實際拿到資料之後，電腦並不會直接告訴我們：
「你的右肩太高了」
「你的身體往左邊歪了」
它給我們的，其實是一組一組的座標資料。
最基本的就是 x 與 y。

當這些關鍵點的位置被轉換成數值之後，我們就可以開始比較不同部位之間的關係。
例如要觀察一個人的肩膀有沒有明顯歪斜，就可以比較：
左肩的 y 值與右肩的 y 值
如果兩邊差異很大，就可能代表肩膀出現明顯的高低差。
同樣的概念也可以套用在骨盆。
透過比較左右髖部的位置，就可以觀察骨盆是否有明顯傾斜。
如果要判斷身體有沒有往旁邊偏移，也可以比較肩膀、髖部與其他關鍵點在 x 方向上的變化。

所以前幾天提到的：
「身體有沒有側傾？」
「左右肩膀是不是不對稱？」
「骨盆有沒有明顯偏掉？」
背後其實都是從這些看起來很普通的座標開始。

不過這裡也遇到一個問題。
如果直接使用影像中的像素位置，例如一個人的肩膀在第 500 個像素，這個數字會受到攝影機解析度影響。
因此，姿態估測通常會將位置轉換成相對於畫面的座標。
這樣即使今天換了一台解析度不同的攝影機，座標仍然比較容易使用。

但座標本身還是不能直接代表一個動作正不正確。
我們真正需要的是進一步把這些資料轉換成：
距離、角度、左右差異，以及動作過程中的變化。