¿Qué es OpenPose? Un hito en la estimación de poses

Hoy en día, hay imágenes y cámaras por todas partes: integradas en nuestros teléfonos y hogares, e incluso presentes en espacios públicos. Confiamos en ellas no solo para capturar momentos, sino también para ayudarnos a entender e interactuar con el mundo que nos rodea.

Entre bastidores, la visión artificial, una rama de la inteligencia artificial (AI), hace esto posible al permitir que las máquinas interpreten datos visuales. Permite que los sistemas detecten objetos, reconozcan caras y sigan movimientos, y desempeña un papel clave en muchas de las tecnologías que utilizamos a diario.

Gracias a los avances recientes en IA, los modelos de visión artificial ahora pueden analizar y extraer datos e información más complejos. Un ejemplo es la estimación de pose, una tarea de visión artificial centrada en comprender el movimiento humano.

Funciona identificando puntos clave del cuerpo, como los hombros, los codos y las rodillas, en imágenes o vídeos. Esto permite analizar cómo se mueven las personas y hace posibles aplicaciones en el seguimiento de la actividad física, la animación, la sanidad y otros campos.

Entre las muchas herramientas desarrolladas para la estimación de pose, OpenPose destaca como un gran avance. Creada por investigadores del Laboratorio de Computación Perceptual de la Universidad Carnegie Mellon, fue uno de los primeros sistemas de código abierto capaces de detectar poses de cuerpo completo, incluidas las manos, los pies y los puntos clave faciales, de varias personas en tiempo real usando únicamente una cámara (hasta 135 puntos clave por persona).

En este artículo, veremos OpenPose, cómo funciona y su importancia como hito en la visión artificial.

Fig. 1. Estimación de pose de varias personas con OpenPose.

Un repaso a la historia de la estimación de pose#

Antes de que la IA se adoptara de forma generalizada, el seguimiento del movimiento humano en vídeos requería equipos especializados. En sectores como el cine y la animación, los actores solían llevar trajes con marcadores reflectantes para que las cámaras pudieran captar sus movimientos en un entorno de estudio controlado.

Aunque estas técnicas de captura de movimiento basadas en marcadores eran precisas, también eran caras y se limitaban a configuraciones concretas. A medida que avanzaba la visión artificial, los investigadores buscaron formas de seguir los movimientos del cuerpo sin utilizar marcadores. Para encontrar formas humanas en las imágenes, utilizaron bordes, contornos y plantillas.

Estos primeros sistemas funcionaban en situaciones sencillas y directas, pero tenían dificultades en escenarios reales. A menudo ofrecían malos resultados cuando las personas se movían de forma inesperada o aparecía más de una persona en un fotograma.

A finales de la década de 2010, el aprendizaje profundo supuso un gran cambio para la estimación de pose. Los modelos de IA visual podían entrenarse con grandes conjuntos de datos de poses humanas. En lugar de depender de bordes y plantillas, los modelos aprendieron a reconocer las articulaciones y la estructura del cuerpo estudiando miles de imágenes etiquetadas. Esto hizo que la estimación de pose fuera más precisa, flexible y eficaz en una gama más amplia de entornos.

Fig. 2. Evolución de los modelos de estimación de pose humana de 2017 a 2023.

OpenPose: el despegue de la estimación de pose moderna#

OpenPose se publicó por primera vez en 2017 y puede estimar simultáneamente las poses de varias personas en una sola imagen. A diferencia de los sistemas anteriores, OpenPose no requiere trajes especiales ni marcadores. Funciona con cámaras estándar y puede procesar imágenes y vídeos en tiempo real. Estas características hicieron que la estimación de pose fuera más accesible para desarrolladores e investigadores.

Los cimientos que OpenPose sentó para la visión artificial ayudaron a otros a crear arquitecturas más recientes para diversas aplicaciones. Hoy en día, modelos de IA visual como Ultralytics YOLOv8 y Ultralytics YOLO11, y más recientemente Ultralytics YOLO26, compatibles con tareas de estimación de pose, ofrecen resultados más rápidos y una latencia menor.

Fig. 3. Uso de YOLO11 para la estimación de pose.

Sin embargo, OpenPose es un excelente punto de partida si te interesa saber cómo ha evolucionado la estimación de pose. Introdujo ideas clave en las que muchos sistemas más recientes siguen basándose hoy en día.

Principales capacidades de OpenPose#

Ahora que entendemos mejor por qué OpenPose es importante, veamos más de cerca lo que realmente puede hacer.

En el centro de las capacidades de OpenPose se encuentra algo llamado detección de puntos clave. Los puntos clave son referencias concretas del cuerpo humano, como la punta de la nariz, el centro de los hombros, los codos, las muñecas, las caderas, las rodillas y los tobillos. OpenPose puede detectar hasta 135 puntos por persona, incluidas zonas detalladas como los dedos y los rasgos faciales.

Al conectar estos puntos, se obtiene una representación simplificada del cuerpo humano: puedes imaginarla como un esqueleto digital. Este esquema esquelético muestra no solo dónde está una persona, sino también qué postura tiene: si está sentada, de pie, saludando, sonriendo o caminando. Los ordenadores pueden interpretar visualmente el movimiento humano mediante estos esqueletos, de forma similar a como entendemos intuitivamente el lenguaje corporal de alguien.

El seguimiento esquelético es especialmente útil porque elimina el ruido y las distracciones del fondo, lo que permite que el sistema se centre únicamente en la postura y el movimiento humanos. En lugar de analizar cada píxel, OpenPose se centra en puntos significativos que cuentan cómo se mueve o interactúa una persona.

Al extraer esta información estructurada de imágenes o vídeos cotidianos, OpenPose permite crear aplicaciones que responden a gestos, supervisan la actividad física, evalúan señales emocionales o incluso animan personajes digitales.

¿Cómo funciona OpenPose?#

A continuación se explica cómo OpenPose detecta y conecta los puntos clave del cuerpo humano a partir de una entrada visual:

• Empieza con una imagen: OpenPose toma una sola imagen de una fotografía, un vídeo o una señal en directo de una cámara.
• Detecta las partes importantes del cuerpo: El sistema busca puntos clave del cuerpo, como la nariz, los codos, las muñecas, las rodillas y los tobillos. Los marca en los lugares donde tiene la certeza de que se encuentra una parte del cuerpo.
• Determina qué partes están conectadas: A continuación, OpenPose comprueba cómo se conectan los puntos clave. Utiliza cálculos matemáticos para decidir qué articulaciones pertenecen a la misma persona; por ejemplo, relaciona una muñeca con el codo y el hombro correspondientes.
• Dibuja un esqueleto para cada persona: Después de agrupar los puntos clave, OpenPose los conecta para formar una figura de palitos que muestra la pose de cada persona. Esto funciona incluso cuando aparecen varias personas en el mismo fotograma.
• Devuelve los datos de la pose: Por último, proporciona las posiciones exactas de todos los puntos clave detectados. Estos datos pueden utilizarse para seguir movimientos, reconocer gestos o crear herramientas interactivas, todo en tiempo real.

Fig. 4. Detección y seguimiento de puntos clave humanos con OpenPose.

Aplicaciones de la estimación de pose con OpenPose en distintos sectores#

OpenPose fue una de las primeras herramientas avanzadas que hicieron práctica la estimación de pose para diversos casos de uso reales. Aunque hoy no se utiliza habitualmente en soluciones de visión artificial en tiempo real, desempeñó un papel importante en los primeros trabajos de campos como el deporte, el entretenimiento, la educación y la seguridad.

Veamos más de cerca cómo ayudó a sentar las bases en estos ámbitos.

Estimación de pose con OpenPose para el deporte y la actividad física#

Cuando ves un partido de béisbol, es fácil entender lo que ocurre: reconoces al instante un lanzamiento, un bateo o una base robada. Como seres humanos, interpretamos intuitivamente los movimientos del cuerpo y les damos sentido sin demasiado esfuerzo. Sin embargo, para las máquinas es mucho más complejo reconocer estas acciones. Necesitan información precisa sobre cómo se mueve cada parte del cuerpo en el espacio.

OpenPose supuso un gran avance en este ámbito de la visión artificial. Fue una herramienta práctica para analizar la técnica deportiva en diversos entornos.

Muchos proyectos de investigación utilizaron OpenPose para desglosar movimientos como los bateos y los saltos, e incluso clasificar acciones concretas de béisbol según los movimientos de los jugadores. Como funcionaba en entornos abiertos con vídeos estándar, permitió a los investigadores probar cómo podrían funcionar estos sistemas en situaciones reales de entrenamiento o asesoramiento.

Estos primeros estudios contribuyeron a sentar las bases de las herramientas de seguimiento del rendimiento que se utilizan actualmente en la tecnología deportiva avanzada.

Fig. 5. Ejemplo de un flujo de trabajo de clasificación de acciones de béisbol con OpenPose.

Uso de OpenPose en sistemas de seguridad y protección#

Del mismo modo, los investigadores también utilizaron OpenPose para estudiar cómo el seguimiento de la postura basado en vídeo podía contribuir a la supervisión de la seguridad. Se probó para detectar comportamientos como caídas, gestos inesperados o patrones de movimiento en espacios públicos.

Como funcionaba con cámaras estándar, OpenPose facilitó la experimentación inicial en entornos como hospitales y centros de transporte. Estos estudios impulsaron el desarrollo de modelos más recientes, que ahora se utilizan en sistemas de vigilancia, detección de caídas y respuesta ante emergencias.

Fig. 6. Detección de caídas con OpenPose.

Ventajas e inconvenientes de OpenPose#

Estas son algunas de las ventajas que ofrece OpenPose:

• Útil para la investigación y la creación de prototipos: Se ha utilizado ampliamente en la investigación académica, especialmente en campos como la interacción persona-ordenador, la biomecánica y el análisis del comportamiento.
• Compatibilidad multiplataforma: Puede ejecutarse en Windows, Linux y macOS, y es compatible tanto con unidades centrales de procesamiento (CPUs) como con unidades de procesamiento gráfico (GPUs).
• Capacidad de procesamiento sin conexión: Puede ejecutarse en entornos sin acceso a Internet, por lo que resulta ideal para contextos en los que la privacidad es fundamental, como la sanidad o la educación.

Aunque OpenPose supuso un gran avance, también tiene limitaciones técnicas importantes que conviene tener en cuenta. Estos son algunos de los principales retos de OpenPose:

• Altos requisitos de procesamiento: Ejecutar OpenPose en tiempo real requiere una GPU potente y abundantes recursos informáticos.
• Sensibilidad al entorno: El rendimiento puede disminuir con poca luz, en espacios concurridos o cuando los ángulos de cámara no son los adecuados.
• Más pesado que los modelos recientes: En comparación con los modelos de estimación de postura más recientes, OpenPose es relativamente grande y lento. No es adecuado para desplegarlo en dispositivos con recursos limitados, como smartphones, tabletas o sistemas integrados.

Conclusiones clave#

OpenPose desempeñó un papel importante en la democratización de la estimación de postura. Demostró que era posible seguir los movimientos del cuerpo con una cámara sencilla, sin depender de trajes ni de equipos especializados.

Sentó las bases para muchas aplicaciones prácticas en los ámbitos de la sanidad, la educación, el entretenimiento y la investigación. Aunque los modelos más recientes ofrecen ahora mayor velocidad y ocupan menos recursos, OpenPose sigue siendo una referencia clave para entender cómo ha evolucionado la estimación de pose.

Únete a nuestra comunidad y visita nuestro repositorio de GitHub para descubrir más sobre la IA. Si quieres crear tus propias soluciones de visión artificial, consulta nuestras opciones de licencia. ¡Descubre también cómo la visión artificial en sanidad y la IA en logística están teniendo un impacto!