Des progrès significatifs ont été réalisés en estimation de posture et un intérêt croissant se porte sur le suivi de posture ces dernières années. Parallèlement, la complexité globale des algorithmes et des systèmes s'est également accrue, rendant l'analyse et la comparaison des algorithmes plus difficiles. Cette étude propose des méthodes de base simples et efficaces. Ces méthodes sont utiles pour inspirer et évaluer de nouvelles idées dans ce domaine. Des résultats d'avant-garde ont été obtenus sur des benchmarks difficiles. Le code sera disponible à l'adresse suivante : https://github.com/leoxiaobin/pose.pytorch.