Pose Estimation

Posenschätzung ist eine spezialisierte Computer-Vision-Technik, die über die bloße Erkennung des Vorhandenseins von Objekten hinausgeht und ihre geometrische Struktur und physische Ausrichtung erfasst. Während die standardmäßige Objekterkennung ein einfaches rechteckiges Feld um ein Motiv zeichnet, identifiziert die Posenschätzung bestimmte semantische Punkte, sogenannte Schlüsselpunkte, etwa Gelenke am menschlichen Körper (Ellbogen, Knie, Schultern) oder strukturelle Ecken eines Fahrzeugs. Durch die Zuordnung dieser Orientierungspunkte können Machine-Learning-Modelle eine Skelettdarstellung des Motivs rekonstruieren, sodass Systeme Körpersprache, Bewegungsdynamik und die genaue Positionierung im 2D- oder 3D-Raum interpretieren können.

Kernmechanismen: Top-Down vs. Bottom-Up#

Moderne Posenschätzung stützt sich stark auf hochentwickelte Deep-Learning-Architekturen, die häufig Faltungsneuronale Netze (CNNs) zur Verarbeitung visueller Daten verwenden. Die Algorithmen folgen im Allgemeinen einer von zwei grundlegenden Strategien zur Identifizierung von Schlüsselpunkten:

• Top-Down-Ansätze: Bei dieser Methode wird zunächst ein Objekterkennungsmodell eingesetzt, um einzelne Instanzen innerhalb von Begrenzungsrahmen zu lokalisieren. Sobald eine Person oder ein Objekt aus dem größeren Bild ausgeschnitten wurde, sagt der Posenschätzer die Schlüsselpunkte innerhalb dieses bestimmten Bereichs voraus. Dieser Ansatz ist oft sehr genau, kann jedoch unter einer höheren Inferenzlatenz leiden, wenn die Anzahl der Motive im Bild zunimmt.
• Bottom-Up-Ansätze: Im Gegensatz dazu erkennt diese Strategie alle potenziellen Schlüsselpunkte im gesamten Bild gleichzeitig (z. B. jedes „linke Knie“ in einer Menschenmenge) und verwendet anschließend Zuordnungsalgorithmen, um sie zu einzelnen Skeletten zusammenzufassen. Diese Methode wird im Allgemeinen für die Echtzeitinferenz in dicht besiedelten Szenen bevorzugt, da der Rechenaufwand unabhängig von der Anzahl der anwesenden Personen relativ konstant bleibt.

Hochmoderne Modelle wie YOLO26 verwenden fortschrittliche End-to-End-Architekturen, die diese Anforderungen ausbalancieren und eine schnelle Posenschätzung ermöglichen, die sich für den Einsatz auf Edge-KI-Geräten und mobilen Plattformen eignet.

Abgrenzung verwandter Begriffe aus der Computer Vision#

Um den besonderen Nutzen der Posenschätzung in Computer-Vision-Workflows zu verstehen, ist es hilfreich, sie von anderen Aufgaben der visuellen Erkennung abzugrenzen:

• Objekterkennung: Konzentriert sich darauf, was ein Objekt ist und wo es sich befindet, und gibt ein rechteckiges Feld aus. Das Motiv wird als starrer Gegenstand behandelt, ohne seine innere Gelenkstruktur zu erfassen.
• Instanzsegmentierung: Erzeugt eine pixelgenaue Maske, die die exakte Form des Objekts umrandet. Die Segmentierung liefert zwar Grenzen, identifiziert jedoch nicht ausdrücklich Gelenke oder Skelettverbindungen, die für die kinematische Analyse erforderlich sind.
• Posenschätzung: Konzentriert sich speziell auf die innere Struktur und bildet Verbindungen zwischen vorab festgelegten Orientierungspunkten ab (z. B. von der Hüfte zum Knie), um Körperhaltung und Bewegung zu analysieren.

Anwendungen in der Praxis#

Die Möglichkeit, die Bewegungen von Menschen und Objekten zu digitalisieren, hat zu wegweisenden Anwendungen in verschiedenen Branchen geführt. Für das Training werden häufig Tools wie die Ultralytics Platform verwendet, um große Datensätze mit annotierten Schlüsselpunkten zu verwalten.

Gesundheitswesen und Rehabilitation#

Im medizinischen Bereich nutzt KI im Gesundheitswesen die Posenschätzung, um die Rehabilitation von Patienten aus der Ferne zu überwachen. Durch die Verfolgung von Gelenkwinkeln und des Bewegungsumfangs können automatisierte Systeme sicherstellen, dass Patienten Übungen der Physiotherapie zu Hause korrekt ausführen. Dadurch wird das Risiko einer erneuten Verletzung verringert, und medizinisches Fachpersonal kann den Rehabilitationsfortschritt quantifizieren, ohne auf teure Laborgeräte angewiesen zu sein.

Sportanalyse#

Trainer und Sportler nutzen Sportanalyse, um die Leistung zu optimieren. Posenschätzungsmodelle können die Schwungebene eines Golfers, die Schrittlänge eines Läufers oder die Biomechanik eines Pitchers analysieren, ohne die aufdringlichen Markierungsanzüge zu benötigen, die bei der herkömmlichen Bewegungserfassung verwendet werden. Dies ermöglicht unmittelbares, datengestütztes Feedback zur Verbesserung der Technik und zur Vermeidung von Überlastungsverletzungen.

Einzelhandel und Verhaltensanalyse#

In geschäftlichen Umgebungen nutzen KI im Einzelhandel-Systeme die Posenerkennung, um das Verhalten von Kunden zu verstehen, etwa wenn sie nach Produkten in hohen Regalen greifen oder sich längere Zeit in bestimmten Gängen aufhalten. Diese Daten helfen, die Gestaltung von Geschäften zu optimieren und die Bestandsverwaltung zu verbessern, indem körperliche Handlungen mit Kaufentscheidungen in Beziehung gesetzt werden.

Codebeispiel: Posenschätzung mit Ultralytics YOLO26#

Die Implementierung einer Posenschätzung ist mit modernen Python-Frameworks unkompliziert. Das folgende Beispiel zeigt, wie du das Paket ultralytics verwendest, um ein vortrainiertes YOLO26-Modell (den Nachfolger von YOLO11) zu laden und menschliche Schlüsselpunkte in einem Bild zu erkennen.

from ultralytics import YOLO

# Load the YOLO26 pose model (nano version for speed)
model = YOLO("yolo26n-pose.pt")

# Perform inference on an image source
# The model identifies bounding boxes and specific keypoints (joints)
results = model("https://ultralytics.com/images/bus.jpg")

# Print the xy coordinates of detected keypoints
print(results[0].keypoints.xy)

# Visualize the skeletal results directly
results[0].show()