Ao clicar em “Aceitar todos os cookies”, concorda com o armazenamento de cookies no seu dispositivo para melhorar a navegação no site, analisar a utilização do site e ajudar nos nossos esforços de marketing. Mais informações
Definições de cookies
Ao clicar em “Aceitar todos os cookies”, concorda com o armazenamento de cookies no seu dispositivo para melhorar a navegação no site, analisar a utilização do site e ajudar nos nossos esforços de marketing. Mais informações
Explore como o OpenPose pode ser usado para estimativa de pose em aplicações de visão computacional. Aprenda sobre seus recursos e sua importância na Visão de IA.
Atualmente, imagens e câmeras estão por toda parte - integradas em nossos telefones, casas e até mesmo em espaços públicos. Contamos com elas não apenas para capturar momentos, mas para nos ajudar a entender e interagir com o mundo ao nosso redor.
Nos bastidores, a visão computacional, um subcampo da inteligência artificial (IA), torna isso possível, permitindo que as máquinas interpretem dados visuais. Ela permite que os sistemas detectem objetos, reconheçam rostos e rastreiem movimentos, desempenhando um papel fundamental em muitas das tecnologias que usamos todos os dias.
Graças aos recentes avanços na IA, os modelos de visão computacional agora podem analisar e extrair dados e insights mais complexos. Um exemplo disso é a estimativa de pose, uma tarefa de visão computacional focada na compreensão do movimento humano.
Funciona identificando pontos-chave no corpo, como ombros, cotovelos e joelhos, em imagens ou vídeos. Isso torna possível analisar como as pessoas se movem, permitindo aplicações em rastreamento de condicionamento físico, animação, saúde e muito mais.
Entre as muitas ferramentas desenvolvidas para estimativa de pose, o OpenPose se destaca como um grande avanço. Criado por pesquisadores do Laboratório de Computação Perceptual da Carnegie Mellon University, foi um dos primeiros sistemas de código aberto capazes de detectar poses de corpo inteiro, incluindo mãos, pés e pontos-chave faciais, para várias pessoas em tempo real usando apenas uma câmera (com até 135 pontos-chave por pessoa).
Neste artigo, exploraremos o OpenPose, como ele funciona e sua importância como um marco na visão computacional.
Fig 1. Estimativa de pose multi-pessoa usando OpenPose.
Um olhar sobre a história da estimativa de pose
Antes que a IA fosse amplamente adotada, o rastreamento do movimento humano em vídeos envolvia o uso de equipamentos especializados. Em indústrias como cinema e animação, os atores geralmente usavam roupas com marcadores reflexivos para que as câmeras pudessem capturar seus movimentos em um ambiente de estúdio controlado.
Embora essas técnicas de captura de movimento baseadas em marcadores fossem precisas, elas também eram caras e limitadas a configurações específicas. À medida que a visão computacional avançava, os pesquisadores procuravam maneiras de rastrear o movimento do corpo sem usar marcadores. Eles usavam bordas, contornos e modelos para encontrar formas humanas em imagens.
Esses primeiros sistemas funcionavam em instâncias simples e diretas, mas tinham dificuldades com cenários do mundo real. Eles frequentemente davam resultados ruins quando as pessoas se moviam de maneiras inesperadas ou quando mais de uma pessoa aparecia em um quadro.
No final da década de 2010, o aprendizado profundo trouxe uma grande mudança para a estimativa de pose. Os modelos de IA de visão puderam ser treinados em grandes conjuntos de dados de poses humanas. Em vez de depender de bordas e modelos, os modelos aprenderam a reconhecer as articulações e a estrutura do corpo, estudando milhares de imagens rotuladas. Isso tornou a estimativa de pose mais precisa, flexível e impactante em uma gama mais ampla de configurações.
Fig 2. A evolução dos modelos de estimativa de pose humana de 2017 a 2023.
OpenPose: Onde a estimativa de pose moderna decolou
O OpenPose foi lançado pela primeira vez em 2017 e é capaz de estimar as poses de várias pessoas simultaneamente em uma única imagem. Ao contrário dos sistemas mais antigos, o OpenPose não requer trajes ou marcadores especiais. Ele funciona com câmeras padrão e pode processar imagens e vídeos em tempo real. Esses recursos tornaram a estimativa de pose mais acessível a desenvolvedores e pesquisadores.
A base que o OpenPose lançou para a visão computacional ajudou outros a construir arquiteturas mais recentes para uma variedade de outras aplicações. Hoje, modelos de Visão de IA como Ultralytics YOLO8 e Ultralytics YOLO11 que suportam tarefas de estimativa de pose oferecem resultados mais rápidos e menor latência.
No entanto, o OpenPose é um ótimo lugar para começar se você estiver curioso sobre como a estimativa de pose evoluiu. Ele introduziu ideias-chave nas quais muitos sistemas mais recentes ainda se baseiam hoje.
Principais capacidades do OpenPose
Agora que temos uma melhor compreensão de por que o OpenPose é importante, vamos dar uma olhada mais de perto no que ele realmente pode fazer.
A base das capacidades do OpenPose é algo chamado detecção de pontos-chave. Os pontos-chave são marcos específicos no corpo humano, como a ponta do nariz, o centro dos ombros, cotovelos, pulsos, quadris, joelhos e tornozelos. O OpenPose pode detectar até 135 desses pontos por pessoa, incluindo áreas detalhadas como dedos e características faciais.
Quando esses pontos são conectados, eles formam uma representação simplificada do corpo humano - você pode pensar nisso como um esqueleto digital. Este esboço esquelético mostra não apenas onde uma pessoa está, mas como ela está posicionada: se está sentada, em pé, acenando, sorrindo ou andando. Os computadores podem interpretar o movimento humano visualmente usando esses esqueletos, da mesma forma que instintivamente entendemos a linguagem corporal de alguém.
O rastreamento esquelético é especialmente útil porque elimina o ruído de fundo e as distrações, permitindo que o sistema se concentre puramente na postura e no movimento humano. Em vez de analisar cada pixel, o OpenPose concentra-se em pontos significativos que contam a história de como uma pessoa está se movendo ou interagindo.
Ao extrair esta informação estruturada de imagens ou vídeos do dia-a-dia, o OpenPose torna possível construir aplicações que respondem a gestos, monitorizam a atividade física, avaliam pistas emocionais ou até animam personagens digitais.
Como funciona o OpenPose?
Aqui está uma visão geral de como o OpenPose detecta e conecta pontos-chave no corpo humano a partir de entrada visual:
Começa com uma imagem: O OpenPose recebe uma única imagem de uma foto, vídeo ou feed de câmera ao vivo.
Identifica partes importantes do corpo: O sistema procura pontos-chave no corpo, como nariz, cotovelos, pulsos, joelhos e tornozelos. Eles são marcados onde quer que o sistema tenha confiança de que uma parte do corpo está localizada.
Descobre quais partes se encaixam: Em seguida, o OpenPose verifica como os pontos-chave estão conectados. Ele usa cálculos matemáticos para decidir quais articulações pertencem à mesma pessoa - por exemplo, combinando um pulso com o cotovelo e o ombro direitos.
Desenha um esqueleto para cada pessoa: Após agrupar os keypoints, o OpenPose os conecta em uma "figura de palito" que mostra a pose de cada pessoa. Isso funciona mesmo quando várias pessoas aparecem no mesmo quadro.
Retorna os dados de pose: Finalmente, fornece as posições exatas de todos os pontos-chave detetados. Estes podem ser usados para rastrear movimentos, reconhecer gestos ou construir ferramentas interativas - tudo em tempo real.
Fig 4. Detecção e rastreamento de pontos-chave humanos usando OpenPose.
Aplicações de estimativa de pose em vários setores usando OpenPose
O OpenPose foi uma das primeiras ferramentas avançadas que tornou a estimativa de pose prática para uma variedade de casos de uso no mundo real. Embora não seja comumente usado em soluções de visão computacional em tempo real hoje, desempenhou um papel importante na formação do trabalho inicial em áreas como esportes, entretenimento, educação e segurança.
Vejamos mais de perto como ajudou a abrir caminho nestas áreas.
Estimativa de pose com OpenPose para fitness e esportes
Quando você assiste a um jogo de beisebol, é fácil entender o que está acontecendo - você pode reconhecer instantaneamente um arremesso, um swing ou uma base roubada. Como humanos, lemos intuitivamente os movimentos do corpo e os entendemos sem muito esforço. Mas, para as máquinas, reconhecer essas ações é muito mais complexo. Elas precisam de informações precisas sobre como cada parte do corpo se move no espaço.
O OpenPose foi um avanço substancial nesta área de visão computacional. Foi uma ferramenta prática para analisar a forma atlética em uma variedade de configurações.
Muitos projetos de pesquisa usaram o OpenPose para detalhar movimentos como balanços e saltos, até mesmo classificando ações específicas de beisebol com base em como os jogadores se moviam. Como funcionava em ambientes abertos com vídeo padrão, permitiu que os pesquisadores testassem como tais sistemas poderiam funcionar em cenários de treinamento ou coaching no mundo real.
Esses primeiros estudos ajudaram a lançar as bases para as ferramentas de rastreamento de desempenho agora usadas em tecnologia esportiva avançada.
Fig 5. Uma olhada em um pipeline de classificação de ação de beisebol usando OpenPose.
Usando OpenPose em sistemas de segurança
Da mesma forma, pesquisadores também usaram o OpenPose para explorar como o rastreamento de pose baseado em vídeo poderia apoiar o monitoramento de segurança. Ele foi testado na detecção de comportamentos, como quedas, gestos inesperados ou padrões de movimento em áreas públicas.
Como funcionava com câmeras padrão, o OpenPose tornou a experimentação inicial mais acessível em ambientes como hospitais e centros de transporte. Esses estudos ajudaram a impulsionar o desenvolvimento de modelos mais novos agora usados em sistemas de vigilância, detecção de quedas e resposta a emergências.
Fig 6. Detecção de quedas habilitada por OpenPose.
Prós e contras do OpenPose
Aqui está um vislumbre de algumas das vantagens que o OpenPose oferece:
Útil para pesquisa e prototipagem: Tem sido amplamente utilizado em pesquisa académica, especialmente em áreas como interação homem-computador, biomecânica e análise comportamental.
Suporte multiplataforma: Pode ser executado em Windows, Linux e macOS, com suporte para unidades centrais de processamento (CPUs) e unidades de processamento gráfico (GPUs).
Capacidade de processamento offline: Ele pode ser executado em ambientes sem acesso à internet, tornando-o ideal para configurações sensíveis à privacidade, como saúde ou educação.
Embora o OpenPose tenha sido um grande avanço, ele também tem limitações técnicas que são importantes de ter em mente. Aqui estão alguns dos principais desafios associados ao OpenPose:
Altos requisitos de processamento: Executar o OpenPose em tempo real exige uma GPU potente e recursos computacionais significativos.
Sensível ao ambiente: O desempenho pode diminuir em condições de pouca luz, espaços lotados ou quando os ângulos da câmera não são ideais.
Pesado em comparação com modelos mais recentes: Comparado com modelos de estimativa de pose mais recentes, o OpenPose é relativamente grande e mais lento. Não é adequado para implantação em dispositivos com recursos limitados, como smartphones, tablets ou sistemas embarcados.
Principais conclusões
O OpenPose desempenhou um papel importante em tornar a estimativa de pose mais acessível. Ele mostrou que o rastreamento dos movimentos do corpo podia ser feito com uma câmera simples, sem depender de trajes ou equipamentos especializados.
Estabeleceu as bases para muitas aplicações práticas em saúde, educação, entretenimento e pesquisa. Embora modelos mais recentes agora ofereçam velocidades mais rápidas e desempenho mais leve, o OpenPose continua sendo um ponto de referência fundamental para entender como a estimativa de pose evoluiu.
