Pose Estimation

A estimativa de pose é uma técnica especializada de visão computacional que vai além de simplesmente detectar a presença de objetos, permitindo compreender sua estrutura geométrica e orientação física. Enquanto a deteção de objetos padrão desenha uma simples caixa retangular ao redor de um objeto, a estimativa de pose identifica pontos semânticos específicos, conhecidos como pontos-chave, como articulações do corpo humano (cotovelos, joelhos e ombros) ou cantos estruturais de um veículo. Ao mapear esses pontos de referência, os modelos de aprendizagem automática podem reconstruir uma representação esquelética do objeto, permitindo que os sistemas interpretem a linguagem corporal, a dinâmica dos movimentos e o posicionamento preciso no espaço 2D ou 3D.

Mecanismos fundamentais: de cima para baixo vs. de baixo para cima#

A estimativa de pose moderna depende bastante de arquiteturas sofisticadas de aprendizagem profunda, que frequentemente utilizam Redes Neuronais Convolucionais (CNNs) para processar dados visuais. Em geral, os algoritmos seguem uma de duas estratégias principais para identificar pontos-chave:

• Abordagens de cima para baixo: Este método utiliza primeiro um modelo de deteção de objetos para localizar instâncias individuais dentro de caixas delimitadoras. Depois de recortar uma pessoa ou um objeto da imagem maior, o estimador de pose prevê os pontos-chave dentro dessa região específica. Esta abordagem costuma ser bastante precisa, mas pode sofrer de maior latência de inferência à medida que o número de objetos na imagem aumenta.
• Abordagens de baixo para cima: Em contrapartida, esta estratégia deteta simultaneamente todos os possíveis pontos-chave em toda a imagem (por exemplo, encontrar cada "joelho esquerdo" numa multidão) e, em seguida, utiliza algoritmos de associação para agrupá-los em esqueletos individuais. Este método é geralmente preferido para inferência em tempo real em cenas com muitas pessoas, porque o custo computacional permanece relativamente constante, independentemente do número de pessoas presentes.

Modelos de última geração, como o YOLO26, utilizam arquiteturas avançadas de ponta a ponta que equilibram estas necessidades, fornecendo estimativa de pose em alta velocidade, adequada para implementação em dispositivos de IA de edge e plataformas móveis.

Distinção entre termos relacionados de visão computacional#

É útil diferenciar a estimativa de pose de outras tarefas de reconhecimento visual para compreender o seu valor único nos fluxos de trabalho de visão computacional:

• Deteção de objetos: concentra-se em identificar o que e onde está um objeto, produzindo uma caixa retangular. Trata o objeto como uma entidade rígida, sem compreender a sua articulação interna.
• Segmentação de instâncias: gera uma máscara com precisão ao nível do píxel que delimita a forma exata do objeto. Embora a segmentação forneça limites, não identifica explicitamente as articulações ou ligações esqueléticas necessárias para a análise cinemática.
• Estimativa de pose: concentra-se especificamente na estrutura interna, mapeando as ligações entre pontos de referência predefinidos (por exemplo, da anca ao joelho) para analisar a postura e a ação.

Aplicações no mundo real#

A capacidade de digitalizar o movimento de pessoas e objetos levou a aplicações transformadoras em vários setores, muitas vezes treinadas com ferramentas como a Ultralytics Platform para gerir grandes conjuntos de dados de pontos-chave anotados.

Saúde e reabilitação#

Na área médica, a IA na área da saúde utiliza a estimativa de pose para monitorizar remotamente a reabilitação dos pacientes. Ao acompanhar os ângulos das articulações e a amplitude de movimento, os sistemas automatizados podem garantir que os pacientes realizam corretamente os exercícios de fisioterapia em casa. Isto reduz o risco de novas lesões e permite aos profissionais de saúde quantificar o progresso da recuperação sem necessitar de equipamento laboratorial dispendioso.

Análise desportiva#

Treinadores e atletas recorrem à análise desportiva para otimizar o desempenho. Os modelos de estimativa de pose podem analisar o plano do swing de um golfista, o comprimento da passada de um corredor ou a biomecânica de um lançador, sem necessidade dos fatos com marcadores invasivos utilizados na tradicional captura de movimento. Isto fornece feedback imediato baseado em dados para melhorar a técnica e prevenir lesões por sobrecarga.

Análise do retalho e do comportamento#

Em ambientes comerciais, os sistemas de IA no retalho utilizam a deteção de pose para compreender o comportamento dos clientes, como alcançar produtos em prateleiras altas ou permanecer em determinados corredores. Estes dados ajudam a otimizar a disposição das lojas e a melhorar a gestão de inventário, correlacionando ações físicas com decisões de compra.

Exemplo de código: estimativa de pose com Ultralytics YOLO26#

Implementar a estimativa de pose é simples com frameworks modernas de Python. O exemplo seguinte demonstra como utilizar o pacote ultralytics para carregar um modelo YOLO26 pré-treinado (o sucessor do YOLO11) e detetar pontos-chave humanos numa imagem.

from ultralytics import YOLO

# Load the YOLO26 pose model (nano version for speed)
model = YOLO("yolo26n-pose.pt")

# Perform inference on an image source
# The model identifies bounding boxes and specific keypoints (joints)
results = model("https://ultralytics.com/images/bus.jpg")

# Print the xy coordinates of detected keypoints
print(results[0].keypoints.xy)

# Visualize the skeletal results directly
results[0].show()