Keypoints

Les points clés sont des emplacements spatiaux ou des repères distincts au sein d'une image qui définissent les 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 indiquent précisément une partie spécifique d'un objet, comme le coude d'une personne, l'angle 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 des points clés permet aux modèles d'intelligence artificielle (AI) de comprendre la géométrie, la posture et la disposition structurelle du sujet. Cette capacité est fondamentale pour l'analyse visuelle avancée : elle permet aux machines d'interpréter le langage corporel, de suivre des mouvements précis et d'aligner des superpositions numériques sur des objets du monde réel.

Le rôle des points clés dans les modèles d'IA#

Les points clés constituent les données fondamentales de 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, comme les épaules, les genoux et les chevilles, les algorithmes peuvent reconstituer la pose complète d'un sujet en temps réel. Ce processus va au-delà de la détection d'objets standard, qui produit généralement une boîte englobante autour d'un objet sans comprendre sa forme interne.

Les architectures modernes, comme le très performant Ultralytics YOLO26, ont évolué pour prédire ces points clés avec une grande précision et rapidité. Ces modèles utilisent des réseaux d'apprentissage profond (DL) entraînés sur de vastes jeux de données annotés, comme COCO Keypoints, afin d'apprendre les motifs visuels associés aux articulations et aux traits du visage. Lors de l'inférence, le modèle régresse les coordonnées de chaque point clé et inclut souvent un score de confiance indiquant la fiabilité de la prédiction.

Points clés et concepts associés#

Pour comprendre leur utilité particulière, il est utile de distinguer les points clés des autres sorties courantes de la vision par ordinateur :

• Points clés et boîtes englobantes : Une boîte englobante fournit une localisation approximative en entourant l'objet entier dans un rectangle. Les points clés fournissent une localisation précise de parties spécifiques à l'intérieur de cet objet.
• Points clés et segmentation d'image : La segmentation d'image classe chaque pixel afin de créer un masque précis de la forme de l'objet. Alors que la segmentation fournit des informations détaillées sur les contours, les points clés offrent un résumé structurel (un « squelette »), souvent plus efficace pour analyser le mouvement et la cinématique.
• Points clés et descripteurs de caractéristiques : Dans le traitement d'image traditionnel, comme avec SIFT (transformation de caractéristiques invariante à l'échelle), les points clés sont des points d'intérêt (coins, taches) utilisés pour la mise en correspondance d'images. Dans l'estimation de pose moderne fondée sur le DL, les points clés sont des étiquettes sémantiques (par exemple, « poignet gauche ») apprises par le réseau.

Applications concrètes#

La capacité à suivre des parties spécifiques du corps ou des caractéristiques d'objets ouvre la voie à diverses applications dans de nombreux secteurs :

• Analyse sportive : Les entraîneurs et les athlètes utilisent l'estimation de pose pour analyser la biomécanique. En suivant les points clés des articulations, les systèmes peuvent calculer les angles et les vitesses afin d'améliorer la technique dans des sports comme le golf, le tennis ou le sprint. Découvre comment les modèles Ultralytics YOLO suivent les swings de golf pour fournir des retours exploitables.
• Santé et rééducation : Les plateformes de kinésithérapie utilisent les points clés pour surveiller à distance les exercices des patients. Le système garantit que les patients adoptent une posture correcte pendant les exercices de rééducation, réduisant ainsi le risque de blessure et permettant de suivre les progrès de leur récupération.
• Réalité augmentée (AR) : Les filtres des réseaux sociaux et les applications d'essayage virtuel s'appuient sur les points clés du visage (yeux, nez, contours de la bouche) pour fixer solidement des masques numériques ou des lunettes sur le visage de l'utilisateur, en maintenant l'alignement même lorsqu'il se déplace.
• Surveillance du conducteur : Les systèmes de sécurité automobile suivent les repères du visage pour détecter les signes de somnolence ou de distraction et avertir le conducteur si ses yeux se ferment ou si la position de sa tête indique un manque d'attention.

Implémenter la détection de points clés avec Ultralytics YOLO26#

Avec l'Ultralytics Platform ou le SDK Python, les développeurs peuvent facilement implémenter la détection de points clés. L'exemple suivant montre comment charger un modèle YOLO26-pose préentraîné et exécuter une inférence sur une image afin de 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 de déployer rapidement des applications sophistiquées de vision par ordinateur (CV). Pour les utilisateurs qui souhaitent entraîner leurs propres modèles personnalisés de points clés, par exemple pour détecter des points spécifiques sur des machines industrielles ou chez des espèces animales, l'Ultralytics Platform simplifie l'annotation des données et l'entraînement des modèles dans le cloud.

Considérations avancées#

Le déploiement réussi d'une détection de points clés nécessite de gérer des difficultés telles que l'occlusion (lorsqu'une partie du corps est masquée) et la diversité des conditions d'éclairage. Les modèles modernes y répondent grâce à une augmentation des données robuste pendant l'entraînement, qui expose le réseau à des scénarios variés. En outre, l'intégration des points clés à des algorithmes de suivi d'objets permet d'identifier les individus de manière cohérente au fil du temps dans des flux vidéo, ce qui est essentiel pour des applications comme la sécurité ou l'analyse comportementale.