Как использовать Ultralytics YOLO11 для оценки позы

Исследования, связанные с computer vision, разделом искусственного интеллекта (ИИ), восходят к 1960-м годам. Однако только в 2010-х годах, с появлением deep learning, мы увидели значительные прорывы в том, как machines understand images. Одним из последних достижений в области computer vision являются передовые модели Ultralytics YOLO11. Модели YOLO11, впервые представленные на annual hybrid event от Ultralytics, YOLO Vision 2024 (YV24), поддерживают ряд computer vision tasks, включая оценку позы.

Pose estimation можно использовать для detect key points на человеке или объекте на изображении или видео, чтобы понять его положение, позу или движение. Этот метод широко применяется в таких областях, как sports analytics, animal behavior monitoring и robotics, помогая машинам интерпретировать физические действия в режиме реального времени. Благодаря улучшенной точности, эффективности и скорости по сравнению с earlier models в серии YOLO (You Only Look Once), YOLO11 отлично подходит для real-time pose estimation tasks.

Рис 1. Пример использования Ultralytics YOLO11 для оценки позы.

В этой статье мы разберемся, что такое pose estimation, обсудим некоторые варианты её применения и рассмотрим, как можно использовать YOLO11 с Ultralytics Python package для оценки позы. Мы также посмотрим, как использовать Ultralytics HUB, чтобы попробовать YOLO11 и pose estimation в несколько кликов. Давай начнем!

Link to this sectionЧто такое оценка позы?#

Прежде чем мы перейдем к тому, как использовать новую модель Ultralytics YOLO11 для оценки позы, давай лучше разберемся, что это такое.

Оценка позы — это метод компьютерного зрения, используемый для анализа позы человека или объекта на изображении или видео. Модели глубокого обучения, такие как YOLO11, могут определять, находить и отслеживать key points на заданном объекте или человеке. Для объектов эти key points могут включать углы, края или характерные отметки на поверхности, в то время как для людей эти key points представляют основные суставы, такие как локоть, колено или плечо.

Оценка позы уникальна и сложнее по сравнению с другими задачами компьютерного зрения, такими как object detection. В то время как object detection находит объекты на изображении, обводя их рамкой, оценка позы идет дальше, предсказывая точное положение ключевых точек на объекте.

Рис 2. Использование YOLO11 для обнаружения и оценки поз людей в офисе.

Что касается оценки позы, существуют два основных подхода: «снизу вверх» (bottom-up) и «сверху вниз» (top-down). Подход «снизу вверх» обнаруживает отдельные ключевые точки и объединяет их в скелет, в то время как подход «сверху вниз» сначала фокусируется на detecting objects, а затем оценивает ключевые точки внутри них.

YOLO11 сочетает в себе сильные стороны обоих методов. Как и в подходе «снизу вверх», он делает процесс простым и быстрым, не требуя ручной группировки ключевых точек. В то же время он использует точность метода «сверху вниз», обнаруживая людей и estimating their poses за один шаг.

Link to this sectionВарианты использования YOLO11 для оценки позы#

Универсальные возможности YOLO11 для оценки позы открывают широкий спектр потенциальных применений во многих отраслях. Давай подробнее рассмотрим некоторые из них.

Link to this sectionОценка позы в реальном времени с помощью YOLO11: Повышение безопасности работников#

Безопасность — важный аспект любого construction проекта. Это особенно актуально, так как статистически на строительных площадках происходит больше травм, связанных с работой. В 2021 году около 20% всех профессиональных fatal injuries произошли на стройплощадках или рядом с ними. Учитывая ежедневные риски, такие как heavy equipment и электрические системы, строгие меры безопасности необходимы для защиты работников. Традиционные методы, такие как использование знаков, ограждений и ручной надзор со стороны руководителей, не всегда эффективны и часто отвлекают руководителей от более важных задач.

ИИ может помочь повысить безопасность, а риск несчастных случаев можно снизить с помощью системы мониторинга работников на основе оценки позы. Модели Ultralytics YOLO11 можно использовать для отслеживания движений и поз работников. Любые потенциальные опасности, например, когда работники стоят слишком близко к опасному оборудованию или выполняют задачи неправильно, могут быть быстро обнаружены. Если риск обнаружен, руководители могут получить уведомление, или сигнал тревоги может предупредить самого работника. Система непрерывного мониторинга может сделать строительные площадки безопаснее, постоянно отслеживая опасности и protecting workers.

Рис 3. Пример оценки позы на строительной площадке с помощью YOLO11.

Link to this sectionОценка позы с помощью YOLO11 для мониторинга домашнего скота#

Farmers и researchers могут использовать YOLO11 для изучения движений и behavior of farm animals, таких как крупный рогатый скот, для раннего обнаружения признаков таких заболеваний, как хромота. Хромота — это состояние, при котором животное с трудом передвигается из-за боли в ногах или копытах. У крупного рогатого скота болезни типа хромоты не только влияют на их здоровье и благополучие, но и приводят к производственным потерям на молочных фермах. Исследования показывают, что lameness затрагивает от 8% скота в пастбищных системах до 15–30% в закрытых системах в мировой молочной промышленности. Detecting и устранение хромоты на ранней стадии помогает улучшить animal welfare и сократить производственные потери, связанные с этим состоянием.

Функции оценки позы YOLO11 помогают фермерам отслеживать паттерны походки животных и быстро выявлять любые отклонения, которые могут сигнализировать о проблемах со здоровьем, таких как проблемы с суставами или инфекции. Раннее обнаружение этих проблем позволяет faster treatment, уменьшая дискомфорт животных и helping farmers избежать экономических потерь.

vision AI системы мониторинга также помогают анализировать поведение в покое, социальные взаимодействия и паттерны кормления. Фермеры также могут использовать оценку позы для наблюдения за признаками стресса или агрессии. Эти данные могут быть использованы для создания лучших условий жизни для животных и повышения их благополучия.

Рис. 4. Визуализация оценки позы коровы.

Link to this sectionВарианты использования YOLO11 в фитнес-индустрии#

Оценка позы также может помочь людям улучшить свою осанку в реальном времени во время тренировок. С помощью YOLO11 инструкторы по фитнесу и йоге могут контролировать и track the body movements людей, занимающихся спортом, фокусируясь на ключевых точках, таких как суставы и конечности, для оценки осанки. Data collected можно сравнить с идеальными позами и техниками выполнения, а инструкторы могут получать оповещения, если кто-то выполняет упражнение неправильно, что помогает предотвратить травмы.

Рис 5. Использование оценки позы для анализа тренировки.

Например, во время занятий йогой оценка позы помогает отслеживать, поддерживают ли все students правильный баланс и выравнивание. Мобильные приложения, интегрированные с компьютерным зрением и оценкой позы, могут сделать фитнес more accessible для людей, тренирующихся дома, или тех, у кого нет доступа к персональным тренерам. Эта постоянная обратная связь в реальном времени помогает пользователям улучшать свою технику и достигать fitness goals, снижая при этом риск получения травм.

Link to this sectionПопробуй оценку позы в реальном времени с моделью YOLO11#

Теперь, когда мы изучили, что такое оценка позы и обсудили некоторые из её применений, давай посмотрим, как ты можешь попробовать оценку позы с новой моделью YOLO11. Для начала есть два удобных способа: использование пакета Ultralytics Python или через Ultralytics HUB. Давай рассмотрим оба варианта.

Link to this sectionЗапуск инференса с помощью YOLO11#

Запуск inference означает, что модель YOLO11 обрабатывает новые данные за пределами своих наборов для training и использует выученные паттерны для построения прогнозов на основе этих данных. Ты можешь запускать инференс через код с помощью пакета Ultralytics Python. Все, что тебе нужно сделать, чтобы get started, — это установить пакет Ultralytics с помощью pip, conda или Docker. Если у тебя возникнут трудности при установке, наше Common Issues Guide предложит полезные советы по устранению неполадок.

Как только ты успешно установишь пакет, в следующем коде показано, как загрузить модель и использовать её для прогнозирования поз объектов на изображении.

Рис 6. Фрагмент кода, демонстрирующий запуск инференса с использованием YOLO11.

Link to this sectionОбучение пользовательской модели YOLO11#

Допустим, ты работаешь над computer vision project и у тебя есть специфический dataset для конкретного приложения, связанного с оценкой позы. Тогда ты можешь fine-tune и обучить custom YOLO11 model для своей задачи. Например, ты можешь использовать dataset of keypoints для анализа и понимания pose of a tiger на изображениях, идентифицируя такие ключевые особенности, как положение конечностей, головы и хвоста.

Ты можешь использовать следующий фрагмент кода для загрузки и обучения модели оценки позы YOLO11. Модель можно собрать из YAML configuration, или ты можешь загрузить предварительно обученную модель для дообучения. Этот скрипт также позволяет переносить веса и начать обучение модели с использованием указанного набора данных, такого как COCO dataset для оценки позы.

Рис 7. Индивидуальное обучение YOLO11.

Используя новую обученную модель, ты можешь запускать инференс на новых изображениях, относящихся к твоему computer vision solution. Обученную модель также можно конвертировать в другие форматы с помощью export mode.

Link to this sectionПопробуй YOLO11 на Ultralytics HUB#

До сих пор мы рассматривали методы использования YOLO11, требующие базовых знаний программирования. Если это не то, что ты ищешь, или ты не знаком с программированием, 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 без необходимости в глубоких технических знаниях.

Чтобы запускать инференс на изображениях, ты можешь создать учетную запись, перейти в раздел «Модели» и выбрать интересующую тебя модель оценки позы YOLO11. В разделе предварительного просмотра ты можешь загрузить изображение и просмотреть результаты прогноза, как показано ниже.

Рис 8. Оценка позы на Ultralytics HUB с помощью YOLO11.

Link to this sectionДостижения YOLO11 в обнаружении поз человека#

Ultralytics YOLO11 предлагает точные и гибкие решения для таких задач, как оценка позы, в широком спектре приложений. От повышения безопасности работников на строительных площадках до мониторинга здоровья скота и помощи в исправлении осанки во время тренировок, YOLO11 обеспечивает точность и обратную связь в реальном времени с помощью передовых технологий компьютерного зрения.

Универсальность, наличие нескольких вариантов моделей и возможность индивидуального обучения для конкретных задач делают её ценным инструментом как для разработчиков, так и для бизнеса. Будь то программирование с использованием пакета Ultralytics Python или использование Ultralytics HUB для более простой реализации, YOLO11 делает оценку позы доступной и эффективной.

Чтобы узнать больше, посети наш GitHub repository и присоединяйся к нашему community. Изучи применения ИИ в manufacturing и agriculture на наших страницах с решениями. 🚀