Facendo clic su "Accetta tutti i cookie", l'utente accetta la memorizzazione dei cookie sul proprio dispositivo per migliorare la navigazione del sito, analizzarne l'utilizzo e contribuire alle nostre iniziative di marketing. Per saperne di più
Impostazioni dei cookie
Facendo clic su "Accetta tutti i cookie", l'utente accetta la memorizzazione dei cookie sul proprio dispositivo per migliorare la navigazione del sito, analizzarne l'utilizzo e contribuire alle nostre iniziative di marketing. Per saperne di più
Scopri come OpenPose può essere utilizzato per la stima della posa nelle applicazioni di visione artificiale. Scopri le sue caratteristiche e la sua importanza nell'intelligenza artificiale per la visione.
Oggigiorno, immagini e fotocamere sono ovunque: integrate nei nostri telefoni, nelle nostre case e persino negli spazi pubblici. Ci affidiamo a loro non solo per catturare momenti, ma anche per comprendere e interagire con il mondo che ci circonda.
Dietro le quinte, la visione artificiale , un sottocampo dell'intelligenza artificiale (IA), rende tutto questo possibile consentendo alle macchine di interpretare i dati visivi. Permette ai sistemi di rilevare oggetti, riconoscere volti e tracciare i movimenti, svolgendo un ruolo chiave in molte delle tecnologie che utilizziamo quotidianamente.
Grazie ai recenti progressi nell'intelligenza artificiale, i modelli di visione artificiale possono ora analizzare ed estrarre dati e informazioni più complessi. Un esempio è la stima della posa , un'attività di visione artificiale incentrata sulla comprensione del movimento umano.
Funziona identificando punti chiave del corpo, come spalle, gomiti e ginocchia, in immagini o video. Questo permette di analizzare il modo in cui le persone si muovono, consentendo applicazioni nel fitness tracking, nell'animazione, nell'assistenza sanitaria e altro ancora.
Tra i numerosi strumenti sviluppati per la stima della posa, OpenPose si distingue come una svolta fondamentale. Creato dai ricercatori del Perceptual Computing Lab della Carnegie Mellon University, è stato uno dei primi sistemi open source in grado di rilevare pose di tutto il corpo, inclusi mani, piedi e punti chiave del viso, per più persone in tempo reale utilizzando una sola telecamera (fino a 135 punti chiave per persona).
In questo articolo esploreremo OpenPose, il suo funzionamento e la sua importanza come pietra miliare nella visione artificiale.
Fig 1. Stima della posa multi-persona mediante OpenPose.
Uno sguardo alla storia della stima della posa
Prima che l'intelligenza artificiale fosse ampiamente adottata, il tracciamento del movimento umano nei video richiedeva l'utilizzo di attrezzature specializzate. In settori come il cinema e l'animazione , gli attori indossavano spesso tute con indicatori riflettenti in modo che le telecamere potessero catturare i loro movimenti in un ambiente di studio controllato.
Sebbene queste tecniche di motion capture basate su marcatori fossero accurate, erano anche costose e limitate a configurazioni specifiche. Con l'avanzare della visione artificiale, i ricercatori hanno cercato modi per tracciare i movimenti del corpo senza l'uso di marcatori. Hanno utilizzato bordi, contorni e modelli per individuare le forme umane nelle immagini.
Questi primi sistemi funzionavano in casi semplici e diretti, ma avevano difficoltà con scenari reali. Spesso fornivano risultati scadenti quando le persone si muovevano in modo inaspettato o quando più di una persona appariva in un'inquadratura.
Verso la fine degli anni 2010, il deep learning ha portato un cambiamento radicale nella stima delle pose. I modelli di intelligenza artificiale visiva potevano essere addestrati su ampi set di dati di pose umane. Invece di affidarsi a bordi e modelli, i modelli hanno imparato a riconoscere articolazioni e strutture corporee studiando migliaia di immagini etichettate. Ciò ha reso la stima delle pose più accurata, flessibile e di impatto in una gamma più ampia di contesti.
Fig 2. L'evoluzione dei modelli di stima della posa umana dal 2017 al 2023.
OpenPose: dove è nata la stima moderna della posa
OpenPose è stato rilasciato per la prima volta nel 2017 ed è in grado di stimare le pose di più persone contemporaneamente in una singola immagine. A differenza dei sistemi precedenti, OpenPose non richiede tute o marcatori speciali. Funziona con fotocamere standard e può elaborare immagini e video in tempo reale. Queste funzionalità hanno reso la stima delle pose più accessibile a sviluppatori e ricercatori.
Le basi gettate da OpenPose per la visione artificiale hanno aiutato altri a sviluppare architetture più innovative per una varietà di altre applicazioni. Oggi, modelli di Vision AI come Ultralytics YOLO8 e Ultralytics YOLO11 , che supportano attività di stima della posa, offrono risultati più rapidi e una latenza inferiore.
Fig 3. Utilizzo di YOLO11 per la stima della posa.
Tuttavia, OpenPose è un ottimo punto di partenza se siete curiosi di scoprire come si è evoluta la stima della posa. Ha introdotto idee chiave su cui molti sistemi più recenti si basano ancora oggi.
Le principali capacità di OpenPose
Ora che abbiamo capito meglio perché OpenPose è importante, diamo un'occhiata più da vicino a cosa può fare concretamente.
Il cuore delle capacità di OpenPose è il rilevamento dei punti chiave . I punti chiave sono punti di riferimento 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, incluse aree dettagliate come dita e tratti del viso.
Quando questi punti sono collegati, formano una rappresentazione semplificata del corpo umano: si può pensare a uno scheletro digitale. Questo schema scheletrico mostra non solo dove si trova una persona, ma anche come si posiziona: 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, consentendo al sistema di concentrarsi esclusivamente sulla postura e sul movimento umano. Invece di analizzare ogni pixel, OpenPose si concentra sui punti significativi che raccontano come una persona si muove o interagisce.
Estraendo queste informazioni strutturate da immagini o video di uso quotidiano, OpenPose consente di creare applicazioni che rispondono ai gesti, monitorano l'attività fisica, valutano segnali emotivi o addirittura animano personaggi digitali.
Come funziona OpenPose?
Ecco una panoramica di come OpenPose rileva e collega i punti chiave del corpo umano a partire da input visivi:
Inizia con un'immagine: OpenPose acquisisce una singola immagine da una foto, da un video o da un feed live della telecamera .
Individua le parti importanti del corpo: il sistema cerca punti chiave sul corpo, come naso, gomiti, polsi, ginocchia e caviglie. Vengono contrassegnati ovunque il sistema ritenga che si trovi una parte del corpo.
Individua quali parti vanno insieme: successivamente, OpenPose verifica come sono collegati i punti chiave. Utilizza calcoli matematici per stabilire quali articolazioni appartengono alla stessa persona, ad esempio, abbinando un polso al gomito e alla spalla destri.
Disegna uno scheletro per ogni persona: dopo aver raggruppato i punti chiave, OpenPose li collega in una "figura stilizzata" che mostra la posa di ogni persona. Questo funziona anche quando più persone appaiono nella stessa inquadratura.
Restituisce i dati di posa: infine, fornisce le posizioni esatte di tutti i punti chiave rilevati. Questi possono essere utilizzati per tracciare i movimenti, riconoscere i gesti o creare strumenti interattivi, il tutto in tempo reale.
Fig. 4. Rilevamento e tracciamento dei punti chiave umani mediante OpenPose.
Applicazioni di stima della posa in tutti i settori utilizzando OpenPose
OpenPose è stato uno dei primi strumenti avanzati a rendere la stima della posa pratica per una varietà di casi d'uso reali. Sebbene oggi non sia comunemente utilizzato nelle soluzioni di visione artificiale in tempo reale, ha svolto un ruolo importante nel plasmare le prime applicazioni in settori come lo sport, l'intrattenimento, l'istruzione e la sicurezza.
Diamo un'occhiata più da vicino a come ha contribuito ad aprire la strada in questi ambiti.
Stima della posa con OpenPose per fitness e sport
Quando guardi una partita di baseball, è facile capire cosa sta succedendo: puoi riconoscere all'istante un lancio, uno swing o una base rubata. Come esseri umani, leggiamo intuitivamente i movimenti del corpo e li interpretiamo senza troppa fatica. Ma per le macchine, riconoscere queste azioni è molto più complesso. Hanno bisogno di informazioni precise su come ogni parte del corpo si muove nello spazio.
OpenPose ha rappresentato un passo avanti sostanziale in questo ambito della visione artificiale. Si è rivelato uno strumento pratico per l'analisi della forma atletica in diversi contesti.
Molti progetti di ricerca hanno utilizzato OpenPose per scomporre movimenti come swing e salti, classificando persino specifiche azioni del baseball in base al modo in cui si muovevano i giocatori. Funzionando in ambienti aperti con video standard, ha permesso ai ricercatori di testare il funzionamento di tali sistemi in scenari di allenamento o coaching reali.
Questi primi studi hanno contribuito a gettare le basi per gli strumenti di monitoraggio delle prestazioni oggi impiegati nella tecnologia sportiva avanzata.
Fig. 5. Uno sguardo a una pipeline di classificazione delle azioni di baseball utilizzando OpenPose.
Utilizzo di OpenPose nei sistemi di sicurezza e protezione
Allo stesso modo, i ricercatori hanno utilizzato OpenPose anche per esplorare come il tracciamento delle pose basato su video potesse supportare il monitoraggio della sicurezza. È stato testato per rilevare comportamenti come cadute, gesti inaspettati o schemi di movimento in aree pubbliche.
Grazie al suo funzionamento con telecamere standard, OpenPose ha reso la sperimentazione iniziale più accessibile in ambienti come ospedali e hub di trasporto. Questi studi hanno contribuito allo sviluppo di modelli più recenti, ora utilizzati nei sistemi di sorveglianza, rilevamento delle cadute e risposta alle emergenze.
Fig. 6. Rilevamento delle cadute abilitato da OpenPose.
Pro e contro di OpenPose
Ecco alcuni dei vantaggi offerti da OpenPose:
Utile per la ricerca e la prototipazione: è stato ampiamente utilizzato nella ricerca accademica, soprattutto in campi quali 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 centrale (CPU) che per le unità di elaborazione grafica (GPU) .
Capacità di elaborazione offline : può essere eseguito in ambienti senza accesso a Internet, il che lo rende ideale per contesti sensibili alla privacy come l'assistenza sanitaria o l'istruzione.
Sebbene OpenPose abbia rappresentato un importante passo avanti, presenta anche delle limitazioni tecniche che è importante tenere a mente. Ecco alcune delle principali sfide associate a OpenPose:
Elevati requisiti di elaborazione: l'esecuzione di OpenPose in tempo reale richiede una GPU potente e notevoli risorse di elaborazione.
Sensibile all'ambiente: le prestazioni potrebbero diminuire in condizioni di scarsa illuminazione, in spazi affollati o quando le angolazioni della telecamera non sono ideali.
Pesante rispetto ai modelli più recenti: rispetto ai modelli di stima della posa più recenti, OpenPose è relativamente grande e più lento. Non è adatto all'implementazione su dispositivi con risorse limitate come smartphone, tablet o sistemi embedded.
Punti di forza
OpenPose ha svolto un ruolo importante nel rendere la stima della posa più accessibile. Ha dimostrato che il tracciamento dei movimenti del corpo può essere effettuato con una semplice telecamera, senza dover ricorrere a tute o attrezzature specializzate.
Ha gettato le basi per numerose applicazioni pratiche in ambito sanitario, educativo, dell'intrattenimento e della ricerca. Sebbene i modelli più recenti offrano ora velocità più elevate e prestazioni più leggere, OpenPose rimane un punto di riferimento fondamentale per comprendere l'evoluzione della stima della posa.
IT
EN
ZH
KO
JA
RU
DE
FR
ES
PT
TR
VI
AR
