一、从产线调试说起
上周在工厂部署视觉质检系统，遇到个头疼问题：产线上工人装配动作不规范，传统目标检测只能框出人体，却判断不了手臂是否抬到指定位置。
甲方指着屏幕问：“能不能像手机人脸解锁那样，把关节位置也标出来？”——这句话直接点醒了我们：该上关键点检测了。
YOLOv11本身是目标检测框架，但它的骨干网络和特征融合机制，其实很适合扩展成关键点检测任务。今天我们就聊聊怎么在YOLOv11基础上，加上人体姿态估计和人脸关键点检测这两个实用功能。
二、关键点检测的本质
关键点检测和目标检测核心区别在于输出形式。目标检测输出边界框和类别，关键点检测要输出一组坐标（x,y）及其可见性。
比如人体姿态估计常用COCO的17个关键点（鼻子、左右眼、左右肩等），人脸关键点可能是68点或98点模型。
在YOLO框架里加关键点，本质上是在检测头旁边并联一个关键点头。这个头不预测框，而是预测热图（heatmap）或直接回归坐标。热图法更准但计算量大，直接回归速度快但精度略低。工业部署时得权衡。
三、给YOLOv11加关键点头
假设你已经跑通了YOLOv11的检测代码，下面是在检测头旁加关键点头的示例结构：
classKeypointHead
