Pose Estimation

L’estimation de pose est une technique spécialisée de vision par ordinateur qui va au-delà de la simple détection de la présence d’objets pour comprendre leur structure géométrique et leur orientation physique. Alors que la détection d’objets standard trace une simple boîte rectangulaire autour d’un sujet, l’estimation de pose identifie des points sémantiques spécifiques, appelés points clés, tels que les articulations du corps humain (coudes, genoux, épaules) ou les angles structurels d’un véhicule. En cartographiant ces repères, les modèles de machine learning peuvent reconstituer une représentation squelettique du sujet, ce qui permet aux systèmes d’interpréter le langage corporel, la dynamique des mouvements et le positionnement précis dans un espace 2D ou 3D.

Mécanismes fondamentaux : approches descendantes et ascendantes#

L’estimation de pose moderne repose largement sur des architectures sophistiquées de deep learning, qui utilisent souvent des réseaux neuronaux convolutifs (CNNs) pour traiter les données visuelles. Les algorithmes suivent généralement l’une des deux stratégies principales pour identifier les points clés :

• Approches descendantes : cette méthode utilise d’abord un modèle de détection d’objets pour localiser chaque instance dans des boîtes englobantes. Une fois qu’une personne ou un objet est extrait de l’image globale, l’estimateur de pose prédit les points clés dans cette région spécifique. Cette approche est souvent très précise, mais peut souffrir d’une latence d’inférence plus élevée à mesure que le nombre de sujets présents dans l’image augmente.
• Approches ascendantes : à l’inverse, cette stratégie détecte simultanément tous les points clés potentiels dans l’ensemble de l’image (par exemple, chaque « genou gauche » dans une foule), puis utilise des algorithmes d’association pour les regrouper en squelettes individuels. Cette méthode est généralement privilégiée pour l’inférence en temps réel dans les scènes très fréquentées, car le coût de calcul reste relativement constant quel que soit le nombre de personnes présentes.

Les modèles de pointe comme YOLO26 utilisent des architectures avancées de bout en bout qui équilibrent ces besoins et fournissent une estimation de pose à grande vitesse, adaptée au déploiement sur des appareils d’IA en périphérie et des plateformes mobiles.

Distinguer les termes associés à la vision par ordinateur#

Il est utile de différencier l’estimation de pose des autres tâches de reconnaissance visuelle afin de comprendre sa valeur unique dans les flux de travail de vision par ordinateur :

• Détection d’objets : se concentre sur l’identification de ce qu’est un objet et de l’endroit où il se trouve, en produisant une boîte rectangulaire. Elle traite le sujet comme un objet rigide sans comprendre son articulation interne.
• Segmentation d’instances : génère un masque au pixel près qui délimite la forme précise de l’objet. Bien que la segmentation fournisse des contours, elle n’identifie pas explicitement les articulations ni les liaisons squelettiques nécessaires à l’analyse cinématique.
• Estimation de pose : cible spécifiquement la structure interne en cartographiant les connexions entre des repères prédéterminés (par exemple, de la hanche au genou) afin d’analyser la posture et l’action.

Applications concrètes#

La capacité à numériser les mouvements humains et ceux des objets a donné naissance à des applications transformatrices dans divers secteurs. Ces applications sont souvent entraînées à l’aide d’outils comme l’Ultralytics Platform pour gérer de grands jeux de données de points clés annotés.

Santé et rééducation#

Dans le domaine médical, l’IA dans la santé utilise l’estimation de pose pour suivre à distance la rééducation des patients. En suivant les angles articulaires et l’amplitude des mouvements, les systèmes automatisés peuvent vérifier que les patients réalisent correctement leurs exercices de kinésithérapie à domicile. Cela réduit le risque de nouvelle blessure et permet aux cliniciens de quantifier les progrès de la récupération sans avoir besoin d’équipements de laboratoire coûteux.

Analyse sportive#

Les entraîneurs et les athlètes exploitent l’analyse sportive pour optimiser les performances. Les modèles d’estimation de pose peuvent analyser le plan de frappe d’un golfeur, la longueur de foulée d’un coureur ou la biomécanique d’un lanceur, sans nécessiter les combinaisons à marqueurs intrusives utilisées dans la capture de mouvement traditionnelle. Cela fournit un retour immédiat fondé sur les données pour améliorer la technique et prévenir les blessures dues au surmenage.

Commerce de détail et analyse des comportements#

Dans les environnements commerciaux, les systèmes d’IA dans le commerce de détail utilisent la détection de pose pour comprendre le comportement des clients, par exemple lorsqu’ils attrapent des produits placés en hauteur ou restent dans certaines allées. Ces données contribuent à optimiser l’agencement des magasins et à améliorer la gestion des stocks en corrélant les actions physiques avec les décisions d’achat.

Exemple de code : estimation de pose avec Ultralytics YOLO26#

La mise en œuvre de l’estimation de pose est simple avec les frameworks Python modernes. L’exemple suivant montre comment utiliser le package ultralytics pour charger un modèle YOLO26 pré-entraîné (le successeur de YOLO11) et détecter les points clés humains dans une image.

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()