Che cos’è la stima della posa e dove si può usare?

Quando vedi una persona curva in avanti o dritta con le spalle all'indietro, capisci subito se ha una postura scorretta o sicura. Non serve che nessuno te lo spieghi. Questo perché, con il tempo, abbiamo imparato naturalmente a interpretare il linguaggio del corpo.

Grazie all'esperienza e all'osservazione, il nostro cervello è diventato molto abile nel riconoscere la postura di vari oggetti, compresi gli esseri umani. Grazie ai recenti progressi dell'intelligenza artificiale (AI) e della computer vision, un campo che consente alle macchine di interpretare le informazioni visive provenienti dal mondo, anche le macchine stanno iniziando a imparare e replicare questa capacità.

La stima della posa è un'attività di visione artificiale che consente alle macchine di determinare la posizione e l'orientamento di una persona o di un oggetto analizzando immagini o video. Lo fa identificando punti chiave del corpo, come articolazioni e arti, per capire come si muove una persona o persino un oggetto.

Questa tecnologia è ampiamente utilizzata in settori come il fitness, l’assistenza sanitaria e l’animazione. Per esempio, negli ambienti di lavoro può servire a monitorare la postura dei dipendenti e a sostenere iniziative per la sicurezza e il benessere. Modelli di computer vision come Ultralytics YOLO11 lo rendono possibile stimando le pose umane in tempo reale.

Fig. 1. Un esempio dell'uso di Ultralytics YOLO11 per monitorare la postura dei lavoratori.

In questo articolo approfondiremo la stima della posa e il suo funzionamento, insieme a casi d’uso reali in cui sta facendo la differenza.

L'evoluzione della stima della posa#

Le ricerche sulla stima della posa sono iniziate tra la fine degli anni '60 e gli anni '70. Nel corso degli anni, gli approcci a questa attività di visione artificiale sono passati dalla matematica e dalla geometria di base a metodi più avanzati basati sull'intelligenza artificiale.

Inizialmente, queste tecniche si basavano su angolazioni fisse delle telecamere e punti di riferimento noti. In seguito si sono evolute includendo modelli 3D e il confronto delle caratteristiche. Oggi, modelli di deep learning come Ultralytics YOLO11 e il suo successore, Ultralytics YOLO26, possono rilevare in tempo reale la posizione del corpo nelle immagini o nei video, rendendo la stima della posa più rapida e precisa che mai.

Con il progresso della tecnologia, i ricercatori hanno riconosciuto le potenziali applicazioni del monitoraggio e del tracciamento delle pose di vari oggetti, soprattutto esseri umani e animali. La stima della posa è particolarmente importante perché consente agli strumenti di IA di comprendere e misurare postura e movimento in modi prima impossibili.

Per esempio, consente ai computer di riconoscere i gesti per interagire a mani libere, analizza i movimenti degli atleti per migliorarne le prestazioni, permette di creare animazioni realistiche nei videogiochi e supporta persino la sanità monitorando i progressi dei pazienti nel recupero.

In che cosa si differenzia dagli altri compiti di visione artificiale?#

La stima della posa si differenzia da altri compiti di visione artificiale come il rilevamento degli oggetti e la segmentazione delle istanze. Questi compiti si concentrano soprattutto sull'identificazione e la localizzazione degli oggetti in un'immagine.

Per esempio, il rilevamento degli oggetti disegna riquadri di delimitazione intorno a elementi come persone, veicoli o animali per indicarne la presenza e la posizione. La segmentazione delle istanze fa un passo in più, delineando la forma precisa di ogni oggetto a livello di pixel.

Tuttavia, entrambi questi metodi si concentrano principalmente su che cosa sia un oggetto e dove si trovi: non forniscono informazioni su come è posizionato o su che cosa potrebbe fare. È qui che la stima della posa diventa fondamentale.

Identificando punti chiave del corpo, come gomiti, ginocchia o persino una coda, la stima della posa può interpretare postura e movimento. Questo permette di comprendere più a fondo le azioni, i gesti e le dinamiche del corpo, compresi i movimenti nello spazio 3D.

Come funziona la stima della posa#

I modelli di stima della posa seguono generalmente due approcci principali: bottom-up e top-down. Nell'approccio bottom-up, il modello rileva prima i singoli punti chiave, come gomiti, ginocchia o spalle, e poi li raggruppa per determinare a quale persona o oggetto appartengono. L'approccio top-down, invece, inizia rilevando ciascun oggetto (per esempio, una persona nell'immagine) e poi individua i punti chiave di quello specifico oggetto.

Fig. 2. Metodi bottom-up e top-down per la stima della posa.

Alcuni modelli più recenti, come Ultralytics YOLO11, combinano i vantaggi di entrambi gli approcci. YOLO11 mantiene l’efficienza del metodo bottom-up evitando la fase di raggruppamento manuale e sfrutta la precisione dei sistemi top-down, rilevando le persone e stimandone le pose in un’unica procedura ottimizzata.

Addestrare Ultralytics YOLO11 in modo personalizzato per la stima della posa#

Mentre vediamo come funzionano i modelli di stima della posa, potresti chiederti come facciano questi modelli a imparare a stimare la posa di oggetti diversi. È qui che entra in gioco l'addestramento personalizzato.

L'addestramento personalizzato consiste nell'insegnare a un modello a riconoscere punti chiave specifici usando i tuoi dati. Poiché creare un modello da zero richiede molte immagini etichettate e parecchio tempo, molte persone scelgono il transfer learning. Questo approccio parte da un modello già addestrato su un ampio set di dati, come il modello di stima della posa Ultralytics YOLO11, preaddestrato sul dataset COCO-Pose, per poi perfezionarlo con i tuoi dati e adattarlo a un'attività o a un caso d'uso specifico.

Poniamo che tu stia lavorando sulle pose yoga: puoi ottimizzare Ultralytics YOLO11 usando immagini in cui ogni posa è annotata con punti chiave specifici per quell’attività. Per farlo, ti servirà un dataset di pose personalizzato, composto da immagini annotate da cui il modello possa apprendere.

Durante l'addestramento puoi modificare impostazioni come la dimensione del batch (il numero di immagini elaborate contemporaneamente), il tasso di apprendimento (la velocità con cui il modello aggiorna ciò che ha imparato) e il numero di epoche (quante volte il modello elabora l'intero dataset) per migliorare l'accuratezza. In questo modo è molto più facile creare modelli di stima della posa adatti alle tue esigenze specifiche.

Applicazioni reali della stima della posa#

Ora che abbiamo visto che cos'è la stima della posa e come funziona, approfondiamo alcuni dei suoi casi d'uso nel mondo reale.

Uso della stima della posa in fisioterapia#

La stima della posa sta diventando gradualmente uno strumento affidabile nel settore sanitario, soprattutto nella fisioterapia. Grazie all'IA e alla visione artificiale, questi sistemi possono monitorare in tempo reale la postura e i movimenti e fornire un riscontro, proprio come farebbe un fisioterapista.

Per esempio, un paziente che si sta riprendendo da un intervento al ginocchio può usare un sistema di stima della posa per assicurarsi di eseguire correttamente gli esercizi di riabilitazione. Il sistema può rilevare i movimenti scorretti e suggerire come migliorarli, aiutando il paziente a seguire il programma ed evitare infortuni.

Fig. 3. Un esempio dell'uso di Ultralytics YOLO11 in fisioterapia.

Oltre alla riabilitazione, la stima della posa sta arrivando anche nelle app per il fitness. Per esempio, chi si allena a casa può usare l'app per controllare la propria tecnica durante gli esercizi. L'app può fornire riscontri in tempo reale, per esempio aiutandoti a correggere l'angolazione di uno squat o a tenere la schiena dritta durante uno stacco da terra. In questo modo gli utenti possono migliorare la propria tecnica e prevenire gli infortuni senza bisogno di un personal trainer.

Il motion capture nell'intrattenimento grazie alla stima della posa#

La stima della posa ha cambiato il modo in cui funziona il motion capture nell'intrattenimento, rendendolo più semplice e accessibile. In passato, il motion capture richiedeva di applicare dei marcatori sul corpo di una persona e tracciarli con telecamere speciali: un processo complicato e costoso.

Oggi, grazie ai progressi dell’IA e della computer vision, possiamo usare normali telecamere e algoritmi per tracciare i movimenti del corpo senza marcatori, rendendo il processo più efficiente e preciso, anche in tempo reale.

Un ottimo esempio è AR Poser di Disney (realtà aumentata). Questo strumento divertente ti permette di scattare una foto con il telefono e di far imitare la tua posa a un personaggio digitale in realtà aumentata. Analizza la tua posa nella foto e la abbina a un personaggio 3D, creando un selfie in realtà aumentata divertente e personalizzato.

Fig. 4. Un personaggio in realtà aumentata imita la posa di una persona grazie alla stima della posa.

Ricerca sul comportamento sociale basata sulla stima della posa degli animali#

Studiare il comportamento degli animali aiuta gli scienziati a capire come comunicano, trovano partner, si prendono cura dei piccoli e vivono in gruppo. Queste conoscenze sono essenziali per proteggere la fauna selvatica e comprendere meglio il mondo naturale.

La stima della posa semplifica questo processo tracciando i movimenti degli animali e la loro postura tramite immagini e video, senza applicare sensori o etichette agli animali. Questi sistemi possono monitorarne automaticamente le pose e fornire informazioni su comportamenti come la toelettatura, il gioco o la lotta.

Un esempio interessante è l'uso della stima della posa da parte degli scienziati per studiare il comportamento delle scimmie antropomorfe. I ricercatori hanno infatti raccolto dataset come OpenApePose, che contiene oltre 71.000 immagini etichettate di sei specie di scimmie antropomorfe.

Fig. 5. Stima della posa delle scimmie antropomorfe.

Vantaggi e svantaggi della stima della posa#

Ecco alcuni dei principali vantaggi che la stima della posa può offrire a vari settori:

• Scalabilità: i sistemi di stima della posa possono essere implementati su un'ampia gamma di dispositivi, dagli smartphone alle configurazioni avanzate di telecamere, risultando altamente scalabili e accessibili per diversi casi d'uso e ambienti.
• Convenienza economica: poiché la stima della posa si basa su telecamere comuni e non richiede sensori o etichette costosi, può essere una soluzione più conveniente per tracciare i movimenti nelle applicazioni di ricerca e commerciali.
• Monitoraggio continuo: i sistemi di stima della posa possono offrire un tracciamento continuo in tempo reale, permettendo di monitorare i cambiamenti nel tempo, sia per seguire i progressi dei pazienti durante la riabilitazione sia per tracciare il comportamento degli animali in natura.

Sebbene i vantaggi della stima della posa siano evidenti in vari settori, ci sono anche alcune difficoltà da considerare. Ecco alcuni limiti importanti da tenere a mente:

• Generalizzazione limitata: molti modelli addestrati su dataset di esseri umani non si generalizzano bene agli animali o a strutture corporee insolite senza essere riaddestrati su dataset specifici.
• Limiti ambientali: le prestazioni possono peggiorare in condizioni di scarsa illuminazione, con sfocatura dovuta a movimenti rapidi o con sfondi disordinati.
• Elevata sensibilità alle occlusioni: l'accuratezza può diminuire quando parti del corpo sono nascoste o fuori dall'inquadratura, soprattutto nelle scene affollate o nel tracciamento di più persone.

Punti chiave#

La stima della posa ha fatto molta strada dalle origini, evolvendosi dai sistemi basati sui marcatori a strumenti efficaci basati su modelli di deep learning come Ultralytics YOLO11. Che si tratti di migliorare la fisioterapia, offrire esperienze interattive in realtà aumentata o supportare la ricerca sulla fauna selvatica, la stima della posa sta cambiando il modo in cui le macchine comprendono il movimento e la postura. Con il continuo progresso della tecnologia, affrontarne i limiti sarà fondamentale per sbloccare ancora più applicazioni pratiche e aiutare le macchine a capire meglio come ci muoviamo noi e gli altri esseri viventi.

Ti interessa l'IA? Esplora il nostro repository GitHub, entra in contatto con la nostra community e scopri le nostre opzioni di licenza per avviare il tuo progetto di visione artificiale. Scopri di più sulle innovazioni come l'IA nel commercio al dettaglio e la visione artificiale nel settore della logistica nelle nostre pagine dedicate alle soluzioni.