor(model_path='models/body_18.pth', threshold=0.5)
img = cv2.imread('input.jpg')
# 返回关键点列表与骨架连接图
keypoints, skeleton_img = extractor.run(img)
print('提取到的关键点数量:', len(keypoints))
for idx, pt in enumerate(keypoints):
print(f'关键点{idx}: x={pt[0]}, y={pt[1]}, 置信度={pt[2]}')
骨骼关键点数据的含义与坐标解析
OpenPose 默认的十八点模型有一套固定编号规则。零号是鼻子，一号是脖子，二号和三号分别是右肩与左肩，四号五号是右肘左肘，六号七号是右腕左腕，八号九号是右胯左胯，十号十一是右膝左膝，十二号十三是右脚踝左脚踝，十四到十七通常是耳朵和脚尖等附加点。当我们从节点拿到 JSON 时，数组里的顺序就对应这套索引，不能自己凭感觉去调换左右。
坐标值一般以原始输入图的像素为单位，左上角是原点。如果我们在 ComfyUI 里开启了“按比例缩放输出”，那么保存下来的 JSON 里的数字可能是缩放后的尺寸，这时候要还原到原图就得乘回缩放系数。很多人在做姿态迁移时发现人物比例错位，就是因为忽略了这个缩放比，直接把小图坐标套到大图上使用。
除了位置，每个点还带一个置信度分数。分数低于节点内部阈值的点会被置为不可见，在骨架图上表现为断开。我们可以通过调高阈值来过滤抖动，但调太高会让快速运动导致的模糊帧丢点。下面代码展示了如何根据置信度手动过滤不稳定关键点：
# keypoints 为 OpenPose 返回的列表，每个元素是 (x, y, score)
filtered = []
for x, y, score in keypoints:
if score > 0.6:
filtered.append((x, y))
else:
# 低置信度点用 None 占位，保持索引对齐
filtered.append(None)
print('过滤后有效点数:', len([p for p in filtered if p]))
提升提取准确率与性能的实操技巧
姿态检测对输入质量很敏感。在 ComfyUI 里，如果原图超过两千像素宽，OpenPose 节点会自动下采样，但这会带来小关节定位偏差。建议在工作流前面加一个图像缩放节点，把最长边控制在六百到八百之间，既能保住手腕脚踝的精度，又能把单帧推理时间压到两百毫秒内。对于视频批处理，这个设置能直接决定你一天能跑完多少素材。
另一个常见坑是模型类型选错。ComfyUI 里有时同时挂了 body_25 和 body_18 两种权重，body_25 点多但更吃显存，body_18 轻量却对手指不友好。如果你的项目只做大动作迁移，body_18 足够；若要捕捉手部细节，得换支持手部网络的版本，或者后接一个独立的手部关键点节点。下表列出两种模型的差异：
| 模型类型 | 关键点数量 | 显存占用 | 适用场景 |
|---|---|---|---|
| body_18 | 18 | 约 1.1GB | 全身大动作、舞蹈素材 |
| body_25 | 25 | 约 1.8GB | 需耳朵脚尖等细节的绑定 |
最后，OpenPose 节点输出的骨架图是给 ControlNet 看的，而 JSON 是给我们写工具用的。两者可以并存，不要为了省事只留图。把 JSON 存成带帧号的文件序列，后面用 pandas 做平滑处理或者转成 BVH 动作文件都会轻松很多。实践中配合 ComfyUI 的批量执行功能，我们能一次性把整段视频转成结构化骨骼数据，为下游动画软件提供干净的输入。