Как использовать Ultralytics YOLO11 для оценки позы

Исследования в области компьютерного зрения, отрасли искусственного интеллекта (AI), ведутся с 1960-х годов. Однако значительные прорывы в том, как машины понимают изображения, стали возможны лишь в 2010-х годах с развитием глубокого обучения. Одним из последних достижений в области компьютерного зрения стали передовые модели Ultralytics YOLO11. Модели YOLO11, впервые представленные на ежегодном гибридном мероприятии Ultralytics — YOLO Vision 2024 (YV24), поддерживают широкий спектр задач компьютерного зрения, включая оценку позы.

Оценка позы позволяет обнаруживать ключевые точки человека или объекта на изображении или видео, чтобы понимать их положение, позу или движение. Она широко применяется в таких областях, как спортивная аналитика, мониторинг поведения животных и робототехника, помогая машинам интерпретировать физические действия в реальном времени. Благодаря повышенной точности, эффективности и скорости по сравнению с предыдущими моделями серии YOLO (Ты смотришь только один раз), YOLO11 отлично подходит для задач оценки позы в реальном времени.

Рис. 1. Пример использования Ultralytics YOLO11 для оценки позы.

В этой статье мы разберёмся, что такое оценка позы, обсудим некоторые варианты её применения и пошагово рассмотрим, как использовать YOLO11 с пакетом Ultralytics для Python для оценки позы. Мы также посмотрим, как с помощью Ultralytics HUB опробовать YOLO11 и оценку позы всего за несколько простых нажатий. Начнём!

Что такое оценка позы?#

Прежде чем перейти к использованию новой модели Ultralytics YOLO11 для оценки позы, давай лучше разберёмся, что такое оценка позы.

Оценка позы — это метод компьютерного зрения, используемый для анализа позы человека или объекта на изображении или видео. Модели глубокого обучения, такие как Ultralytics YOLO11, могут идентифицировать, находить и отслеживать ключевые точки заданного объекта или человека. Для объектов такими ключевыми точками могут быть углы, края или характерные отметки на поверхности, тогда как у людей эти ключевые точки обозначают основные суставы, например локоть, колено или плечо.

Оценка позы отличается от других задач компьютерного зрения, таких как обнаружение объектов, и является более сложной. В то время как обнаружение объектов находит объекты на изображении, обводя их рамкой, оценка позы идёт дальше и предсказывает точные положения ключевых точек объекта.

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

Существует два основных подхода к оценке позы: снизу вверх и сверху вниз. Подход снизу вверх обнаруживает отдельные ключевые точки и объединяет их в скелеты, тогда как подход сверху вниз сначала сосредотачивается на обнаружении объектов, а затем оценивает ключевые точки внутри них.

Ultralytics YOLO11 сочетает преимущества методов сверху вниз и снизу вверх. Подобно подходу снизу вверх, он сохраняет простоту и скорость, не требуя вручную объединять ключевые точки. Одновременно он использует точность метода сверху вниз, обнаруживая людей и оценивая их позы за один шаг.

Варианты применения оценки позы с Ultralytics YOLO11#

Универсальные возможности Ultralytics YOLO11 для оценки позы открывают широкий спектр потенциальных применений во многих отраслях. Давай подробнее рассмотрим некоторые варианты использования YOLO11 для оценки позы.

Оценка позы в реальном времени с Ultralytics YOLO11: повышение безопасности работников#

Безопасность — важный аспект любого проекта в сфере строительства. Это особенно актуально, поскольку статистика показывает, что на строительных площадках происходит больше травм, связанных с работой. В 2021 году около 20% всех смертельных травм, связанных с работой, произошли на строительных площадках или рядом с ними. При ежедневных рисках, связанных с тяжёлым оборудованием и электрическими системами, эффективные меры безопасности необходимы для защиты работников. Традиционные методы, такие как использование знаков, ограждений и ручной контроль со стороны руководителей, не всегда эффективны и часто отвлекают руководителей от более важных задач.

AI может 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. Потенциальные опасности, например слишком близкое нахождение работников к опасному оборудованию или неправильное выполнение задач, можно быстро обнаружить. При обнаружении риска руководители могут получить уведомление, а сигнал тревоги — предупредить работника. Система непрерывного мониторинга может сделать строительные площадки безопаснее, постоянно выявляя опасности и защищая работников.

Рис. 3. Пример оценки позы на строительной площадке с использованием Ultralytics YOLO11.

Оценка позы с Ultralytics YOLO11 для мониторинга сельскохозяйственных животных#

Фермеры и исследователи могут использовать Ultralytics YOLO11 для изучения движений и поведения сельскохозяйственных животных, например крупного рогатого скота, чтобы выявлять ранние признаки заболеваний, таких как хромота. Хромота — это состояние, при котором животному трудно нормально двигаться из-за боли в ногах или ступнях. У крупного рогатого скота такие заболевания, как хромота, не только влияют на здоровье и благополучие животных, но и приводят к проблемам с производством на молочных фермах. Исследования показывают, что хромота поражает от 8% крупного рогатого скота в пастбищных системах содержания до 15–30% в системах с ограниченным содержанием по всему мировому молочному животноводству. Раннее обнаружение и лечение хромоты помогают улучшить благополучие животных и сократить производственные потери, связанные с этим состоянием.

Возможности Ultralytics YOLO11 по оценке позы помогают фермерам отслеживать особенности походки животных и быстро выявлять любые отклонения, которые могут указывать на проблемы со здоровьем, например заболевания суставов или инфекции. Раннее обнаружение таких проблем позволяет быстрее начать лечение, уменьшить дискомфорт животных и помочь фермерам избежать экономических потерь.

Системы мониторинга на базе компьютерного зрения и AI также помогают анализировать поведение во время отдыха, социальные взаимодействия и особенности кормления. Фермеры могут использовать оценку позы для выявления признаков стресса или агрессии. Эти сведения помогают создать лучшие условия содержания животных и повысить их благополучие.

Рис. 4. Визуализация оценки позы коровы.

Варианты применения Ultralytics YOLO11 в фитнес-индустрии#

Оценка позы также помогает людям улучшать осанку в реальном времени во время тренировок. С помощью Ultralytics YOLO11 инструкторы в спортзалах и преподаватели йоги могут отслеживать и анализировать движения тела тренирующихся, уделяя внимание таким ключевым точкам, как суставы и конечности, чтобы оценивать их позу. Собранные данные можно сравнивать с идеальными позами и техниками выполнения упражнений, а инструкторы могут получать уведомления, если кто-то выполняет движение неправильно, что помогает предотвращать травмы.

Рис. 5. Использование оценки позы для анализа тренировки.

Например, на занятии йогой оценка позы помогает отслеживать, сохраняют ли все ученики правильный баланс и выравнивание тела. Мобильные приложения, интегрированные с компьютерным зрением и оценкой позы, делают фитнес более доступным для людей, которые тренируются дома или не имеют доступа к персональным тренерам. Эта непрерывная обратная связь в реальном времени помогает пользователям улучшать технику и достигать своих фитнес-целей, снижая риск травм.

Пробуем оценку позы в реальном времени с моделью Ultralytics YOLO11#

Теперь, когда мы разобрались, что такое оценка позы, и обсудили некоторые варианты её применения, давай посмотрим, как опробовать оценку позы с новой моделью YOLO11. Для начала есть два удобных способа: использовать пакет Ultralytics для Python или Ultralytics HUB. Давай рассмотрим оба варианта.

Запуск инференса с использованием Ultralytics YOLO11#

Инференс включает обработку моделью YOLO11 новых данных, отсутствующих в её наборах обучения, и использование изученных закономерностей для построения прогнозов на основе этих данных. Инференс можно запускать через код с помощью пакета Ultralytics для Python. Чтобы начать работу, достаточно установить пакет Ultralytics с помощью pip, conda или Docker. Если при установке возникнут сложности, в нашем руководстве по распространённым проблемам есть полезные советы по устранению неполадок.

После успешной установки пакета следующий код показывает, как загрузить модель и использовать её для предсказания поз объектов на изображении.

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

Обучение собственной модели Ultralytics YOLO11#

Предположим, ты работаешь над проектом в области компьютерного зрения и у тебя есть специальный набор данных для конкретного приложения, связанного с оценкой позы. Тогда ты можешь дообучить и обучить пользовательскую модель YOLO11 под своё приложение. Например, можно использовать набор ключевых точек, чтобы анализировать и понимать позу тигра на изображениях, определяя такие характерные признаки, как положение его конечностей, головы и хвоста.

Ты можешь использовать следующий фрагмент кода для загрузки и обучения модели Ultralytics YOLO11 для оценки позы. Модель можно создать на основе конфигурации YAML или загрузить предварительно обученную модель для обучения. Этот скрипт также позволяет перенести веса и начать обучение модели на указанном наборе данных, например на наборе данных COCO для оценки позы.

Рис. 7. Пользовательское обучение Ultralytics YOLO11.

С помощью новой обученной пользовательской модели можно запускать инференс на неизвестных изображениях, связанных с твоим решением для компьютерного зрения. Обученную модель также можно преобразовать в другие форматы с помощью режима экспорта.

Попробуй YOLO11 в Ultralytics HUB#

До сих пор мы рассматривали способы использования YOLO11, требующие базовых знаний программирования. Если это не то, что тебе нужно, или ты не знаком с программированием, есть другой вариант: Ultralytics HUB. Ultralytics HUB — удобная платформа, созданная для упрощения обучения и развертывания моделей YOLO. HUB позволяет легко управлять наборами данных, обучать модели и развертывать их без специальных технических знаний.

Чтобы запустить инференс на изображениях, создай аккаунт, перейди в раздел «Models» и выбери интересующую тебя модель Ultralytics YOLO11 для оценки позы. В разделе предварительного просмотра можно загрузить изображение и просмотреть результаты предсказания, как показано ниже.

Рис. 8. Оценка позы в Ultralytics HUB с YOLO11.

Достижения Ultralytics YOLO11 в обнаружении позы 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 сельскохозяйственных животных и помощи в исправлении осанки во время фитнес-тренировок — YOLO11 обеспечивает точность и обратную связь в реальном времени благодаря передовой технологии компьютерного зрения.

Универсальность YOLO11, наличие нескольких вариантов моделей и возможность пользовательского обучения для конкретных сценариев делают его ценным инструментом как для разработчиков, так и для компаний. Будь то программирование с помощью пакета Ultralytics для Python или использование Ultralytics HUB для более простой реализации, YOLO11 делает оценку позы доступной и эффективной.

Чтобы узнать больше, посетите наш репозиторий GitHub и присоединяйся к нашему сообществу. Изучай применения AI в производстве и сельском хозяйстве на страницах наших решений. 🚀