Keypoints

I keypoint sono posizioni spaziali o punti di riferimento distinti all'interno di un'immagine che definiscono caratteristiche significative di un oggetto o di un soggetto. Nel contesto della computer vision e del machine learning, un keypoint è tipicamente rappresentato da un insieme di coordinate (X, Y) che individuano con precisione una parte specifica di un oggetto, come il gomito di una persona, l'angolo di un edificio o il centro della ruota di un'auto. A differenza dei compiti più semplici che identificano solo la presenza di un oggetto, l'identificazione dei keypoint consente ai modelli di intelligenza artificiale (IA) di comprendere la geometria, la postura e la disposizione strutturale del soggetto. Questa capacità è fondamentale per l'analisi visiva avanzata, consentendo alle macchine di interpretare il linguaggio del corpo, tracciare movimenti precisi e allineare le sovrapposizioni digitali con gli oggetti del mondo reale.

Il ruolo dei keypoint nei modelli AI#

I keypoint fungono da dati fondamentali per la pose estimation, una tecnica che mappa la struttura scheletrica di un essere umano o di un animale. Rilevando un insieme predefinito di punti, come spalle, ginocchia e caviglie, gli algoritmi possono ricostruire l'intera posa di un soggetto in tempo reale. Questo processo va oltre la standard object detection, che in genere produce un rettangolo di delimitazione attorno a un oggetto senza comprenderne la forma interna.

Le architetture moderne, come l'all'avanguardia Ultralytics YOLO26, si sonopevolute per prevedere questi keypoint con elevata precisione e velocità. Questi modelli utilizzano reti di deep learning (DL) addestrate su enormi dataset annotati, come COCO Keypoints, per apprendere i pattern visivi associati alle articolazioni e ai tratti del viso. Durante l'inferenza, il modello effettua la regressione delle coordinate per ciascun keypoint, includendo spesso un punteggio di confidenza per indicare l'affidabilità della previsione.

Keypoint vs. concetti correlati#

È utile distinguere i keypoint da altri output comuni di computer vision per comprenderne l'utilità specifica:

• Keypoints vs Bounding Boxes: Un bounding box fornisce una localizzazione grossolana, racchiudendo l'intero oggetto in un rettangolo. I keypoint forniscono una localizzazione dettagliata di parti specifiche all'interno di quell'oggetto.
• Keypoints vs Segmentazione dell'immagine: La segmentazione dell'immagine classifica ogni pixel per creare una maschera precisa della forma dell'oggetto. Sebbene la segmentazione offra informazioni dettagliate sui confini, i keypoint offrono un riepilogo strutturale (uno "scheletro") che è spesso più efficiente per analizzare il movimento e la cinematica.
• Keypoints vs Descrittori di caratteristiche: Nell'elaborazione di immagini tradizionale come SIFT (Scale-Invariant Feature Transform), i keypoint sono punti di interesse (angoli, blob) utilizzati per il matching delle immagini. Nella moderna pose estimation basata su DL, i keypoint sono etichette semantiche (ad esempio, "polso sinistro")apprese dalla rete.

Applicazioni nel mondo reale#

La capacità di tracciare parti specifiche del corpo o caratteristiche di oggetti sblocca diverse applicazioni in vari settori:

• Analisi sportiva: Allenatori e atleti utilizzano la pose estimation per analizzare la biomeccanica. Monitorando i keypoint sulle articolazioni, i sistemi possono calcolare angoli e velocità per migliorare la tecnica in sport come golf, tennis o corsa di velocità. Guarda come i modelli Ultralytics YOLO tracciano gli swing del golf per fornire feedback utilizzabili.
• Sanità e riabilitazione: Le piattaforme di fisioterapia sfruttano i keypoint per monitorare gli esercizi dei pazienti da remoto. Il sistema garantisce che i pazienti mantengano la forma corretta durante le routine di riabilitazione, riducendo il rischio di infortuni e monitorando i progressi del recupero.
• Realtà Aumentata (AR): I filtri dei social media e le applicazioni di prova virtuale si basano sui keypoint facciali (occhi, naso, contorni della bocca) per ancorare saldamente maschere digitali o occhiali al volto di un utente, mantenendo l'allineamento anche durante il movimento.
• Monitoraggio del conducente: I sistemi di sicurezza automobilistica tracciano i punti di riferimento facciali per rilevare segni di sonnolenza o distrazione, avvisando il conducente se gli occhi si chiudono o se la posizione della testa indica una mancanza di attenzione.

Implementazione del rilevamento dei keypoint con Ultralytics YOLO26#

Utilizzando la Ultralytics Platform o il Python SDK, puoi implementare facilmente il rilevamento dei keypoint. Il seguente esempio dimostra come caricare un modello YOLO26-pose pre-addestrato ed eseguire l'inferenza su un'immagine per rilevare gli scheletri umani.

from ultralytics import YOLO

# Load a pre-trained YOLO26 pose estimation model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Visualize the results showing detected keypoints and skeletons
for result in results:
    result.show()  # Display the image with keypoints drawn

    # Access keypoint coordinates (x, y, confidence)
    keypoints = result.keypoints.data
    print(f"Detected keypoints shape: {keypoints.shape}")

Questo semplice flusso di lavoro consente il rapido deployment di sofisticate applicazioni di computer vision (CV). Per gli utenti che desiderano addestrare i propri modelli di keypoint personalizzati, ad esempio per rilevare punti specifici su macchinari industriali o specie animali, la Ultralytics Platform semplifica il processo di annotazione dei dati e di addestramento del modello nel cloud.

Considerazioni avanzate#

Il deployment riuscito del rilevamento dei keypoint richiede la gestione di sfide come l'occlusione (quando una parte del corpo è nascosta) e diverse condizioni di illuminazione. I modelli moderni affrontano questo problema attraverso una robusta data augmentation durante l'addestramento, esponendo la rete a scenari diversificati. Inoltre, l'integrazione dei keypoint con algoritmi di object tracking consente l'identificazione coerente degli individui nel tempo nei flussi video, essenziale per applicazioni come la sicurezza o l'analisi comportamentale.