O que é a estimativa de pose e onde pode ser utilizada?

Quando vês alguém curvado ou de pé com os ombros para trás, torna-se imediatamente claro se tem uma postura inadequada ou confiante. Ninguém precisa de te explicar isso. Isso acontece porque, ao longo do tempo, aprendemos naturalmente a interpretar a linguagem corporal.

Através da experiência e da observação, os nossos cérebros tornaram-se muito bons a reconhecer a postura de vários objetos, incluindo seres humanos. Graças aos avanços recentes na inteligência artificial (AI) e na visão computacional, um campo que permite às máquinas interpretar informações visuais do mundo, as máquinas estão agora a começar a aprender e a reproduzir também esta capacidade.

A estimativa de pose é uma tarefa de visão computacional que ajuda as máquinas a determinar a posição e a orientação de uma pessoa ou objeto através da análise de imagens ou vídeo. Para isso, identifica pontos-chave no corpo, como articulações e membros, para compreender como uma pessoa, ou até mesmo um objeto, se está a mover.

Esta tecnologia é amplamente utilizada em áreas como fitness, cuidados de saúde e animação. Em ambientes de trabalho, por exemplo, pode ser usada para monitorizar a postura dos funcionários e apoiar iniciativas de segurança e bem-estar. Modelos de visão computacional como o Ultralytics YOLO11 tornam isto possível ao estimarem poses humanas em tempo real.

Fig. 1. Um exemplo da utilização do Ultralytics YOLO11 para monitorizar a postura dos trabalhadores.

Neste artigo, vamos analisar mais detalhadamente a estimativa de pose e o seu funcionamento, juntamente com casos de utilização no mundo real em que está a fazer a diferença. Vamos começar!

A evolução da estimativa de pose#

A investigação sobre estimativa de pose começou no final da década de 1960 e durante a década de 1970. Ao longo dos anos, as abordagens a esta tarefa de visão computacional evoluíram da matemática e geometria básicas para métodos mais avançados orientados por inteligência artificial.

Inicialmente, as técnicas dependiam de ângulos de câmara fixos e pontos de referência conhecidos. Mais tarde, evoluíram para incluir modelos 3D e correspondência de características. Atualmente, modelos de deep learning como o Ultralytics YOLO11 conseguem detetar posições corporais em tempo real a partir de imagens ou vídeo, tornando a estimativa de pose mais rápida e precisa do que nunca.

À medida que a tecnologia avançou, os investigadores perceberam o potencial de monitorizar e acompanhar as poses de vários objetos, especialmente seres humanos e animais. A estimativa de pose é particularmente importante porque permite que as ferramentas de AI compreendam e meçam a postura e o movimento de formas que antes não eram possíveis.

Por exemplo, permite que os computadores reconheçam gestos para interação sem utilizar as mãos, analisem os movimentos dos atletas para melhorar o desempenho, criem animações realistas em videojogos e apoiem os cuidados de saúde ao acompanhar a evolução da recuperação dos pacientes.

Em que difere de outras tarefas de visão computacional?#

A estimativa de pose difere de outras tarefas de visão computacional, como a deteção de objetos e a segmentação de instâncias. Estas tarefas concentram-se principalmente em identificar e localizar objetos numa imagem.

A deteção de objetos, por exemplo, desenha caixas delimitadoras à volta de elementos como pessoas, veículos ou animais para indicar a sua presença e posição. A segmentação de instâncias vai um passo além, delineando a forma precisa de cada objeto ao nível dos píxeis.

No entanto, ambos os métodos preocupam-se principalmente com o que é o objeto e onde está — não fornecem informações sobre como o objeto está posicionado ou o que pode estar a fazer. É aqui que a estimativa de pose se torna essencial.

Ao identificar pontos-chave no corpo, como cotovelos, joelhos ou até uma cauda, a estimativa de pose consegue interpretar a postura e o movimento. Isto permite uma compreensão mais profunda das ações, dos gestos e da dinâmica corporal, incluindo o movimento no espaço 3D.

Compreender como funciona a estimativa de pose#

Os modelos de estimativa de pose seguem geralmente duas abordagens principais: de baixo para cima e de cima para baixo. Na abordagem de baixo para cima, o modelo deteta primeiro pontos-chave individuais, como cotovelos, joelhos ou ombros, e depois agrupa-os para determinar a que pessoa ou objeto pertencem. Em contrapartida, a abordagem de cima para baixo começa por detetar cada objeto (como uma pessoa na imagem) e, em seguida, localiza os pontos-chave desse objeto específico.

Fig. 2. Métodos de estimativa de pose de baixo para cima vs. de cima para baixo.

Alguns modelos mais recentes, como o Ultralytics YOLO11, combinam as vantagens de ambas as abordagens. Mantêm a eficiência do método de baixo para cima ao ignorarem a etapa de agrupamento manual, ao mesmo tempo que tiram partido da precisão dos sistemas de cima para baixo ao detetarem pessoas e estimarem as suas poses de uma só vez — num único processo simplificado.

Treino personalizado do Ultralytics YOLO11 para estimativa de pose#

Ao analisarmos o funcionamento dos modelos de estimativa de pose, podes perguntar-te: como é que estes modelos aprendem realmente a estimar a pose de diferentes objetos? É aqui que entra a ideia de treino personalizado.

O treino personalizado consiste em ensinar um modelo a reconhecer pontos-chave específicos utilizando os teus próprios dados. Como criar um modelo de raiz requer uma grande quantidade de imagens anotadas e muito tempo, muitas pessoas optam pela aprendizagem por transferência. Isto envolve começar com um modelo que já foi treinado num grande conjunto de dados, como o modelo de estimativa de pose Ultralytics YOLO11, pré-treinado no conjunto de dados COCO-Pose, e depois ajustá-lo com os teus próprios dados para uma tarefa ou caso de utilização específico.

Imagina que estás a trabalhar com poses de ioga — podes ajustar o Ultralytics YOLO11 utilizando imagens em que cada pose está identificada com pontos-chave específicos dessa atividade. Para isso, precisarás de um conjunto de dados personalizado de imagens anotadas a partir das quais o modelo possa aprender.

Durante o treino, podes ajustar definições como o tamanho do lote (o número de imagens processadas de uma só vez), a taxa de aprendizagem (a rapidez com que o modelo atualiza a sua aprendizagem) e as épocas (o número de vezes que o modelo percorre o conjunto de dados) para melhorar a precisão. Isto torna muito mais fácil criar modelos de estimativa de pose adaptados às tuas necessidades específicas.

Aplicações da estimativa de pose no mundo real#

Agora que discutimos o que é a estimativa de pose e como funciona, vamos analisar mais detalhadamente alguns dos seus casos de utilização no mundo real.

Utilizar a estimativa de pose na fisioterapia#

A estimativa de pose está gradualmente a tornar-se uma ferramenta fiável no setor dos cuidados de saúde, especialmente na fisioterapia. Utilizando AI e visão computacional, estes sistemas conseguem acompanhar a postura e os movimentos em tempo real e fornecer feedback, de forma semelhante ao que um fisioterapeuta ofereceria.

Por exemplo, um paciente em recuperação de uma cirurgia ao joelho pode utilizar um sistema de estimativa de pose para garantir que realiza corretamente os exercícios de reabilitação. O sistema consegue detetar movimentos incorretos e sugerir melhorias, ajudando o paciente a manter o rumo e a evitar lesões.

Fig. 3. Um exemplo da utilização do Ultralytics YOLO11 na fisioterapia.

Para além da reabilitação, a estimativa de pose também está a chegar às aplicações de fitness. Por exemplo, alguém que treine em casa pode utilizar a aplicação para verificar a sua técnica durante os exercícios. A aplicação pode fornecer feedback em tempo real, como ajustar o ângulo de um agachamento ou garantir que as costas estão direitas durante um levantamento terra. Isto ajuda os utilizadores a melhorar a técnica e a prevenir lesões sem precisarem de um treinador.

Captura de movimentos para entretenimento com recurso à estimativa de pose#

A estimativa de pose mudou a forma como funciona a captura de movimentos no entretenimento, tornando-a mais simples e acessível. No passado, a captura de movimentos exigia a colocação de marcadores no corpo de uma pessoa e o seu acompanhamento com câmaras especiais, o que podia ser complexo e dispendioso.

Atualmente, com os avanços na AI e na visão computacional, podemos utilizar câmaras comuns e algoritmos para acompanhar os movimentos corporais sem precisar de marcadores, tornando o processo mais eficiente e preciso, mesmo em tempo real.

Um excelente exemplo disso é o AR (Realidade Aumentada) Poser da Disney. Esta ferramenta divertida permite tirar uma fotografia com o telemóvel e fazer com que uma personagem digital imite a tua pose em realidade aumentada. Funciona através da análise da tua pose na imagem e da sua correspondência com uma personagem 3D, criando uma selfie AR divertida e personalizada.

Fig. 4. Uma personagem AR imita a pose de uma pessoa utilizando a estimativa de pose.

Investigação do comportamento social impulsionada pela estimativa de pose animal#

Estudar o comportamento animal ajuda os cientistas a compreender como os animais comunicam, encontram parceiros, cuidam das crias e vivem em grupo. Este conhecimento é vital para proteger a vida selvagem e obter uma compreensão mais profunda do mundo natural.

A estimativa de pose simplifica este processo ao acompanhar os movimentos dos animais e a sua postura através de imagens e vídeos, sem fixar sensores ou etiquetas aos animais. Estes sistemas podem monitorizar automaticamente as suas poses, fornecendo informações sobre comportamentos como a higiene, as brincadeiras ou as lutas.

Um exemplo interessante disso é a utilização da estimativa de pose por cientistas para estudar o comportamento dos símios. De facto, os investigadores compilaram conjuntos de dados como o OpenApePose, que contém mais de 71 000 imagens anotadas de seis espécies de símios.

Fig. 5. Estimativa de pose de símios.

Vantagens e desvantagens da estimativa de pose#

Eis alguns dos principais benefícios que a estimativa de pose pode proporcionar a vários setores:

• Escalabilidade: Os sistemas de estimativa de pose podem ser implementados numa vasta gama de dispositivos, desde smartphones a configurações avançadas de câmaras, tornando-os altamente escaláveis e acessíveis para diferentes casos de utilização e ambientes.
• Económica: Como a estimativa de pose depende de câmaras comuns e não requer sensores ou etiquetas dispendiosos, pode ser uma solução mais económica para acompanhar movimentos em aplicações de investigação e comerciais.
• Monitorização contínua: Os sistemas de estimativa de pose podem fornecer acompanhamento contínuo em tempo real, permitindo monitorizar alterações ao longo do tempo, seja a evolução de um paciente durante a reabilitação ou o comportamento de animais na natureza.

Embora as vantagens da estimativa de pose sejam claras em vários setores, também existem alguns desafios a considerar. Eis algumas limitações importantes a ter em conta:

• Generalização limitada: Muitos modelos treinados com conjuntos de dados humanos não generalizam bem para animais ou estruturas corporais incomuns sem serem novamente treinados com conjuntos de dados específicos.

• Limitações ambientais: O desempenho pode degradar-se com iluminação fraca, desfoque de movimento rápido ou fundos desorganizados.

• Elevada sensibilidade à oclusão: A precisão pode diminuir quando partes do corpo estão bloqueadas ou fora do enquadramento, especialmente em cenas com muita gente ou no acompanhamento de várias pessoas.

Principais conclusões#

A estimativa de pose percorreu um longo caminho desde os seus primórdios, evoluindo de sistemas que utilizavam marcadores para ferramentas impactantes orientadas por modelos de deep learning como o Ultralytics YOLO11. Quer seja para melhorar a fisioterapia, permitir experiências interativas de AR ou apoiar a investigação da vida selvagem, a estimativa de pose está a mudar a forma como as máquinas compreendem o movimento e a postura. À medida que a tecnologia continua a avançar, enfrentar as suas limitações será essencial para desbloquear ainda mais utilizações práticas e tornar as máquinas melhores a compreender como nós e outros seres vivos nos movemos.

Tens curiosidade sobre AI? Explora o nosso repositório do GitHub, liga-te à nossa comunidade e consulta as nossas opções de licenciamento para começares o teu projeto de visão computacional. Sabe mais sobre inovações como AI no retalho e visão computacional no setor da logística nas nossas páginas de soluções.