Как использовать Ultralytics YOLO11 для оценки позы

Исследования в области компьютерного зрения, одного из направлений искусственного интеллекта (ИИ), можно проследить еще с 1960-х годов. Однако только в 2010-х годах, с появлением глубокого обучения, мы увидели значительный прорыв в том, как машины понимают изображения. Одним из последних достижений в области компьютерного зрения являются передовые Ultralytics YOLO11 модели. МоделиYOLO11 , впервые представленные на ежегодном гибридном мероприятии Ultralytics YOLO Vision 2024 (YV24), поддерживают целый ряд задач компьютерного зрения, включая оценку позы.

Оценка позы может использоваться для detect ключевых точек человека или объекта на изображении или видео, чтобы понять его положение, позу или движение. Она широко используется в таких приложениях, как спортивная аналитика, мониторинг поведения животных и робототехника, чтобы помочь машинам интерпретировать физические действия в режиме реального времени. Благодаря повышенной точности, эффективности и скорости по сравнению с предыдущими моделями серииYOLO (You Only Look Once), YOLO11 хорошо подходит для задач оценки позы в реальном времени.

‍

В этой статье мы расскажем, что такое оценка позы, обсудим некоторые области ее применения и покажем, как можно использовать YOLO11 с пакетомUltralytics Python для оценки позы. Мы также рассмотрим, как вы можете использовать Ultralytics HUB, чтобы опробовать YOLO11 и оценку позы в несколько простых кликов. Давайте начнем!

Что такое оценка позы?

Прежде чем перейти к рассмотрению того, как использовать новую модельUltralytics YOLO11 для оценки позы, давайте лучше разберемся, что такое оценка позы.

Оценка позы - это техника компьютерного зрения, используемая для анализа позы человека или объекта на изображении или видео. Модели глубокого обучения, такие как YOLO11 могут определять, находить и track ключевые точки на данном объекте или человеке. Для объектов такими ключевыми точками могут быть углы, края или четкие отметки на поверхности, а для людей - основные суставы, такие как локтевой, коленный или плечевой. 

Оценка позы — это уникальная и более сложная задача по сравнению с другими задачами компьютерного зрения, такими как обнаружение объектов. В то время как обнаружение объектов определяет местоположение объектов на изображении, рисуя вокруг них рамку, оценка позы идет дальше, предсказывая точное положение ключевых точек на объекте.

‍

Когда речь идет об оценке позы, есть два основных подхода: восходящий и нисходящий. Восходящий подход обнаруживает отдельные ключевые точки и объединяет их в скелеты, в то время как нисходящий подход фокусируется сначала на обнаружении объектов, а затем на оценке ключевых точек внутри них. 

YOLO11 сочетает в себе сильные стороны методов "сверху вниз" и "снизу вверх". Как и в случае с методом "снизу вверх", в нем все делается просто и быстро, без необходимости группировать ключевые точки вручную. В то же время он использует точность метода "сверху вниз", обнаруживая людей и оценивая их позы за один шаг.

Варианты использования оценки позы для YOLO11 

Универсальные возможности YOLO11 для оценки позы открывают широкий спектр возможных применений во многих отраслях. Давайте подробнее рассмотрим некоторые примеры использования YOLO11 для оценки позы.

Оценка позы в реальном времени с помощью YOLO11: повышение безопасности труда

Безопасность является важным аспектом любого строительного проекта. Это особенно актуально, поскольку, согласно статистике, на строительных площадках происходит больше несчастных случаев, связанных с работой. В 2021 году около 20% всех связанных с работой смертельных травм произошло на строительных площадках или вблизи них. При ежедневных рисках, таких как тяжелое оборудование и электрические системы, строгие меры безопасности необходимы для обеспечения безопасности работников. Традиционные методы, такие как использование знаков, баррикад и ручной мониторинг со стороны руководителей, не всегда эффективны и часто отвлекают руководителей от более важных задач.

ИИ может помочь повысить уровень безопасности, а риск несчастных случаев можно снизить с помощью системы мониторинга работников на основе оценки позы. Модели Ultralytics YOLO11 могут использоваться для track движений и поз работников. Любые потенциальные опасности, например, работники, стоящие слишком близко к опасному оборудованию или неправильно выполняющие задания, могут быть быстро обнаружены. При обнаружении риска можно уведомить об этом руководителей или подать сигнал тревоги работнику. Система непрерывного мониторинга может сделать строительные площадки более безопасными, так как она всегда начеку и защищает рабочих. 

‍

Оценка позы с помощью YOLO11 для мониторинга домашнего скота

Фермеры и исследователи могут использовать YOLO11 для изучения движения и поведения сельскохозяйственных животных, например крупного рогатого скота, чтобы detect ранние признаки таких заболеваний, как хромота. Хромота - это состояние, при котором животное не может нормально двигаться из-за боли в ногах или ступнях. Такие заболевания крупного рогатого скота, как хромота, не только влияют на его здоровье и благополучие, но и приводят к производственным проблемам на молочных фермах. Исследования показывают, что хромота поражает от 8 % крупного рогатого скота при пастбищном содержании и от 15 до 30 % при содержании в закрытых помещениях во всей мировой молочной промышленности. Выявление и устранение хромоты на ранней стадии может помочь улучшить благосостояние животных и снизить производственные потери, связанные с этим заболеванием.

Функция оценки позы YOLO11поможет фермерам track походку животных и быстро выявлять любые отклонения от нормы, которые могут свидетельствовать о проблемах со здоровьем, таких как заболевания суставов или инфекции. Выявление таких проблем на ранней стадии позволяет ускорить лечение, уменьшить дискомфорт животных и помочь фермерам избежать экономических потерь.

Системы мониторинга с поддержкой Vision AI также могут помочь анализировать поведение в состоянии покоя, социальное взаимодействие и модели питания. Фермеры также могут использовать оценку позы для получения информации о признаках стресса или агрессии. Эти данные можно использовать для создания лучших условий жизни для животных и повышения их благополучия.

‍

Примеры использования YOLO11 в фитнес-индустрии

Оценка поз также может помочь людям улучшить осанку в режиме реального времени во время тренировок. С помощью YOLO11 инструкторы тренажерных залов и йоги могут контролировать и track движения тела занимающихся, обращая внимание на такие ключевые точки, как суставы и конечности, чтобы оценить их осанку. Собранные данные можно сравнить с идеальными позами и техникой тренировок, а инструкторы могут получать предупреждения, если кто-то выполняет движение неправильно, что поможет предотвратить травмы.

‍

Например, во время занятия йогой оценка позы может помочь контролировать, сохраняют ли все ученики правильный баланс и выравнивание. Мобильные приложения, интегрированные с компьютерным зрением и оценкой позы, могут сделать фитнес более доступным для людей, занимающихся дома, или для тех, у кого нет доступа к персональным тренерам. Эта непрерывная обратная связь в режиме реального времени помогает пользователям улучшить свою технику и достичь своих фитнес-целей, снижая при этом риск получения травм.

Испытание оценки позы в реальном времени с помощью модели YOLO11

Теперь, когда мы выяснили, что такое оценка позы, и обсудили некоторые сферы ее применения. Давайте посмотрим, как вы можете опробовать оценку позы на новой модели YOLO11 . Для начала есть два удобных способа: использование пакета Ultralytics Python или Ultralytics HUB. Давайте рассмотрим оба варианта.

Выполнение выводов с помощью YOLO11

Запуск умозаключений подразумевает обработку моделью YOLO11 новых данных, не входящих в ее обучающие наборы, и использование изученных ею закономерностей для составления прогнозов на основе этих данных. Вы можете запускать выводы через код с помощью пакета Ultralytics Python . Для начала работы достаточно установить пакет Ultralytics с помощью pip, conda или Docker. Если во время установки у вас возникнут проблемы, в нашем руководстве по общим проблемам вы найдете полезные советы по устранению неполадок. 

После успешной установки пакета следующий код описывает, как загрузить модель и использовать ее для прогнозирования поз объектов на изображении.

‍

Обучение пользовательской модели YOLO11

Допустим, вы работаете над проектом по компьютерному зрению и у вас есть набор данных для конкретного приложения, связанного с оценкой позы. Тогда вы можете точно настроить и обучить пользовательскую модель YOLO11 в соответствии с вашими задачами. Например, вы можете использовать набор данных ключевых точек для анализа и понимания позы тигра на изображениях, определяя ключевые особенности, такие как положение его конечностей, головы и хвоста.

Вы можете использовать следующий фрагмент кода для загрузки и обучения модели оценки позы YOLO11 . Модель может быть построена из конфигурации YAML, или вы можете загрузить предварительно обученную модель для обучения. Этот скрипт также позволяет передать веса и начать обучение модели на заданном наборе данных, например наборе данныхCOCO для оценки позы.

‍

Используя новую обученную пользовательскую модель, вы можете запускать инференс на ранее не виденных изображениях, относящихся к вашему решению компьютерного зрения. Обученная модель также может быть преобразована в другие форматы с использованием режима экспорта.

Испытайте YOLO11 на Ultralytics HUB

До сих пор мы рассматривали способы использования YOLO11 , требующие базовых знаний о кодировании. Если это не то, что вы ищете, или вы не знакомы с кодированием, есть другой вариант: Ultralytics HUB. Ultralytics HUB - это удобная платформа, разработанная для упрощения процесса обучения и развертывания моделей YOLO . HUB позволяет легко управлять наборами данных, обучать модели и развертывать их, не требуя технических знаний.

Чтобы выполнить прогнозы на изображениях, вы можете создать учетную запись, перейти в раздел "Модели" и выбрать интересующую вас модель оценки позы YOLO11 . В разделе предварительного просмотра вы можете загрузить изображение и просмотреть результаты прогнозирования, как показано ниже. 

‍

YOLO11 - достижения в области определения позы человека

Ultralytics YOLO11 предлагает точные и гибкие решения для таких задач, как оценка позы, в широком спектре приложений. От повышения безопасности рабочих на строительных площадках до мониторинга состояния здоровья домашнего скота и коррекции осанки в фитнес-программах - YOLO11 обеспечивает точность и обратную связь в реальном времени благодаря передовой технологии компьютерного зрения. 

Его универсальность с множеством вариантов моделей и возможностью индивидуального обучения для конкретных случаев использования делает его очень ценным инструментом как для разработчиков, так и для предприятий. Будь то кодирование с помощью пакета Ultralytics Python или использование Ultralytics HUB для упрощения внедрения, YOLO11 делает оценку позы доступной и эффективной.

Чтобы узнать больше, посетите наш репозиторий GitHub и присоединяйтесь к нашему сообществу. Изучите приложения ИИ в производстве и сельском хозяйстве на страницах наших решений. 🚀