Was ist OpenPose? Ein Meilenstein der Posenschätzung

Bilder und Kameras sind heutzutage überall – in unseren Handys und Wohnungen und sogar in öffentlichen Räumen. Wir nutzen sie nicht nur, um Momente festzuhalten, sondern auch, um die Welt um uns herum zu verstehen und mit ihr zu interagieren.

Im Hintergrund macht Computer Vision, ein Teilgebiet der künstlichen Intelligenz (AI), dies möglich, indem es Maschinen dazu befähigt, visuelle Daten zu interpretieren. So können Systeme Objekte erkennen, Gesichter identifizieren und Bewegungen verfolgen. Damit spielt Computer Vision eine wichtige Rolle bei vielen Technologien, die wir täglich nutzen.

Dank jüngster Fortschritte im Bereich KI können Computer-Vision-Modelle heute komplexere Daten und Erkenntnisse analysieren und gewinnen. Ein Beispiel dafür ist die Posenschätzung, eine Computer-Vision-Aufgabe, bei der menschliche Bewegungen erfasst werden.

Dabei werden in Bildern oder Videos wichtige Körperpunkte wie Schultern, Ellbogen und Knie identifiziert. So lässt sich analysieren, wie sich Menschen bewegen, was Anwendungen in den Bereichen Fitnessüberwachung, Animation, Gesundheitswesen und vielen anderen ermöglicht.

Unter den vielen für die Posenschätzung entwickelten Werkzeugen ist OpenPose ein bedeutender Durchbruch. Forschende des Perceptual Computing Lab an der Carnegie Mellon University entwickelten das System. Es gehörte zu den ersten Open-Source-Systemen, die mithilfe einer einzigen Kamera in Echtzeit Ganzkörperposen mehrerer Personen erkennen konnten, einschließlich Händen, Füßen und Gesichtsschlüsselpunkten (bis zu 135 Schlüsselpunkte pro Person).

In diesem Artikel sehen wir uns OpenPose, seine Funktionsweise und seine Bedeutung als Meilenstein in der Computer Vision an.

Abb. 1. Posenschätzung mehrerer Personen mit OpenPose.

Ein Blick auf die Geschichte der Posenschätzung#

Bevor KI breite Anwendung fand, erforderte die Verfolgung menschlicher Bewegungen in Videos spezielle Ausrüstung. In Branchen wie Film und Animation trugen Schauspieler häufig Anzüge mit reflektierenden Markierungen, damit Kameras ihre Bewegungen in einer kontrollierten Studioumgebung erfassen konnten.

Diese markerbasierten Bewegungserfassungstechniken waren zwar präzise, aber auch teuer und auf bestimmte Aufbauten beschränkt. Mit den Fortschritten in der Computer Vision suchten Forschende nach Möglichkeiten, Körperbewegungen ohne Markierungen zu verfolgen. Dazu nutzten sie Kanten, Konturen und Vorlagen, um menschliche Formen in Bildern zu finden.

Diese frühen Systeme funktionierten in einfachen, übersichtlichen Fällen, hatten aber Schwierigkeiten mit Szenarien aus der realen Welt. Sie lieferten häufig schlechte Ergebnisse, wenn sich Menschen unerwartet bewegten oder mehr als eine Person im Bild zu sehen war.

Ende der 2010er-Jahre führte Deep Learning zu einem grundlegenden Wandel bei der Posenschätzung. Vision-KI-Modelle konnten anhand umfangreicher Datensätze mit menschlichen Posen trainiert werden. Anstatt sich auf Kanten und Vorlagen zu stützen, lernten die Modelle durch die Analyse Tausender annotierter Bilder, Gelenke und Körperstrukturen zu erkennen. Dadurch wurde die Posenschätzung präziser und flexibler und ließ sich in vielen weiteren Anwendungsbereichen einsetzen.

Abb. 2. Die Entwicklung der Modelle zur menschlichen Posenschätzung von 2017 bis 2023.

OpenPose: Der Durchbruch der modernen Posenschätzung#

OpenPose wurde erstmals 2017 veröffentlicht und kann die Posen mehrerer Personen gleichzeitig in einem einzigen Bild schätzen. Anders als ältere Systeme benötigt OpenPose weder spezielle Anzüge noch Markierungen. Das System funktioniert mit Standardkameras und kann Bilder und Videos in Echtzeit verarbeiten. Dadurch wurde die Posenschätzung für Entwickler und Forschende leichter zugänglich.

Die Grundlage, die OpenPose für Computer Vision geschaffen hat, half anderen dabei, neuere Architekturen für verschiedene weitere Anwendungen zu entwickeln. Heute liefern Vision-KI-Modelle wie Ultralytics YOLOv8 und Ultralytics YOLO11 und seit Kurzem auch Ultralytics YOLO26, die Pose-Estimation-Aufgaben unterstützen, schnellere Ergebnisse bei geringerer Latenz.

Abb. 3. Posenschätzung mit YOLO11.

Wenn du wissen möchtest, wie sich die Posenschätzung entwickelt hat, ist OpenPose ein guter Ausgangspunkt. Das System führte wichtige Konzepte ein, auf die sich viele neuere Systeme noch heute stützen.

Die wichtigsten Funktionen von OpenPose#

Nachdem wir nun besser verstehen, warum OpenPose wichtig ist, sehen wir uns genauer an, was das System tatsächlich leisten kann.

Im Zentrum der Funktionen von OpenPose steht die sogenannte Schlüsselpunkterkennung. Schlüsselpunkte sind bestimmte Orientierungspunkte am menschlichen Körper, etwa Nasenspitze, Schultermittelpunkt, Ellbogen, Handgelenke, Hüften, Knie und Knöchel. OpenPose kann bis zu 135 solcher Punkte pro Person erkennen, darunter detaillierte Bereiche wie Finger und Gesichtszüge.

Verbindet man diese Punkte, entsteht eine vereinfachte Darstellung des menschlichen Körpers – stell dir darunter ein digitales Skelett vor. Diese Skelettdarstellung zeigt nicht nur, wo sich eine Person befindet, sondern auch ihre Körperhaltung: ob sie sitzt, steht, winkt, lächelt oder geht. Computer können menschliche Bewegungen anhand dieser Skelette visuell interpretieren – ähnlich wie wir intuitiv die Körpersprache anderer verstehen.

Die Skelettverfolgung ist besonders nützlich, weil sie Hintergrundrauschen und Ablenkungen ausblendet und das System so ausschließlich auf die Körperhaltung und Bewegung konzentriert. Anstatt jedes Pixel zu analysieren, wertet OpenPose aussagekräftige Punkte aus, die zeigen, wie sich eine Person bewegt oder mit ihrer Umgebung interagiert.

Indem OpenPose diese strukturierten Informationen aus alltäglichen Bildern oder Videos gewinnt, ermöglicht es die Entwicklung von Anwendungen, die auf Gesten reagieren, körperliche Aktivitäten überwachen, emotionale Signale beurteilen oder sogar digitale Figuren animieren.

Wie funktioniert OpenPose?#

Hier ist ein Überblick darüber, wie OpenPose Schlüsselpunkte des menschlichen Körpers anhand visueller Eingaben erkennt und miteinander verbindet:

• Beginnt mit einem Bild: OpenPose verarbeitet ein einzelnes Bild aus einem Foto, Video oder einem Live-Feed einer Kamera.
• Erkennt wichtige Körperteile: Das System sucht nach wichtigen Punkten am Körper, etwa Nase, Ellbogen, Handgelenken, Knien und Knöcheln. Diese werden überall dort markiert, wo das System einen Körperteil vermutet.
• Ordnet die Körperteile einander zu: Als Nächstes prüft OpenPose, wie die Schlüsselpunkte miteinander verbunden sind. Mithilfe mathematischer Berechnungen ermittelt das System, welche Gelenke zu derselben Person gehören – zum Beispiel, welches Handgelenk zu welchem Ellbogen und welcher Schulter gehört.
• Zeichnet für jede Person ein Skelett: Nachdem die Schlüsselpunkte gruppiert wurden, verbindet OpenPose sie zu einer Strichfigur, die die Pose der jeweiligen Person zeigt. Das funktioniert auch dann, wenn mehrere Personen im selben Bild zu sehen sind.
• Gibt die Posendaten aus: Abschließend liefert das System die genauen Positionen aller erkannten Schlüsselpunkte. Diese Daten lassen sich in Echtzeit zur Bewegungsverfolgung, Gestenerkennung oder Entwicklung interaktiver Werkzeuge verwenden.

Abb. 4. Erkennung und Verfolgung menschlicher Schlüsselpunkte mit OpenPose.

Anwendungen der Posenschätzung mit OpenPose in verschiedenen Branchen#

OpenPose gehörte zu den ersten fortschrittlichen Werkzeugen, die Posenschätzung für zahlreiche Anwendungsfälle in der realen Welt praxistauglich machten. Obwohl das System heute nur selten in Echtzeit-Computer-Vision-Lösungen zum Einsatz kommt, spielte es eine wichtige Rolle bei den frühen Arbeiten in Bereichen wie Sport, Unterhaltung, Bildung und Sicherheit.

Werfen wir einen genaueren Blick darauf, wie das System in diesen Bereichen den Weg geebnet hat.

Posenschätzung mit OpenPose für Fitness und Sport#

Wenn du Baseball schaust, verstehst du leicht, was gerade passiert – du erkennst sofort einen Wurf, einen Schlag oder einen gestohlenen Base. Als Menschen erfassen wir Körperbewegungen intuitiv und verstehen sie ohne großen Aufwand. Für Maschinen ist es jedoch viel komplexer, solche Aktionen zu erkennen. Sie benötigen präzise Informationen darüber, wie sich jeder Körperteil durch den Raum bewegt.

OpenPose war ein bedeutender Fortschritt in diesem Bereich der Computer Vision. Das System war ein praktisches Werkzeug, um die sportliche Technik in verschiedenen Situationen zu analysieren.

Viele Forschungsprojekte nutzten OpenPose, um Bewegungen wie Schläge und Sprünge zu analysieren und bestimmte Baseballaktionen anhand der Bewegungen der Spieler zu klassifizieren. Da das System in offenen Umgebungen mit gewöhnlichen Videos funktionierte, konnten Forschende testen, wie solche Systeme in realen Trainings- oder Coaching-Situationen eingesetzt werden könnten.

Diese frühen Studien trugen dazu bei, die Grundlage für die Tools zur Leistungsverfolgung zu schaffen, die heute in der fortschrittlichen Sporttechnologie eingesetzt werden.

Abb. 5. Ein Blick auf eine Pipeline zur Klassifizierung von Baseballaktionen mit OpenPose.

OpenPose in Sicherheits- und Schutzsystemen einsetzen#

Ähnlich nutzten Forschende OpenPose, um zu untersuchen, wie videobasiertes Tracking von Posen die Sicherheitsüberwachung unterstützen könnte. OpenPose wurde zum Erkennen von Verhaltensweisen wie Stürzen, unerwarteten Gesten oder Bewegungsmustern in öffentlichen Bereichen getestet.

Da OpenPose mit herkömmlichen Kameras funktionierte, erleichterte es frühe Experimente in Umgebungen wie Krankenhäusern und Verkehrsknotenpunkten. Diese Studien trugen zur Entwicklung neuerer Modelle bei, die heute in Überwachungs-, Sturzerkennungs- und Notfallreaktionssystemen eingesetzt werden.

Abb. 6. Sturzerkennung mit OpenPose.

Vor- und Nachteile von OpenPose#

Hier sind einige der Vorteile von OpenPose:

• Nützlich für Forschung und Prototyping: OpenPose wurde in der akademischen Forschung vielfach eingesetzt, insbesondere in Bereichen wie Mensch-Computer-Interaktion, Biomechanik und Verhaltensanalyse.
• Plattformübergreifende Unterstützung: OpenPose kann unter Windows, Linux und macOS ausgeführt werden und unterstützt sowohl Zentralprozessoren (CPUs) als auch Grafikprozessoren (GPUs).
• Offline-Verarbeitung: OpenPose kann in Umgebungen ohne Internetzugang ausgeführt werden und eignet sich daher ideal für datenschutzsensible Bereiche wie das Gesundheitswesen oder das Bildungswesen.

OpenPose war zwar ein bedeutender Fortschritt, weist aber auch technische Einschränkungen auf, die du berücksichtigen solltest. Hier sind einige der wichtigsten Herausforderungen im Zusammenhang mit OpenPose:

• Hoher Rechenbedarf: Um OpenPose in Echtzeit auszuführen, sind eine leistungsstarke GPU und beträchtliche Rechenressourcen erforderlich.
• Empfindlich gegenüber Umgebungsbedingungen: Bei wenig Licht, in überfüllten Räumen oder bei ungünstigen Kamerawinkeln kann die Leistung abnehmen.
• Rechenintensiver als neuere Modelle: Im Vergleich zu neueren Modellen zur Posenschätzung ist OpenPose relativ groß und langsamer. Für den Einsatz auf Geräten mit begrenzten Ressourcen wie Smartphones, Tablets oder eingebetteten Systemen ist OpenPose weniger geeignet.

Die wichtigsten Erkenntnisse#

OpenPose spielte eine wichtige Rolle dabei, die Posenschätzung zugänglicher zu machen. Das Modell zeigte, dass sich Körperbewegungen mit einer einfachen Kamera erfassen lassen, ohne auf Anzüge oder Spezialausrüstung angewiesen zu sein.

Das Modell legte den Grundstein für viele praktische Anwendungen in den Bereichen Gesundheit, Bildung, Unterhaltung und Forschung. Neuere Modelle bieten inzwischen zwar höhere Geschwindigkeiten und benötigen weniger Ressourcen, doch OpenPose bleibt ein wichtiger Bezugspunkt, um die Entwicklung der Pose Estimation nachzuvollziehen.

Tritt unserer Community bei und besuche unser GitHub-Repository, um mehr über KI zu erfahren. Wenn du eigene Computer-Vision-Lösungen entwickeln möchtest, informiere dich über unsere Lizenzoptionen. Sieh dir außerdem an, wie Computer Vision im Gesundheitswesen und KI in der Logistik Wirkung zeigen!