Was ist Posenschätzung und wo kann sie eingesetzt werden?

Wenn du jemanden siehst, der zusammengesunken dasteht oder aufrecht mit zurückgezogenen Schultern steht, erkennst du sofort, ob die Haltung unsicher oder selbstbewusst wirkt. Niemand muss dir das erklären. Denn im Laufe der Zeit haben wir ganz natürlich gelernt, Körpersprache zu deuten.

Durch Erfahrung und Beobachtung haben unsere Gehirne gelernt, die Körperhaltung verschiedenster Objekte, einschließlich Menschen, sehr gut zu erkennen. Dank der jüngsten Fortschritte in der künstlichen Intelligenz (KI) und der Computer Vision, einem Bereich, der es Maschinen ermöglicht, visuelle Informationen aus der Welt zu interpretieren, beginnen Maschinen nun ebenfalls, diese Fähigkeit zu erlernen und nachzubilden.

Pose estimation ist eine Computer-Vision-Aufgabe, bei der Maschinen anhand von Bildern oder Videos die Position und Ausrichtung einer Person oder eines Objekts bestimmen. Dazu identifiziert sie wichtige Körperpunkte wie Gelenke und Gliedmaßen, um zu verstehen, wie sich jemand oder etwas bewegt.

Diese Technologie wird in vielen Bereichen eingesetzt, etwa im Fitnessbereich, im Gesundheitswesen und in der Animation. Am Arbeitsplatz kann sie beispielsweise genutzt werden, um die Körperhaltung von Beschäftigten zu überwachen und Maßnahmen für Sicherheit und Wohlbefinden zu unterstützen. Computer-Vision-Modelle wie Ultralytics YOLO11 ermöglichen dies, indem sie menschliche Posen in Echtzeit schätzen.

Abb. 1. Ein Beispiel für die Überwachung der Körperhaltung von Beschäftigten mit Ultralytics YOLO11.

In diesem Artikel sehen wir uns Pose Estimation und ihre Funktionsweise genauer an sowie praktische Anwendungsfälle, bei denen sie einen Unterschied macht.

Die Entwicklung von Pose Estimation#

Die Forschung zu Pose Estimation begann Ende der 1960er- und in den 1970er-Jahren. Im Laufe der Jahre haben sich die Ansätze für diese Computer-Vision-Aufgabe von einfacher Mathematik und Geometrie hin zu fortschrittlicheren, durch künstliche Intelligenz gestützten Methoden entwickelt.

Anfangs waren die Verfahren auf feste Kamerawinkel und bekannte Referenzpunkte angewiesen. Später kamen 3D-Modelle und der Merkmalsabgleich hinzu. Heute können Deep-Learning-Modelle wie Ultralytics YOLO11 und sein Nachfolger Ultralytics YOLO26 Körperpositionen in Bildern oder Videos in Echtzeit erkennen. Dadurch ist Pose Estimation schneller und genauer als je zuvor.

Mit dem technologischen Fortschritt erkannten Forschende, welches Potenzial darin liegt, Posen verschiedener Objekte, insbesondere von Menschen und Tieren, zu überwachen und nachzuverfolgen. Pose Estimation ist besonders wichtig, weil sie KI-Werkzeugen ermöglicht, Körperhaltung und Bewegung auf eine Weise zu verstehen und zu messen, die zuvor nicht möglich war.

So können Computer Gesten für eine freihändige Bedienung erkennen, die Bewegungen von Sportlerinnen und Sportlern zur Leistungssteigerung analysieren, realistische Animationen in Videospielen erzeugen und sogar das Gesundheitswesen unterstützen, indem sie den Genesungsfortschritt von Patientinnen und Patienten verfolgen.

Wie unterscheidet sich Pose Estimation von anderen Computer-Vision-Aufgaben?#

Pose Estimation unterscheidet sich von anderen Computer-Vision-Aufgaben wie der Objekterkennung und der Instanzsegmentierung. Diese Aufgaben konzentrieren sich hauptsächlich darauf, Objekte in einem Bild zu identifizieren und zu lokalisieren.

Die Objekterkennung zeichnet beispielsweise Begrenzungsrahmen um Personen, Fahrzeuge oder Tiere, um deren Vorhandensein und Position anzuzeigen. Die Instanzsegmentierung geht einen Schritt weiter und zeichnet die genaue Form jedes Objekts auf Pixelebene nach.

Beide Methoden befassen sich jedoch hauptsächlich damit, was ein Objekt ist und wo es sich befindet – sie liefern keine Informationen darüber, wie das Objekt ausgerichtet ist oder was es gerade tut. Hier wird Pose Estimation entscheidend.

Indem Pose Estimation wichtige Körperpunkte wie Ellbogen, Knie oder sogar einen Schwanz identifiziert, kann sie Körperhaltung und Bewegung interpretieren. So lassen sich Handlungen, Gesten und Körperdynamik besser verstehen, einschließlich Bewegungen im 3D-Raum.

Die Funktionsweise von Pose Estimation verstehen#

Pose-Estimation-Modelle verwenden im Allgemeinen zwei Hauptansätze: Bottom-up und Top-down. Beim Bottom-up-Ansatz erkennt das Modell zuerst einzelne wichtige Punkte wie Ellbogen, Knie oder Schultern und gruppiert sie anschließend, um herauszufinden, zu welcher Person oder welchem Objekt sie gehören. Beim Top-down-Ansatz werden dagegen zuerst die einzelnen Objekte erkannt, beispielsweise eine Person im Bild, und dann die wichtigen Punkte für dieses Objekt lokalisiert.

Abb. 2. Bottom-up- und Top-down-Verfahren für Pose Estimation.

Einige neuere Modelle wie Ultralytics YOLO11 verbinden die Vorteile beider Ansätze. YOLO11 behält die Effizienz des Bottom-up-Verfahrens bei, indem es den manuellen Gruppierungsschritt überspringt. Gleichzeitig nutzt es die Präzision von Top-down-Systemen, indem es Personen erkennt und ihre Posen gleichzeitig in einem einzigen, optimierten Ablauf schätzt.

Ultralytics YOLO11 für Pose Estimation individuell trainieren#

Während wir die Funktionsweise von Pose-Estimation-Modellen erläutern, fragst du dich vielleicht, wie diese Modelle tatsächlich lernen, die Pose verschiedener Objekte zu schätzen. Hier kommt das individuelle Training ins Spiel.

Individuelles Training bedeutet, einem Modell anhand deiner eigenen Daten beizubringen, bestimmte wichtige Punkte zu erkennen. Da das Erstellen eines Modells von Grund auf viele annotierte Bilder und viel Zeit erfordert, entscheiden sich viele für Transfer Learning. Dabei wird ein Modell verwendet, das bereits mit einem großen Datensatz trainiert wurde, etwa das Ultralytics-YOLO11-Pose-Estimation-Modell, das mit dem COCO-Pose-Datensatz vortrainiert wurde. Anschließend wird das Modell mit deinen eigenen Daten für eine bestimmte Aufgabe oder Anwendung weiter trainiert.

Nehmen wir an, du arbeitest mit Yoga-Posen: Du kannst Ultralytics YOLO11 feinabstimmen, indem du Bilder verwendest, auf denen jede Pose mit für diese Aktivität spezifischen Schlüsselpunkten markiert ist. Dafür benötigst du einen eigenen Pose-Datensatz aus annotierten Bildern, aus denen das Modell lernen kann.

Während des Trainings kannst du Einstellungen wie die Batch-Größe (die Anzahl der gleichzeitig verarbeiteten Bilder), die Lernrate (wie schnell das Modell seine Parameter aktualisiert) und die Epochen (wie oft das Modell den Datensatz durchläuft) anpassen, um die Genauigkeit zu verbessern. So lassen sich Pose-Estimation-Modelle viel einfacher an deine spezifischen Anforderungen anpassen.

Anwendungsbereiche von Pose Estimation in der Praxis#

Nachdem wir nun besprochen haben, was Pose Estimation ist und wie sie funktioniert, sehen wir uns einige ihrer Anwendungsbereiche in der Praxis genauer an.

Pose Estimation in der Physiotherapie#

Pose Estimation entwickelt sich zunehmend zu einem zuverlässigen Werkzeug im Gesundheitswesen, insbesondere in der Physiotherapie. Mithilfe von KI und Computer Vision können diese Systeme Körperhaltung und Bewegungen in Echtzeit verfolgen und Feedback geben – ähnlich wie eine Physiotherapeutin oder ein Physiotherapeut.

So kann eine Person, die sich von einer Knieoperation erholt, mit einem Pose-Estimation-System überprüfen, ob sie ihre Reha-Übungen richtig ausführt. Das System kann falsche Bewegungen erkennen und Verbesserungsvorschläge machen. So hilft es der Person, den Reha-Plan einzuhalten und Verletzungen zu vermeiden.

Abb. 3. Ein Beispiel für den Einsatz von Ultralytics YOLO11 in der Physiotherapie.

Neben der Rehabilitation findet Pose Estimation auch in Fitness-Apps zunehmend Anwendung. Wer beispielsweise zu Hause trainiert, kann mit einer App die eigene Haltung während der Übungen überprüfen. Die App kann in Echtzeit Rückmeldung geben, etwa dazu, den Winkel bei einer Kniebeuge anzupassen oder beim Kreuzheben den Rücken gerade zu halten. So können Nutzerinnen und Nutzer ihre Haltung verbessern und Verletzungen vermeiden, ohne eine Trainerin oder einen Trainer zu benötigen.

Motion Capture für die Unterhaltungsbranche dank Pose Estimation#

Pose Estimation hat Motion Capture in der Unterhaltungsbranche verändert und es einfacher und zugänglicher gemacht. Früher mussten für Motion Capture Markierungen am Körper einer Person angebracht und mit speziellen Kameras verfolgt werden – ein kompliziertes und kostspieliges Verfahren.

Dank der Fortschritte in KI und Computer Vision können wir jetzt herkömmliche Kameras und Algorithmen verwenden, um Körperbewegungen ohne Marker zu verfolgen. So wird der Prozess effizienter und genauer – auch in Echtzeit.

Ein großartiges Beispiel dafür ist Disney's AR-Poser (Erweiterte Realität). Mit diesem unterhaltsamen Tool kannst du ein Foto mit deinem Smartphone aufnehmen und eine digitale Figur deine Pose in erweiterter Realität nachahmen lassen. Dazu wird deine Pose im Bild analysiert und einer 3D-Figur zugeordnet, wodurch ein unterhaltsames, personalisiertes AR-Selfie entsteht.

Abb. 4. Eine AR-Figur ahmt mithilfe von Pose Estimation die Pose einer Person nach.

Forschung zu Sozialverhalten mithilfe von Pose Estimation bei Tieren#

Die Erforschung des Tierverhaltens hilft Wissenschaftlerinnen und Wissenschaftlern zu verstehen, wie Tiere kommunizieren, Partner finden, ihren Nachwuchs versorgen und in Gruppen leben. Dieses Wissen ist entscheidend, um Wildtiere zu schützen und die Natur besser zu verstehen.

Pose Estimation vereinfacht diesen Prozess, indem sie Bewegungen von Tieren und ihre Körperhaltung anhand von Bildern und Videos verfolgt, ohne den Tieren Sensoren oder Markierungen anzubringen. Diese Systeme können ihre Posen automatisch überwachen und so Einblicke in Verhaltensweisen wie Fellpflege, Spielen oder Kämpfen geben.

Ein interessantes Beispiel sind Forschende, die Pose Estimation zur Untersuchung des Verhaltens von Menschenaffen einsetzen. So haben Forschende Datensätze wie OpenApePose zusammengestellt, der über 71.000 annotierte Bilder von sechs Menschenaffenarten enthält.

Abb. 5. Pose Estimation bei Menschenaffen.

Vor- und Nachteile von Pose Estimation#

Hier sind einige der wichtigsten Vorteile, die Pose Estimation verschiedenen Branchen bieten kann:

• Skalierbarkeit: Pose-Estimation-Systeme lassen sich auf einer Vielzahl von Geräten einsetzen – vom Smartphone bis hin zu komplexen Kameraanlagen. Dadurch sind sie für unterschiedliche Anwendungsfälle und Umgebungen gut skalierbar und zugänglich.
• Kostengünstig: Da Pose Estimation mit herkömmlichen Kameras arbeitet und keine teuren Sensoren oder Markierungen erfordert, kann sie eine kostengünstigere Lösung zur Bewegungsverfolgung in Forschung und kommerziellen Anwendungen sein.
• Kontinuierliche Überwachung: Pose-Estimation-Systeme können eine kontinuierliche Bewegungsverfolgung in Echtzeit ermöglichen. So lassen sich Veränderungen im Zeitverlauf überwachen, sei es der Fortschritt einer Person während der Rehabilitation oder das Verhalten von Tieren in freier Wildbahn.

Die Vorteile von Pose Estimation liegen in vielen Bereichen auf der Hand, doch es gibt auch einige Herausforderungen. Hier sind einige wichtige Einschränkungen, die du beachten solltest:

• Eingeschränkte Übertragbarkeit: Viele Modelle, die mit menschlichen Datensätzen trainiert wurden, lassen sich ohne erneutes Training mit spezifischen Datensätzen nicht gut auf Tiere oder ungewöhnliche Körperstrukturen übertragen.
• Einschränkungen durch die Umgebungsbedingungen: Bei schlechter Beleuchtung, starker Bewegungsunschärfe oder unruhigen Hintergründen kann die Leistung abnehmen.
• Hohe Anfälligkeit für Verdeckungen: Die Genauigkeit kann sinken, wenn Körperteile verdeckt oder nicht im Bild sind, besonders in überfüllten Szenen oder bei der Verfolgung mehrerer Personen.

Die wichtigsten Erkenntnisse#

Pose Estimation hat seit ihren Anfängen einen langen Weg zurückgelegt: Aus Systemen, die Markierungen verwendeten, sind leistungsstarke Werkzeuge geworden, die auf Deep-Learning-Modellen wie Ultralytics YOLO11 basieren. Ob sie nun die Physiotherapie verbessert, interaktive AR-Erlebnisse ermöglicht oder die Wildtierforschung unterstützt – Pose Estimation verändert, wie Maschinen Bewegung und Körperhaltung verstehen. Mit dem technologischen Fortschritt wird es entscheidend sein, ihre Einschränkungen zu überwinden, um noch mehr praktische Anwendungen zu erschließen und Maschinen besser verstehen zu lassen, wie wir und andere Lebewesen uns bewegen.

Interessierst du dich für KI? Entdecke unser GitHub-Repository, tausche dich mit unserer Community aus und sieh dir unsere Lizenzoptionen an, um dein Computer-Vision-Projekt zu starten. Erfahre auf unseren Lösungsseiten mehr über Innovationen wie KI im Einzelhandel und Computer Vision in der Logistikbranche.