La guida completa agli strumenti di stima della posa

Noi esseri umani interpretiamo istintivamente i movimenti. Quando qualcuno si sporge in avanti, gira la testa o alza un braccio, possiamo capire subito cosa sta facendo. È un'abilità discreta, quasi inconscia, che influenza il modo in cui interagiamo con le persone ed esploriamo il mondo.

Con la tecnologia sempre più presente nella vita quotidiana, è naturale desiderare che i nostri dispositivi comprendano i movimenti con la stessa facilità. I recenti progressi nell'intelligenza artificiale, in particolare quelli basati sul deep learning, lo stanno rendendo possibile. In particolare, la computer vision aiuta le macchine a estrarre informazioni da immagini e video e sta guidando questo progresso.

Per esempio, la stima della posa è una comune attività di computer vision che individua la posizione di punti chiave predefiniti del corpo, come spalle, gomiti, fianchi e ginocchia, in un’immagine o in un fotogramma video. Questi punti chiave possono essere collegati secondo una definizione fissa dello scheletro per creare una rappresentazione semplificata della posa.

I modelli di computer vision come Ultralytics YOLO11 e Ultralytics YOLO26, ora disponibile, supportano attività come la stima della posa e possono alimentare applicazioni in tempo reale, tra cui il feedback sulla tecnica nel fitness e nello sport, il monitoraggio della sicurezza e le esperienze interattive di realtà aumentata.

Fig. 1. Uno sguardo all'uso di Ultralytics YOLO11 per la stima della posa (Fonte)

In questo articolo approfondiremo gli strumenti per la stima della posa e vedremo come funziona, dove viene usata e quali sono alcuni dei migliori modelli e librerie disponibili oggi.

Che cos'è la stima della posa?#

La stima della posa è una tecnica di computer vision che aiuta un sistema a capire come è posizionata una persona o un oggetto in un'immagine o in un video. Invece di analizzare tutti i pixel allo stesso modo, predice una serie di punti di riferimento coerenti, come testa, spalle, gomiti, fianchi, ginocchia e caviglie.

La maggior parte dei modelli restituisce le coordinate di questi punti chiave e un punteggio che indica la probabilità che ciascuna previsione sia corretta. I punti chiave possono poi essere collegati usando una struttura scheletrica predefinita per formare una rappresentazione semplice della posa.

Quando vengono applicati fotogramma per fotogramma nei video, i punti chiave risultanti possono essere associati nel tempo per stimare il movimento. Questo consente applicazioni come la verifica della postura, l'analisi dei movimenti e l'interazione basata sui gesti.

Fig. 2. Un esempio di stima della posa (Fonte)

Perché servono strumenti per la stima della posa#

Il movimento umano contiene molte informazioni. Il modo in cui una persona si piega, si allunga o sposta il peso può rivelare intenzioni, sforzo, stanchezza o persino il rischio di infortuni. Fino a poco tempo fa, acquisire un livello di dettaglio simile richiedeva in genere sensori specializzati, tute per la motion capture o ambienti di laboratorio controllati.

La stima della posa cambia le cose. Estrarre i principali punti di riferimento del corpo da immagini e video normali consente ai computer di analizzare i movimenti usando telecamere standard. Questo rende l'analisi dei movimenti più accessibile, scalabile e pratica negli ambienti reali.

Ecco alcuni modi in cui la stima della posa può fare la differenza:

• Luoghi di lavoro più sicuri: i sistemi basati sulla visione possono essere usati per rilevare posture rischiose, sforzi ripetitivi o tecniche di sollevamento non sicure prima che si verifichino infortuni.
• Allenamento fitness e sportivo più efficace: le soluzioni di vision AI possono valutare la tecnica, l’equilibrio e l’esecuzione in tempo reale, fornendo agli utenti un riscontro immediato senza dispositivi indossabili.
• Assistenza sanitaria e riabilitazione: i medici possono monitorare da remoto i progressi del recupero, la postura e l'ampiezza dei movimenti usando semplici registrazioni video.
• Esperienze interattive: la stima della posa semplifica il compito degli avatar digitali e degli ambienti immersivi di seguire e riprodurre con precisione i movimenti umani.

L'evoluzione degli algoritmi di stima della posa#

L'idea di stimare le pose esiste da molti anni. I primi approcci usavano semplici modelli geometrici e regole definite manualmente e in genere funzionavano solo in condizioni controllate.

Per esempio, un sistema poteva funzionare bene quando una persona restava ferma in una posizione fissa, ma non riuscire a gestire situazioni in cui iniziava a camminare, girarsi o interagire con oggetti in scene reali. Questi metodi spesso avevano difficoltà con i movimenti naturali, i cambi di angolazione della telecamera, gli sfondi affollati e le occlusioni parziali.

La stima moderna della posa si basa sul deep learning per affrontare queste sfide. Addestrando reti neurali convoluzionali su grandi dataset etichettati, i modelli apprendono schemi visivi che li aiutano a rilevare i punti chiave in modo più affidabile con pose, persone e ambienti diversi.

Con più esempi, il modello migliora le proprie previsioni e diventa più efficace nel generalizzare a nuove scene. Grazie a questi progressi, la stima della posa supporta oggi un'ampia gamma di applicazioni pratiche, tra cui il monitoraggio e l'ergonomia sul posto di lavoro e l'analisi sportiva, in cui allenatori e analisti studiano i movimenti degli atleti.

Tipi di tecniche di stima della posa#

La stima della posa si presenta in diverse forme, a seconda del contesto e di ciò che devi misurare. Ecco i principali tipi che puoi incontrare:

• Stima della posa 2D: questo approccio rileva i punti chiave del corpo in un'immagine o in un fotogramma video bidimensionale. Funziona bene con le telecamere standard ed è efficiente dal punto di vista computazionale, quindi è adatto ad attività come il monitoraggio dei movimenti di base, l'analisi della postura e il feedback in tempo reale sull'esecuzione dei movimenti.
• Stima della posa 3D: stimando la profondità oltre alle coordinate nell'immagine, la stima della posa 3D offre una comprensione spaziale del movimento del corpo. È particolarmente utile quando conta il movimento in avanti e indietro, come nell'analisi sportiva, nella riabilitazione, nella biomeccanica e nell'animazione. In particolare, la stima della posa umana 3D acquisisce le posizioni e i movimenti delle articolazioni nello spazio 3D, riducendo l'ambiguità che può verificarsi con le proiezioni 2D.
• Stima della posa di una singola persona: questi sistemi sono progettati per seguire una persona alla volta. Tendono a funzionare meglio in contesti controllati o parzialmente controllati, in cui il soggetto è chiaramente visibile, come nelle applicazioni di allenamento guidato, nelle videochiamate o nelle configurazioni per l'analisi del movimento.
• Stima della posa di più persone: progettato per le scene con più persone, questo approccio rileva e segue simultaneamente le pose di diversi individui. È particolarmente utile in ambienti affollati, come luoghi di lavoro, palestre, spazi pubblici e attività di gruppo, dove i soggetti possono sovrapporsi o occludersi a vicenda.

Fig. 3. Comprendere il movimento umano nello spazio 3D rispetto allo spazio immagine 2D (Fonte)

Come funzionano i modelli di stima della posa umana#

La stima della posa può essere applicata a molti tipi di oggetti, ma per semplicità concentriamoci sulla stima della posa umana.

La maggior parte dei sistemi di stima della posa umana viene addestrata su dataset annotati, in cui le principali parti del corpo sono etichettate in ampie raccolte di immagini e fotogrammi video. Usando questi esempi, il modello apprende schemi visivi associati a punti di riferimento del corpo umano, come spalle, gomiti, fianchi, ginocchia e caviglie, così da poter predire con precisione i punti chiave in nuove scene.

Un altro aspetto fondamentale è l'architettura di inferenza del modello, che determina come vengono rilevati i punti chiave e assemblati in pose complete. Alcuni sistemi rilevano prima ogni persona e poi stimano i punti chiave all'interno della relativa area; altri rilevano i punti chiave nell'intera immagine e li raggruppano poi per individuo. Le architetture più recenti a stadio singolo possono predire le pose in un unico passaggio, bilanciando velocità e precisione per l'uso in tempo reale.

Vediamo ora nel dettaglio i diversi approcci alla stima della posa.

Stima della posa dal basso verso l'alto#

Con un approccio dal basso verso l'alto, il modello esamina l'intera immagine e individua prima i punti chiave del corpo, come testa, spalle, gomiti, fianchi, ginocchia e caviglie. In questa fase non cerca di separare le persone: rileva semplicemente tutti i punti chiave o le articolazioni definiti dallo scheletro della posa nella scena.

In seguito, il sistema esegue un secondo passaggio per collegare i punti. Associa i punti chiave che appartengono alla stessa persona e li raggruppa in scheletri completi, uno per ciascuna persona. Poiché non deve prima rilevare ogni singola persona, i metodi dal basso verso l'alto spesso funzionano bene nelle scene affollate, in cui le persone si sovrappongono, appaiono di dimensioni diverse o sono parzialmente nascoste.

Rilevamento della posa dall'alto verso il basso#

Al contrario, i sistemi dall'alto verso il basso iniziano rilevando ogni persona nell'immagine. Tracciano un riquadro di delimitazione attorno a ciascun individuo e trattano ogni riquadro come un'area distinta da analizzare.

Una volta isolata una persona, il modello predice i punti chiave del corpo all'interno di quell'area. Questo approccio graduale produce spesso risultati molto accurati, soprattutto quando nella scena ci sono poche persone e ciascuna è chiaramente visibile.

Stima della posa a stadio singolo o ibrida#

I modelli a stadio singolo, talvolta chiamati ibridi, predicono le pose in un unico passaggio. Invece di eseguire prima il rilevamento delle persone e poi la stima dei punti chiave, individuano contemporaneamente la posizione della persona e i punti chiave del corpo.

Poiché tutto avviene in un unico modulo, questi modelli sono spesso più veloci ed efficienti, caratteristiche che li rendono adatti ad applicazioni in tempo reale come il monitoraggio dei movimenti dal vivo e la motion capture. Modelli come Ultralytics YOLO11 si basano su questa idea e puntano a bilanciare la velocità con previsioni affidabili dei punti chiave.

Addestramento e valutazione dei modelli di stima della posa#

Indipendentemente dall'approccio utilizzato, un modello di stima della posa deve comunque essere addestrato e testato con attenzione prima di poter essere considerato affidabile nel mondo reale. In genere apprende da grandi raccolte di immagini (e talvolta di video) in cui sono etichettati i punti chiave del corpo, così da gestire pose, angolazioni della telecamera e ambienti diversi.

Tra i più noti dataset per la stima della posa figurano COCO Keypoints, MPII Human Pose, CrowdPose e OCHuman. Quando questi dataset non rispecchiano le condizioni che il modello incontrerà in fase di implementazione, spesso gli ingegneri raccolgono e annotano immagini aggiuntive dell’ambiente di destinazione, come un reparto di fabbrica, una palestra o una clinica.

Fig. 4. Diverse pose stimate con la computer vision (Fonte)

Dopo l'addestramento, le prestazioni del modello vengono valutate su benchmark standard per misurarne la precisione e la robustezza e guidare ulteriori ottimizzazioni per l'uso nel mondo reale. I risultati vengono spesso riportati usando la precisione media media, comunemente indicata con mAP, che riassume le prestazioni a diverse soglie di confidenza confrontando le pose predette con quelle annotate come verità di riferimento.

In molti benchmark di stima della posa, una posa prevista viene confrontata con una posa reale usando la somiglianza dei punti chiave degli oggetti (OKS). OKS misura quanto i punti chiave previsti siano vicini a quelli annotati, tenendo conto di fattori come la scala della persona e la difficoltà tipica di localizzazione di ciascun punto chiave.

I modelli di stima della posa restituiscono anche punteggi di confidenza per le persone rilevate e per i singoli punti chiave. Questi punteggi indicano il livello di confidenza del modello e vengono usati per ordinare e filtrare le previsioni, un aspetto particolarmente importante in condizioni difficili come occlusioni, sfocatura da movimento o angolazioni insolite della telecamera.

Strumenti e librerie popolari per la stima della posa#

Oggi sono disponibili molti strumenti per la stima della posa, ognuno con un diverso equilibrio tra velocità, accuratezza e facilità d’uso. Ecco alcuni degli strumenti e delle librerie più utilizzati:

• Ultralytics YOLO11: sviluppato come modello di vision AI open source all’avanguardia, YOLO11 si basa su modelli precedenti come Ultralytics YOLOv8. Migliora velocità, precisione ed efficienza complessiva e supporta diverse attività di computer vision, tra cui la stima della posa. Grazie alle prestazioni elevate su piattaforme che vanno dai laptop ai dispositivi edge, YOLO11 è una buona scelta per molte implementazioni reali.
• Ultralytics YOLO26: questo modello di nuova generazione, rilasciato a gennaio 2026, è progettato per essere più leggero, compatto e veloce, mantenendo un’elevata precisione. È pensato per l’uso in tempo reale e un’implementazione più semplice e supporta attività come il rilevamento degli oggetti, la segmentazione delle istanze e la stima della posa, con dimensioni adatte a tutto, dai dispositivi edge ai sistemi più grandi.
• MediaPipe: è un framework multipiattaforma per creare pipeline di visione artificiale e machine learning. È leggero e funziona in modo efficiente su dispositivi mobili, tablet e app web; include soluzioni e modelli pronti all’uso per la posa di tutto il corpo, i punti di riferimento del volto e il tracciamento delle mani.
• OpenPose: questo sistema open source end-to-end per la stima della posa è ampiamente noto per il rilevamento dei punti chiave su più persone. Può stimare contemporaneamente i punti chiave del corpo, delle mani e del viso ed è usato comunemente nella ricerca, nell’animazione e nell’analisi del movimento.
• MMPose: MMPose è un toolkit per la stima della posa basato su PyTorch, appartenente all’ecosistema OpenMMLab. Offre numerose implementazioni di modelli, utilità di addestramento e opzioni di configurazione, caratteristiche che lo rendono utile per la sperimentazione e la personalizzazione approfondita.
• HRNet e AlphaPose: sono modelli di stima della posa meno recenti, ancora usati nella ricerca. HRNet è un’architettura di modello per la stima della posa che mantiene caratteristiche delle immagini ad alta risoluzione in tutta la rete, consentendo di localizzare con precisione i punti chiave. AlphaPose è un sistema ampiamente utilizzato per la stima della posa di più persone, soprattutto quando serve un’elevata accuratezza in scene affollate o complesse.

Applicazioni pratiche dell’analisi e della stima della posa#

La stima della posa viene sempre più utilizzata per ricavare informazioni utili sui movimenti da video ordinari. Tracciando i punti chiave del corpo fotogramma per fotogramma, questi sistemi possono dedurre postura, movimento e comportamento fisico dai flussi video delle telecamere, rendendo questa tecnologia pratica in molti contesti reali.

Per esempio, in ambito sanitario e riabilitativo, il tracciamento della posa può aiutare i medici a osservare e misurare i movimenti del paziente durante la terapia e il recupero. Estraendo i punti di riferimento del corpo da normali registrazioni video, è possibile valutare nel tempo la postura, l’ampiezza dei movimenti e gli schemi motori complessivi. Queste misurazioni possono supportare e ottimizzare le valutazioni cliniche tradizionali e, in alcuni casi, facilitare il monitoraggio dei progressi senza bisogno di sensori indossabili o attrezzature specializzate.

Allo stesso modo, nello sport e nelle trasmissioni, la stima della posa può analizzare i movimenti degli atleti direttamente dai flussi video. Un esempio interessante è Hawk-Eye, un sistema di tracciamento basato su telecamere utilizzato nello sport professionistico per l’arbitraggio e la grafica televisiva. Il sistema offre anche il tracciamento dello scheletro stimando i punti chiave del corpo dell’atleta dalle riprese delle telecamere.

Scegliere lo strumento giusto per la stima della posa#

Per scegliere lo strumento giusto per la stima della posa, inizia dalle esigenze del tuo progetto di visione artificiale. Alcune applicazioni privilegiano la velocità in tempo reale, mentre altre richiedono maggiore accuratezza e più dettagli.

Anche il dispositivo di destinazione per l’implementazione fa la differenza. Le app mobili e i dispositivi edge richiedono in genere modelli leggeri ed efficienti, mentre i modelli più grandi sono spesso più adatti ai server o agli ambienti cloud.

Anche la facilità d’uso può essere importante. Una buona documentazione, un’implementazione semplice e il supporto per l’addestramento personalizzato possono semplificare il tuo progetto.

In poche parole, strumenti diversi eccellono in ambiti diversi. Per esempio, i modelli Ultralytics YOLO offrono un equilibrio pratico tra velocità, accuratezza e facilità di implementazione per molte applicazioni reali di stima della posa.

Fig. 5. Stima della posa animale con Ultralytics YOLO11 (Fonte)

Punti chiave#

La stima della posa aiuta i computer a comprendere i movimenti umani rilevando i punti chiave del corpo in immagini e video. Modelli come YOLO11 e YOLO26 semplificano lo sviluppo di applicazioni in tempo reale per settori come lo sport, la sanità, la sicurezza sul lavoro e le esperienze interattive. Man mano che i modelli diventano più veloci e accurati, è probabile che la stima della posa diventi una funzionalità comune in molti sistemi di IA per la visione.

Vuoi saperne di più sull’IA? Visita la nostra community e il nostro repository GitHub. Esplora le pagine dedicate alle nostre soluzioni per scoprire l’IA nella robotica e la visione artificiale nella produzione industriale. Scopri le opzioni di licenza e inizia a sviluppare con la visione artificiale oggi stesso!