O que é OpenPose? Conheça um marco na estimativa de pose

Hoje em dia, imagens e câmeras estão por toda parte: embutidas em nossos celulares, casas e até espaços públicos. Dependemos delas não apenas para registrar momentos, mas também para nos ajudar a compreender e interagir com o mundo ao nosso redor.

Nos bastidores, a visão computacional, um subcampo da inteligência artificial (AI), torna isso possível ao permitir que as máquinas interpretem dados visuais. Ela permite que os sistemas detectem objetos, reconheçam rostos e acompanhem movimentos, desempenhando um papel fundamental em muitas das tecnologias que usamos todos os dias.

Graças aos avanços recentes em IA, os modelos de visão computacional agora podem analisar e extrair dados e informações mais complexos. Um exemplo disso é a estimativa de pose, uma tarefa de visão computacional voltada à compreensão do movimento humano.

Ela funciona identificando pontos-chave do corpo, como ombros, cotovelos e joelhos, em imagens ou vídeos. Isso possibilita analisar como as pessoas se movimentam e viabiliza aplicações em monitoramento de atividades físicas, 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 Perceptual Computing Lab 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, de várias pessoas em tempo real usando apenas uma câmera (com até 135 pontos-chave por pessoa).

Neste artigo, vamos explorar o OpenPose, como ele funciona e sua importância como marco na visão computacional.

Fig. 1. Estimativa de pose de várias pessoas usando OpenPose.

Um olhar sobre a história da estimativa de pose#

Antes da adoção generalizada da IA, o acompanhamento do movimento humano em vídeos exigia equipamentos especializados. Em setores como cinema e animação, os atores costumavam usar trajes com marcadores refletivos para que as câmeras capturassem seus movimentos em um estúdio controlado.

Embora essas técnicas de captura de movimento baseadas em marcadores fossem precisas, também eram caras e limitadas a configurações específicas. Com o avanço da visão computacional, os pesquisadores buscaram maneiras de acompanhar os movimentos do corpo sem usar marcadores. Eles usaram bordas, contornos e modelos para encontrar formas humanas nas imagens.

Esses primeiros sistemas funcionavam em situações simples e diretas, mas tinham dificuldades com cenários do mundo real. Muitas vezes, apresentavam resultados ruins quando as pessoas se moviam de maneiras inesperadas ou quando mais de uma pessoa aparecia no quadro.

No fim da década de 2010, o aprendizado profundo provocou uma grande mudança na estimativa de pose. Os modelos de IA visual podiam ser treinados com grandes conjuntos de dados de poses humanas. Em vez de depender de bordas e modelos, eles aprenderam a reconhecer as articulações e a estrutura do corpo analisando milhares de imagens rotuladas. Isso tornou a estimativa de pose mais precisa, flexível e útil em uma variedade maior de contextos.

Fig. 2. Evolução dos modelos de estimativa de pose humana de 2017 a 2023.

OpenPose: o início da estimativa de pose moderna#

O OpenPose foi lançado pela primeira vez em 2017 e é capaz de estimar simultaneamente as poses de várias pessoas em uma única imagem. Ao contrário dos sistemas mais antigos, o OpenPose não exige trajes ou marcadores especiais. Ele funciona com câmeras comuns e pode processar imagens e vídeos em tempo real. Esses recursos tornaram a estimativa de pose mais acessível para desenvolvedores e pesquisadores.

A base estabelecida pelo OpenPose para a visão computacional ajudou outras pessoas a criar arquiteturas mais recentes para diversas aplicações. Hoje, modelos de IA visual como Ultralytics YOLOv8 e Ultralytics YOLO11 e, mais recentemente, Ultralytics YOLO26, que oferecem suporte a tarefas de estimativa de pose, proporcionam resultados mais rápidos e menor latência.

Fig. 3. Uso do YOLO11 para estimativa de pose.

No entanto, se você tem curiosidade sobre a evolução da estimativa de pose, o OpenPose é um ótimo ponto de partida. Ele apresentou ideias fundamentais nas quais muitos sistemas mais recentes ainda se baseiam.

Principais recursos do OpenPose#

Agora que entendemos melhor por que o OpenPose é importante, vamos ver mais de perto o que ele realmente pode fazer.

No centro dos recursos do OpenPose está algo chamado detecção de pontos-chave. Os pontos-chave são marcos específicos do corpo humano, como a ponta do nariz, o centro dos ombros, os cotovelos, os pulsos, os quadris, os joelhos e os tornozelos. O OpenPose pode detectar até 135 desses pontos por pessoa, incluindo áreas detalhadas como os dedos e as características faciais.

Quando esses pontos são conectados, formam uma representação simplificada do corpo humano — você pode imaginá-la como um esqueleto digital. Esse contorno esquelético mostra não apenas onde a pessoa está, mas também sua pose: se está sentada, em pé, acenando, sorrindo ou caminhando. Os computadores podem interpretar visualmente os movimentos humanos usando esses esqueletos, assim como entendemos instintivamente 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 exclusivamente na postura e no movimento humanos. Em vez de analisar cada pixel, o OpenPose se concentra em pontos significativos que revelam como uma pessoa está se movimentando ou interagindo.

Ao extrair essas informações estruturadas de imagens ou vídeos cotidianos, o OpenPose possibilita criar aplicações que respondem a gestos, monitoram atividades físicas, avaliam sinais emocionais ou até animam personagens digitais.

Como o OpenPose funciona?#

Veja uma visão geral de como o OpenPose detecta e conecta os pontos-chave do corpo humano a partir de uma entrada visual:

• Começa com uma imagem: O OpenPose obtém uma única imagem de uma foto, vídeo ou transmissão ao vivo de uma câmera.
• Detecta partes importantes do corpo: O sistema procura pontos-chave do corpo, como nariz, cotovelos, pulsos, joelhos e tornozelos. Eles são marcados nos locais em que o sistema tem confiança de que uma parte do corpo está presente.
• Determina quais partes estão conectadas: Em seguida, o OpenPose verifica como os pontos-chave se conectam. Ele usa cálculos matemáticos para decidir quais articulações pertencem à mesma pessoa — por exemplo, associando um pulso ao cotovelo e ao ombro direitos.
• Desenha um esqueleto para cada pessoa: Depois de agrupar os pontos-chave, o OpenPose os conecta em uma "figura de palitos" que mostra a pose de cada pessoa. Isso funciona mesmo quando várias pessoas aparecem no mesmo quadro.
• Retorna os dados da pose: Por fim, o sistema fornece as posições exatas de todos os pontos-chave detectados. Esses dados podem ser usados para acompanhar movimentos, reconhecer gestos ou criar ferramentas interativas — tudo em tempo real.

Fig. 4. Detecção e rastreamento de pontos-chave humanos usando OpenPose.

Aplicações da estimativa de pose com OpenPose em vários setores#

O OpenPose foi uma das primeiras ferramentas avançadas a tornar a estimativa de pose prática para diversos casos de uso do mundo real. Embora hoje não seja comumente usado em soluções de visão computacional em tempo real, ele desempenhou um papel importante na evolução dos primeiros trabalhos em áreas como esportes, entretenimento, educação e segurança.

Vamos ver mais de perto como ele ajudou a abrir caminho nessas áreas.

Estimativa de pose com OpenPose para condicionamento físico e esportes#

Quando você assiste a uma partida de beisebol, é fácil entender o que está acontecendo: você reconhece imediatamente um arremesso, uma rebatida ou uma tentativa de roubar uma base. Como seres humanos, interpretamos intuitivamente os movimentos do corpo e os entendemos sem muito esforço. Para as máquinas, porém, reconhecer essas ações é muito mais complexo. Elas precisam de informações precisas sobre como cada parte do corpo se movimenta no espaço.

O OpenPose foi um avanço significativo nessa área da visão computacional. Ele era uma ferramenta prática para analisar a técnica atlética em diversos contextos.

Muitos projetos de pesquisa usaram o OpenPose para analisar movimentos como rebatidas e saltos, chegando a classificar ações específicas do beisebol com base nos movimentos dos jogadores. Como funcionava em ambientes abertos com vídeos comuns, permitiu que pesquisadores testassem como esses sistemas poderiam funcionar em cenários reais de treinamento ou orientação técnica.

Estes estudos iniciais ajudaram a lançar as bases das ferramentas de acompanhamento de desempenho usadas atualmente em tecnologia esportiva avançada.

Fig. 5. Uma visão geral de um pipeline de classificação de ações no beisebol usando OpenPose.

Uso do OpenPose em sistemas de segurança e proteção#

Da mesma forma, pesquisadores também usaram o OpenPose para explorar como o acompanhamento de poses em vídeo poderia contribuir para 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 convencionais, o OpenPose tornou os primeiros experimentos mais acessíveis em ambientes como hospitais e centros de transporte. Esses estudos ajudaram a impulsionar o desenvolvimento de modelos mais recentes, agora usados em sistemas de vigilância, detecção de quedas e resposta a emergências.

Fig. 6. Detecção de quedas habilitada pelo OpenPose.

Vantagens e desvantagens do OpenPose#

Veja algumas das vantagens oferecidas pelo OpenPose:

• Útil para pesquisa e prototipagem: Ele tem sido amplamente usado em pesquisas acadêmicas, especialmente em áreas como interação humano-computador, biomecânica e análise comportamental.
• Compatibilidade multiplataforma: Ele pode ser executado no 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, o que o torna ideal para locais onde a privacidade é importante, como instituições de saúde ou ensino.

Embora o OpenPose tenha representado um grande avanço, ele também tem limitações técnicas importantes que devem ser consideradas. Veja 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 cair em condições de pouca luz, espaços lotados ou quando os ângulos da câmera não são ideais.
• Mais pesado que os modelos recentes: Em comparação com modelos de estimativa de pose mais recentes, o OpenPose é relativamente grande e mais lento. Ele não é adequado para implantação em dispositivos com recursos limitados, como smartphones, tablets ou sistemas embarcados.

Principais conclusões#

O OpenPose desempenhou um papel importante na democratização da estimativa de pose. Ele mostrou que era possível acompanhar os movimentos do corpo com uma câmera simples, sem depender de trajes ou equipamentos especializados.

Ele estabeleceu as bases para muitas aplicações práticas na área da saúde, na educação, no entretenimento e na pesquisa. Embora os modelos mais recentes ofereçam velocidades maiores e sejam mais leves, o OpenPose continua sendo uma referência importante para entender como a estimativa de pose evoluiu.

Junte-se à nossa comunidade e visite nosso repositório no GitHub para saber mais sobre IA. Se você quer desenvolver suas próprias soluções de visão computacional, confira nossas opções de licenciamento. Veja também como a visão computacional na área da saúde e a IA na logística estão gerando impacto!