Che cos'è OpenPose? Alla scoperta di una pietra miliare nella stima della posa

Oggi immagini e videocamere sono ovunque: integrate nei nostri telefoni e nelle nostre case, e persino presenti negli spazi pubblici. Ci affidiamo a loro non solo per catturare momenti, ma anche per aiutarci a comprendere e a interagire con il mondo che ci circonda.

Dietro le quinte, la computer vision, un sottocampo dell'intelligenza artificiale (AI), rende tutto questo possibile permettendo alle macchine di interpretare i dati visivi. Consente ai sistemi di rilevare oggetti, riconoscere volti e tracciare i movimenti, svolgendo un ruolo fondamentale in molte delle tecnologie che usiamo ogni giorno.

Grazie ai recenti progressi dell'IA, i modelli di computer vision possono ora analizzare ed estrarre dati e informazioni più complessi. Un esempio è la stima della posa, un'attività di computer vision incentrata sulla comprensione dei movimenti umani.

Il sistema individua punti chiave del corpo, come spalle, gomiti e ginocchia, nelle immagini o nei video. Questo permette di analizzare i movimenti delle persone e di creare applicazioni per il monitoraggio dell'attività fisica, l'animazione, la sanità e molto altro.

Tra i numerosi strumenti sviluppati per la stima della posa, OpenPose si distingue come una svolta importante. Creato dai ricercatori del Perceptual Computing Lab della Carnegie Mellon University, è stato uno dei primi sistemi open source in grado di rilevare in tempo reale le pose di tutto il corpo di più persone, comprese mani, piedi e punti chiave del viso, usando una semplice videocamera (fino a 135 punti chiave per persona).

In questo articolo analizzeremo OpenPose, il suo funzionamento e la sua importanza come tappa fondamentale della computer vision.

Fig. 1. Stima della posa di più persone con OpenPose.

Uno sguardo alla storia della stima della posa#

Prima che l'IA si diffondesse, per tracciare i movimenti umani nei video si usavano attrezzature specializzate. In settori come il cinema e l'animazione, gli attori indossavano spesso tute con marcatori riflettenti, così le videocamere potevano registrarne i movimenti in un ambiente controllato, come uno studio.

Le tecniche di motion capture basate sui marcatori erano precise, ma anche costose e limitate a configurazioni specifiche. Con i progressi della computer vision, i ricercatori hanno cercato metodi per tracciare i movimenti del corpo senza usare marcatori. Per individuare le forme umane nelle immagini, hanno utilizzato bordi, contorni e modelli.

Questi primi sistemi funzionavano in situazioni semplici e lineari, ma faticavano ad affrontare gli scenari reali. Spesso producevano risultati scadenti quando le persone si muovevano in modi inaspettati o quando nell'inquadratura compariva più di una persona.

Alla fine degli anni 2010, il deep learning ha trasformato la stima della posa. Era possibile addestrare modelli di IA visiva su grandi dataset di pose umane. Invece di basarsi su bordi e modelli, i modelli hanno imparato a riconoscere le articolazioni e la struttura del corpo analizzando migliaia di immagini etichettate. La stima della posa è diventata così più precisa, flessibile ed efficace in un maggior numero di contesti.

Fig. 2. Evoluzione dei modelli di stima della posa umana dal 2017 al 2023.

OpenPose: l'inizio della stima moderna della posa#

OpenPose è stato rilasciato per la prima volta nel 2017 ed è in grado di stimare simultaneamente le pose di più persone in una singola immagine. A differenza dei sistemi precedenti, OpenPose non richiede tute o marcatori speciali. Funziona con videocamere standard ed elabora immagini e video in tempo reale. Queste caratteristiche hanno reso la stima della posa più accessibile a sviluppatori e ricercatori.

Le basi gettate da OpenPose per la visione artificiale hanno aiutato altri a sviluppare architetture più recenti per diverse applicazioni. Oggi, modelli di IA per la visione come Ultralytics YOLOv8 e Ultralytics YOLO11 e, più recentemente, Ultralytics YOLO26, che supportano attività di stima della posa, offrono risultati più rapidi e una latenza inferiore.

Fig. 3. Uso di YOLO11 per la stima della posa.

Tuttavia, se vuoi scoprire come si è evoluta la stima della posa, OpenPose è un ottimo punto di partenza. Ha introdotto idee fondamentali su cui molti sistemi più recenti si basano ancora oggi.

Le principali funzionalità di OpenPose#

Ora che abbiamo capito meglio perché OpenPose è importante, vediamo più da vicino cosa può fare concretamente.

Al centro delle funzionalità di OpenPose c'è il cosiddetto rilevamento dei punti chiave. I punti chiave sono riferimenti specifici sul corpo umano, come la punta del naso, il centro delle spalle, i gomiti, i polsi, i fianchi, le ginocchia e le caviglie. OpenPose può rilevare fino a 135 di questi punti per persona, compresi dettagli come le dita e i tratti del viso.

Quando vengono collegati, questi punti formano una rappresentazione semplificata del corpo umano, che puoi immaginare come uno scheletro digitale. Questo schema scheletrico mostra non solo dove si trova una persona, ma anche la sua posa: se è seduta, in piedi, saluta, sorride o cammina. I computer possono interpretare visivamente i movimenti umani usando questi scheletri, proprio come noi comprendiamo istintivamente il linguaggio del corpo di qualcuno.

Il tracciamento scheletrico è particolarmente utile perché elimina il rumore di fondo e le distrazioni, permettendo al sistema di concentrarsi esclusivamente sulla postura e sui movimenti umani. Invece di analizzare ogni pixel, OpenPose si concentra sui punti significativi che raccontano come si muove o interagisce una persona.

Estraendo queste informazioni strutturate da immagini o video di uso quotidiano, OpenPose permette di creare applicazioni che reagiscono ai gesti, monitorano l'attività fisica, valutano segnali emotivi o persino animano personaggi digitali.

Come funziona OpenPose?#

Ecco una panoramica di come OpenPose rileva e collega i punti chiave del corpo umano a partire da dati visivi:

• Parte da un'immagine: OpenPose acquisisce una singola immagine da una foto, un video o un flusso video in diretta di una videocamera.
• Individua le parti del corpo importanti: il sistema cerca i punti chiave del corpo, come naso, gomiti, polsi, ginocchia e caviglie. Li contrassegna nei punti in cui ha maggiore certezza sulla posizione di una parte del corpo.
• Determina quali parti sono collegate: poi, OpenPose verifica come sono collegati i punti chiave. Usa calcoli matematici per stabilire quali articolazioni appartengono alla stessa persona, ad esempio associando un polso al gomito e alla spalla corretti.
• Disegna uno scheletro per ogni persona: dopo aver raggruppato i punti chiave, OpenPose li collega in una figura stilizzata che mostra la posa di ciascuna persona. Il metodo funziona anche quando nell'inquadratura compaiono più persone.
• Restituisce i dati della posa: infine, fornisce le posizioni esatte di tutti i punti chiave rilevati. Questi dati possono essere usati per tracciare i movimenti, riconoscere i gesti o creare strumenti interattivi, tutto in tempo reale.

Fig. 4. Rilevamento e tracciamento dei punti chiave del corpo umano con OpenPose.

Applicazioni della stima della posa con OpenPose nei diversi settori#

OpenPose è stato uno dei primi strumenti avanzati a rendere pratica la stima della posa per una serie di applicazioni reali. Oggi non è comunemente usato nelle soluzioni di computer vision in tempo reale, ma ha svolto un ruolo importante nel plasmare le prime attività in settori come lo sport, l'intrattenimento, l'istruzione e la sicurezza.

Vediamo più da vicino come ha contribuito ad aprire la strada in questi ambiti.

Stima della posa con OpenPose per il fitness e lo sport#

Quando guardi una partita di baseball, è facile capire cosa sta succedendo: riconosci subito un lancio, una battuta o una base rubata. Noi esseri umani leggiamo intuitivamente i movimenti del corpo e li interpretiamo senza troppa fatica. Per le macchine, invece, riconoscere queste azioni è molto più complesso. Servono informazioni precise sui movimenti di ogni parte del corpo nello spazio.

OpenPose ha rappresentato un notevole passo avanti in questo ambito della computer vision. Era uno strumento pratico per analizzare la tecnica atletica in contesti diversi.

Molti progetti di ricerca hanno usato OpenPose per analizzare movimenti come battute e salti, arrivando persino a classificare specifiche azioni di baseball in base ai movimenti dei giocatori. Poiché funzionava in ambienti aperti con video standard, ha permesso ai ricercatori di verificare come potevano funzionare questi sistemi in scenari reali di allenamento o coaching.

Questi primi studi hanno contribuito a gettare le basi per gli strumenti di monitoraggio delle prestazioni oggi utilizzati nella tecnologia sportiva avanzata.

Fig. 5. Uno sguardo a una pipeline di classificazione delle azioni nel baseball con OpenPose.

Uso di OpenPose nei sistemi di sicurezza e protezione#

Allo stesso modo, i ricercatori hanno usato OpenPose anche per esplorare in che modo il tracciamento delle pose basato su video potesse supportare il monitoraggio della sicurezza. È stato testato per rilevare comportamenti come cadute, gesti imprevisti o schemi di movimento nelle aree pubbliche.

Poiché funzionava con telecamere standard, OpenPose ha reso più accessibili le prime sperimentazioni in ambienti come ospedali e snodi di trasporto. Questi studi hanno contribuito a promuovere lo sviluppo di modelli più recenti, oggi utilizzati nei sistemi di sorveglianza, rilevamento delle cadute e risposta alle emergenze.

Fig. 6. Rilevamento delle cadute basato su OpenPose.

Pro e contro di OpenPose#

Ecco una panoramica di alcuni dei vantaggi offerti da OpenPose:

• Utile per la ricerca e la prototipazione: è stato ampiamente utilizzato nella ricerca accademica, soprattutto in ambiti come l'interazione uomo-computer, la biomeccanica e l'analisi comportamentale.
• Supporto multipiattaforma: può essere eseguito su Windows, Linux e macOS, con supporto sia per le unità di elaborazione centrali (CPUs) sia per le unità di elaborazione grafica (GPUs).
• Possibilità di elaborazione offline: può essere eseguito in ambienti senza accesso a Internet, il che lo rende ideale per contesti in cui la privacy è fondamentale, come la sanità o l'istruzione.

Sebbene OpenPose abbia rappresentato un importante passo avanti, presenta anche limiti tecnici da tenere in considerazione. Ecco alcune delle principali sfide associate a OpenPose:

• Elevati requisiti di elaborazione: eseguire OpenPose in tempo reale richiede una GPU potente e notevoli risorse di calcolo.
• Sensibile all'ambiente: le prestazioni possono diminuire in condizioni di scarsa illuminazione, in spazi affollati o quando l'angolazione della telecamera non è ideale.
• Pesante rispetto ai modelli più recenti: rispetto ai modelli più recenti di stima della posa, OpenPose è relativamente ingombrante e più lento. Non è adatto alla distribuzione su dispositivi con risorse limitate, come smartphone, tablet o sistemi embedded.

Punti chiave#

OpenPose ha svolto un ruolo importante nel rendere più accessibile la stima della posa. Ha dimostrato che è possibile tracciare i movimenti del corpo con una semplice telecamera, senza ricorrere a tute o attrezzature specializzate.

Ha gettato le basi per molte applicazioni pratiche in ambiti come sanità, istruzione, intrattenimento e ricerca. Sebbene i modelli più recenti offrano velocità superiori e un ingombro minore, OpenPose rimane un riferimento fondamentale per comprendere l'evoluzione della stima della posa.

Unisciti alla nostra community e visita il nostro repository GitHub per saperne di più sull'AI. Se vuoi sviluppare le tue soluzioni di computer vision, scopri le nostre opzioni di licenza. Scopri anche come la computer vision in ambito sanitario e l'AI nella logistica stanno facendo la differenza!