Keypoints

Les points clés sont des emplacements spatiaux distincts ou des repères dans une image qui définissent des caractéristiques importantes d'un objet ou d'un sujet. Dans le contexte de la vision par ordinateur et de l'apprentissage automatique, un point clé est généralement représenté par un ensemble de coordonnées (X, Y) qui localisent une partie spécifique d'un objet, comme le coude d'une personne, le coin d'un bâtiment ou le centre de la roue d'une voiture. Contrairement aux tâches plus simples qui identifient uniquement la présence d'un objet, l'identification de points clés permet aux modèles d'intelligence artificielle (IA) de comprendre la géométrie, la posture et l'agencement structurel du sujet. Cette capacité est fondamentale pour l'analyse visuelle avancée, permettant aux machines d'interpréter le langage corporel, de suivre des mouvements précis et d'aligner des superpositions numériques avec des objets du monde réel.

Le rôle des keypoints dans les modèles d'IA#

Les points clés servent de données fondamentales pour l'estimation de pose, une technique qui cartographie la structure squelettique d'un humain ou d'un animal. En détectant un ensemble prédéfini de points — tels que les épaules, les genoux et les chevilles —, les algorithmes peuvent reconstruire la pose complète d'un sujet en temps réel. Ce processus va au-delà de la détection d'objets standard, qui génère généralement une boîte englobante autour d'un objet sans comprendre sa forme interne.

Les architectures modernes, telles que le modèle de pointe Ultralytics YOLO26, ont évolué pour prédire ces points clés avec une précision et une vitesse élevées. Ces modèles utilisent des réseaux d'apprentissage profond (DL) entraînés sur des ensembles de données annotés massifs, tels que COCO Keypoints, pour apprendre les motifs visuels associés aux articulations et aux traits du visage. Pendant l'inférence, le modèle régresse les coordonnées de chaque point clé, incluant souvent un score de confiance pour indiquer la fiabilité de la prédiction.

Keypoints vs concepts connexes#

Il est utile de distinguer les keypoints des autres sorties courantes de la vision par ordinateur pour comprendre leur utilité unique :

• Points clés vs boîtes englobantes : Une boîte englobante fournit une localisation grossière, englobant tout l'objet dans un rectangle. Les points clés fournissent une localisation fine de parties spécifiques au sein de cet objet.
• Points clés vs segmentation d'image : La segmentation d'image classifie chaque pixel pour créer un masque précis de la forme de l'objet. Alors que la segmentation offre des informations détaillées sur les limites, les points clés offrent un résumé structurel (un « squelette ») qui est souvent plus efficace pour analyser le mouvement et la cinématique.
• Points clés vs descripteurs de caractéristiques : Dans le traitement d'image traditionnel comme SIFT (Scale-Invariant Feature Transform), les points clés sont des points d'intérêt (coins, taches) utilisés pour la mise en correspondance d'images. Dans l'estimation de pose moderne par DL, les points clés sont des étiquettes sémantiques (par exemple, « poignet gauche ») apprises par le réseau.

Applications concrètes#

La capacité à suivre des parties du corps ou des caractéristiques d'objet spécifiques ouvre diverses applications à travers les industries :

• Analyses sportives : Les entraîneurs et les athlètes utilisent l'estimation de pose pour analyser la biomécanique. En suivant les points clés sur les articulations, les systèmes peuvent calculer des angles et des vitesses pour améliorer la technique dans des sports comme le golf, le tennis ou le sprint. Vois comment les modèles Ultralytics YOLO suivent les swings de golf pour fournir des retours exploitables.
• Soins de santé et rééducation : Les plateformes de physiothérapie exploitent les keypoints pour surveiller les exercices des patients à distance. Le système s'assure que les patients maintiennent une forme correcte pendant les routines de rééducation, réduisant le risque de blessure et suivant les progrès de la récupération.
• Réalité augmentée (RA) : Les filtres de réseaux sociaux et les applications d'essayage virtuel reposent sur les keypoints faciaux (contours des yeux, du nez, de la bouche) pour ancrer solidement des masques ou des lunettes numériques sur le visage de l'utilisateur, maintenant l'alignement même lorsqu'il bouge.
• Surveillance du conducteur : Les systèmes de sécurité automobile suivent les points de repère faciaux pour détecter les signes de somnolence ou de distraction, alertant le conducteur si ses yeux se ferment ou si la position de sa tête indique un manque d'attention.

Implémentation de la détection de points clés avec Ultralytics YOLO26#

En utilisant la plateforme Ultralytics ou le SDK Python, tu peux facilement implémenter la détection de points clés. L'exemple suivant montre comment charger un modèle YOLO26-pose pré-entraîné et exécuter une inférence sur une image pour détecter des squelettes humains.

from ultralytics import YOLO

# Load a pre-trained YOLO26 pose estimation model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Visualize the results showing detected keypoints and skeletons
for result in results:
    result.show()  # Display the image with keypoints drawn

    # Access keypoint coordinates (x, y, confidence)
    keypoints = result.keypoints.data
    print(f"Detected keypoints shape: {keypoints.shape}")

Ce flux de travail simple permet le déploiement rapide d'applications sophistiquées de vision par ordinateur (CV). Pour les utilisateurs qui cherchent à entraîner leurs propres modèles de points clés personnalisés — par exemple, pour détecter des points spécifiques sur des machines industrielles ou des espèces animales —, la plateforme Ultralytics simplifie le processus d'annotation des données et d'entraînement des modèles dans le cloud.

Considérations avancées#

Le déploiement réussi de la détection de points clés nécessite de gérer des défis tels que l'occlusion (lorsqu'une partie du corps est cachée) et diverses conditions d'éclairage. Les modèles modernes résolvent ce problème grâce à l'augmentation de données robuste pendant l'entraînement, exposant le réseau à des scénarios variés. De plus, l'intégration de points clés avec des algorithmes de suivi d'objets permet une identification cohérente des individus au fil du temps dans les flux vidéo, ce qui est essentiel pour des applications telles que la sécurité ou l'analyse comportementale.