So verwendest du Ultralytics YOLO11 zur Posenschätzung

Die Forschung im Bereich Computer Vision, einem Teilgebiet der künstlichen Intelligenz (AI), lässt sich bis in die 1960er-Jahre zurückverfolgen. Bedeutende Durchbrüche im Bereich Deep Learning und darin, wie Maschinen Bilder verstehen, erzielten wir jedoch erst in den 2010er-Jahren. Zu den neuesten Fortschritten in der Computer Vision gehören die hochmodernen Modelle Ultralytics YOLO11. Die YOLO11-Modelle, die erstmals bei der jährlichen Hybridveranstaltung von Ultralytics, der YOLO Vision 2024 (YV24), vorgestellt wurden, unterstützen zahlreiche Computer-Vision-Aufgaben, darunter Posenschätzung.

Mit der Posenschätzung lassen sich Schlüsselpunkte erkennen, um die Position, Haltung oder Bewegung einer Person oder eines Objekts in einem Bild oder Video zu bestimmen. Sie wird häufig in Bereichen wie der Sportanalyse, der Überwachung des Tierverhaltens und der Robotik eingesetzt, damit Maschinen körperliche Handlungen in Echtzeit interpretieren können. Dank ihrer höheren Genauigkeit, Effizienz und Geschwindigkeit im Vergleich zu früheren Modellen der YOLO-Reihe (You Only Look Once) eignet sich YOLO11 hervorragend für Echtzeit-Posenschätzungsaufgaben.

Abb. 1. Beispiel für den Einsatz von Ultralytics YOLO11 zur Posenschätzung.

In diesem Artikel erklären wir, was Posenschätzung ist, besprechen einige ihrer Anwendungsbereiche und zeigen dir, wie du YOLO11 mit dem Ultralytics-Python-Paket zur Posenschätzung verwenden kannst. Außerdem zeigen wir dir, wie du Ultralytics HUB mit wenigen Klicks ausprobieren und Posenschätzung mit YOLO11 testen kannst. Los geht’s!

Was ist Posenschätzung?#

Bevor wir uns ansehen, wie du das neue Ultralytics-YOLO11-Modell zur Posenschätzung verwendest, wollen wir zunächst besser verstehen, was Posenschätzung bedeutet.

Posenschätzung ist eine Computer-Vision-Technik zur Analyse der Haltung einer Person oder eines Objekts in einem Bild oder Video. Deep-Learning-Modelle wie Ultralytics YOLO11 können Schlüsselpunkte eines bestimmten Objekts oder einer Person erkennen, lokalisieren und verfolgen. Bei Objekten können diese Schlüsselpunkte Ecken, Kanten oder markante Oberflächenmerkmale umfassen. Beim Menschen stehen diese Schlüsselpunkte für wichtige Gelenke wie Ellbogen, Knie oder Schulter.

Die Posenschätzung unterscheidet sich von anderen Computer-Vision-Aufgaben wie der Objekterkennung und ist komplexer. Während die Objekterkennung Objekte in einem Bild durch einen Rahmen um sie herum lokalisiert, geht die Posenschätzung weiter und sagt die genauen Positionen der Schlüsselpunkte auf dem Objekt voraus.

Abb. 2. Mit Ultralytics YOLO11 die Posen von Personen in einem Büro erkennen und schätzen.

Bei der Posenschätzung gibt es zwei grundlegende Vorgehensweisen: Bottom-up und Top-down. Beim Bottom-up-Ansatz werden einzelne Schlüsselpunkte erkannt und zu Skeletten zusammengefasst. Der Top-down-Ansatz konzentriert sich hingegen zunächst auf die Objekterkennung und schätzt anschließend die Schlüsselpunkte innerhalb der erkannten Objekte.

Ultralytics YOLO11 verbindet die Stärken von Top-down- und Bottom-up-Methoden. Wie beim Bottom-up-Ansatz bleibt das Verfahren einfach und schnell, ohne dass Schlüsselpunkte manuell gruppiert werden müssen. Gleichzeitig nutzt es die Genauigkeit der Top-down-Methode, indem es Personen erkennt und ihre Posen schätzt – und das in einem einzigen Schritt.

Anwendungsfälle für die Posenschätzung mit Ultralytics YOLO11#

Die vielseitigen Möglichkeiten von Ultralytics YOLO11 bei der Posenschätzung eröffnen zahlreiche Anwendungsbereiche in vielen Branchen. Sehen wir uns einige Anwendungsfälle für die Posenschätzung mit YOLO11 genauer an.

Echtzeit-Posenschätzung mit Ultralytics YOLO11: mehr Sicherheit für Beschäftigte#

Sicherheit ist bei jedem Bauprojekt ein wichtiger Aspekt. Das gilt besonders, da auf Baustellen statistisch gesehen mehr Arbeitsunfälle passieren. 2021 ereigneten sich etwa 20 % aller tödlichen Arbeitsunfälle auf oder in der Nähe von Baustellen. Angesichts täglicher Gefahren durch schwere Maschinen und elektrische Anlagen sind wirksame Sicherheitsmaßnahmen unerlässlich, um Beschäftigte zu schützen. Herkömmliche Methoden wie Warnschilder, Absperrungen und die manuelle Überwachung durch Vorgesetzte sind nicht immer effektiv und halten Vorgesetzte oft von wichtigeren Aufgaben ab.

KI kann die Sicherheit verbessern. Mithilfe eines auf Posenschätzung basierenden Systems zur Überwachung von Beschäftigten lässt sich das Unfallrisiko senken. Ultralytics-YOLO11-Modelle können die Bewegungen und Körperhaltungen von Beschäftigten verfolgen. Mögliche Gefahren – etwa wenn Beschäftigte zu nah an gefährlichen Maschinen stehen oder Aufgaben falsch ausführen – lassen sich schnell erkennen. Wird ein Risiko festgestellt, können die Vorgesetzten benachrichtigt oder die Beschäftigten durch einen Alarm gewarnt werden. Ein kontinuierliches Überwachungssystem kann Baustellen sicherer machen, indem es Gefahren stets im Blick behält und Beschäftigte schützt.

Abb. 3. Beispiel für Posenschätzung auf einer Baustelle mit Ultralytics YOLO11.

Posenschätzung mit Ultralytics YOLO11 zur Überwachung von Nutztieren#

Landwirte und Forschende können Ultralytics YOLO11 nutzen, um die Bewegungen und das Verhalten von Nutztieren wie Rindern zu untersuchen und frühe Anzeichen von Krankheiten wie Lahmheit zu erkennen. Bei Lahmheit hat ein Tier aufgrund von Schmerzen in den Beinen oder Füßen Schwierigkeiten, sich normal zu bewegen. Krankheiten wie Lahmheit beeinträchtigen bei Rindern nicht nur Gesundheit und Wohlbefinden, sondern verursachen auch Probleme bei der Milcherzeugung. Studien zeigen, dass Lahmheit weltweit zwischen 8 % der Rinder in Weidehaltung und 15 % bis 30 % der Rinder in Stallhaltung betrifft. Werden Anzeichen von Lahmheit frühzeitig erkannt und behandelt, kann das das Wohlbefinden der Tiere verbessern und die damit verbundenen Produktionsverluste verringern.

Die Posenschätzungsfunktionen von Ultralytics YOLO11 können Landwirten dabei helfen, den Gang der Tiere zu verfolgen und Auffälligkeiten schnell zu erkennen, die auf gesundheitliche Probleme wie Gelenkbeschwerden oder Infektionen hindeuten können. Werden solche Probleme früh erkannt, ist eine schnellere Behandlung möglich. Das lindert die Beschwerden der Tiere und hilft Landwirten, wirtschaftliche Verluste zu vermeiden.

Überwachungssysteme auf Basis von Vision-KI können auch dabei helfen, das Ruheverhalten, soziale Interaktionen und Fressmuster zu analysieren. Mit Posenschätzung können Landwirte außerdem Anzeichen von Stress oder Aggression beobachten. Diese Erkenntnisse können dazu beitragen, bessere Lebensbedingungen für die Tiere zu schaffen und ihr Wohlbefinden zu steigern.

Abb. 4. Visualisierung der Posenschätzung bei einer Kuh.

Anwendungsfälle für Ultralytics YOLO11 im Fitnessbereich#

Posenschätzung kann Menschen auch dabei helfen, beim Training in Echtzeit ihre Körperhaltung zu verbessern. Mit Ultralytics YOLO11 können Fitness- und Yogalehrkräfte die Körperbewegungen verfolgen und dabei wichtige Punkte wie Gelenke und Gliedmaßen berücksichtigen, um die Haltung von Trainierenden zu beurteilen. Die gesammelten Daten lassen sich mit idealen Posen und Trainingstechniken vergleichen. Lehrkräfte können eine Warnung erhalten, wenn jemand eine Bewegung falsch ausführt, und so Verletzungen vorbeugen.

Abb. 5. Analyse eines Trainings mithilfe von Posenschätzung.

Während eines Yogakurses kann die Posenschätzung beispielsweise überwachen, ob alle Teilnehmenden das Gleichgewicht halten und die richtige Körperausrichtung einnehmen. Mobile Anwendungen, die Computer Vision und Posenschätzung nutzen, können Fitness zugänglicher machen – für Menschen, die zu Hause trainieren, oder für alle, die keinen Zugang zu Personal Trainern haben. Dieses kontinuierliche Echtzeit-Feedback hilft Nutzern, ihre Technik zu verbessern, ihre Fitnessziele zu erreichen und zugleich das Verletzungsrisiko zu senken.

Echtzeit-Posenschätzung mit dem Ultralytics-YOLO11-Modell ausprobieren#

Nachdem wir uns angesehen haben, was Posenschätzung ist und welche Anwendungsbereiche es gibt, wollen wir nun ausprobieren, wie du mit dem neuen YOLO11-Modell Posenschätzung nutzen kannst. Dafür gibt es zwei praktische Möglichkeiten: das Ultralytics-Python-Paket oder Ultralytics HUB. Sehen wir uns beide Optionen an.

Inferenz mit Ultralytics YOLO11 ausführen#

Bei einer Inferenz verarbeitet das YOLO11-Modell neue Daten außerhalb der Trainingsdaten und nutzt die erlernten Muster, um Vorhersagen zu diesen Daten zu treffen. Mit dem Ultralytics-Python-Paket kannst du Inferenzläufe über Code ausführen. Für den Einstieg musst du lediglich das Ultralytics-Paket mit pip, conda oder Docker installieren. Solltest du bei der Installation auf Probleme stoßen, findest du hilfreiche Tipps zur Fehlerbehebung in unserem Leitfaden zu häufigen Problemen.

Nach erfolgreicher Installation des Pakets zeigt dir der folgende Code, wie du ein Modell lädst und damit Posen von Objekten in einem Bild vorhersagst.

Abb. 6. Codeausschnitt zur Ausführung von Inferenzläufen mit Ultralytics YOLO11.

Ein eigenes Ultralytics YOLO11-Modell trainieren#

Angenommen, du arbeitest an einem Projekt im Bereich Computer Vision und hast einen bestimmten Datensatz für eine konkrete Anwendung im Bereich der Posenschätzung. Dann kannst du ein Modell feinabstimmen und trainieren, das zu deiner Anwendung passt – ein benutzerdefiniertes YOLO11-Modell. Beispielsweise kannst du einen Datensatz mit Schlüsselpunkten verwenden, um die Körperhaltung eines Tigers in Bildern zu analysieren und zu verstehen, indem du wichtige Merkmale wie die Position seiner Gliedmaßen, seines Kopfes und seines Schwanzes identifizierst.

Mit dem folgenden Codeausschnitt kannst du ein Ultralytics-YOLO11-Modell zur Posenschätzung laden und trainieren. Du kannst das Modell aus einer YAML-Konfiguration erstellen oder ein vortrainiertes Modell zum Training laden. Mit diesem Skript kannst du auch Gewichte übertragen und das Modell anhand eines angegebenen Datensatzes trainieren, zum Beispiel anhand des COCO-Datensatzes zur Posenschätzung.

Abb. 7. Benutzerdefiniertes Training mit Ultralytics YOLO11.

Mit dem neu trainierten benutzerdefinierten Modell kannst du Inferenzläufe mit bisher ungesehenen Bildern ausführen, die zu deiner Computer-Vision-Lösung gehören. Das trainierte Modell kannst du außerdem mit dem Exportmodus in andere Formate umwandeln.

YOLO11 auf Ultralytics HUB ausprobieren#

Bisher haben wir uns Methoden zur Verwendung von YOLO11 angesehen, für die grundlegende Programmierkenntnisse erforderlich sind. Falls das nicht deinen Vorstellungen entspricht oder du nicht programmieren kannst, gibt es noch eine andere Möglichkeit: Ultralytics HUB. Ultralytics HUB ist eine benutzerfreundliche Plattform, die das Training und die Bereitstellung von YOLO-Modellen vereinfacht. Mit HUB kannst du Datensätze ganz einfach verwalten, Modelle trainieren und bereitstellen – ganz ohne technische Vorkenntnisse.

Um Inferenzläufe mit Bildern auszuführen, kannst du ein Konto erstellen, zum Bereich „Modelle“ wechseln und das Ultralytics-YOLO11-Modell zur Posenschätzung auswählen, das dich interessiert. Im Vorschaubereich kannst du ein Bild hochladen und die Ergebnisse der Vorhersage wie unten gezeigt ansehen.

Abb. 8. Posenschätzung mit YOLO11 auf Ultralytics HUB.

Fortschritte von Ultralytics YOLO11 bei der Erkennung menschlicher Posen#

Ultralytics YOLO11 bietet präzise und flexible Lösungen für Aufgaben wie Posenschätzung in vielen Anwendungsbereichen. YOLO11 nutzt fortschrittliche Computer-Vision-Technologie, um die Sicherheit von Beschäftigten auf Baustellen zu verbessern, die Gesundheit von Nutztieren zu überwachen und bei der Haltungskorrektur während des Fitnesstrainings zu helfen – mit präzisen Ergebnissen und Feedback in Echtzeit.

Dank seiner Vielseitigkeit, der verschiedenen Modellvarianten und der Möglichkeit, Modelle für bestimmte Anwendungsfälle gezielt zu trainieren, ist YOLO11 ein wertvolles Werkzeug für Entwickler und Unternehmen. Ob du das Ultralytics-Python-Paket zum Programmieren oder Ultralytics HUB für eine einfachere Umsetzung verwendest – mit YOLO11 wird Posenschätzung zugänglich und wirkungsvoll.

Weitere Informationen findest du in unserem GitHub-Repository und kannst dich mit unserer Community austauschen. Entdecke auf unseren Lösungsseiten KI-Anwendungen in der Fertigung und der Landwirtschaft. 🚀