Pose Estimation

Оценка позы — это специализированный метод компьютерного зрения, который выходит за рамки простого определения наличия объектов и позволяет понять их геометрическую структуру и физическую ориентацию. В то время как стандартное обнаружение объектов рисует простую прямоугольную рамку вокруг объекта, оценка позы определяет конкретные семантические точки, известные как ключевые точки, например суставы человеческого тела (локти, колени, плечи) или конструктивные углы транспортного средства. Сопоставляя эти ориентиры, модели машинного обучения могут воссоздавать скелетное представление объекта, позволяя системам интерпретировать язык тела, динамику движений и точное положение в двумерном или трехмерном пространстве.

Основные механизмы: подходы сверху вниз и снизу вверх#

Современная оценка позы в значительной степени опирается на сложные архитектуры глубокого обучения, часто использующие сверточные нейронные сети (CNNs) для обработки визуальных данных. Алгоритмы обычно применяют одну из двух основных стратегий для определения ключевых точек:

• Подходы сверху вниз: этот метод сначала использует модель обнаружения объектов для поиска отдельных экземпляров в пределах ограничивающих рамок. После того как человек или объект выделен из исходного изображения, оценщик позы прогнозирует ключевые точки в этой конкретной области. Такой подход часто обеспечивает высокую точность, но может страдать от увеличения задержки инференса по мере роста числа объектов в кадре.
• Подходы снизу вверх: напротив, эта стратегия одновременно обнаруживает все потенциальные ключевые точки на всем изображении (например, находит каждое «левое колено» в толпе), а затем использует алгоритмы ассоциации, чтобы объединить их в отдельные скелеты. Этот метод обычно предпочитают для инференса в реальном времени в многолюдных сценах, поскольку вычислительная стоимость остается относительно постоянной независимо от количества присутствующих людей.

Современные модели, такие как YOLO26, используют передовые сквозные архитектуры, которые обеспечивают баланс между этими требованиями и высокоскоростную оценку позы, подходящую для развертывания на устройствах периферийного ИИ и мобильных платформах.

Различия между связанными терминами компьютерного зрения#

Чтобы понять уникальную ценность оценки позы в рабочих процессах компьютерного зрения, полезно отличать ее от других задач визуального распознавания:

• Обнаружение объектов: фокусируется на определении того, что представляет собой объект и где он находится, выдавая прямоугольную рамку. Объект рассматривается как жесткий, без понимания его внутренней шарнирной структуры.
• Сегментация экземпляров: создает идеально соответствующую пикселям маску, очерчивающую точную форму объекта. Хотя сегментация предоставляет границы, она явно не определяет суставы или скелетные связи, необходимые для кинематического анализа.
• Оценка позы: нацелена именно на внутреннюю структуру, отображая связи между заранее определенными ориентирами (например, от бедра к колену) для анализа положения тела и действий.

Практические применения#

Возможность оцифровывать движения людей и объектов привела к появлению преобразующих решений в различных отраслях, которые часто обучаются с помощью таких инструментов, как Ultralytics Platform, для управления большими наборами данных с размеченными ключевыми точками.

Здравоохранение и реабилитация#

В медицинской сфере ИИ в здравоохранении использует оценку позы для удаленного мониторинга реабилитации пациентов. Отслеживая углы в суставах и диапазон движений, автоматизированные системы могут проверять, правильно ли пациенты выполняют упражнения лечебной физкультуры дома. Это снижает риск повторной травмы и позволяет клиницистам количественно оценивать прогресс восстановления без дорогостоящего лабораторного оборудования.

Спортивная аналитика#

Тренеры и спортсмены используют спортивную аналитику для оптимизации результатов. Модели оценки позы могут анализировать плоскость замаха игрока в гольфе, длину шага бегуна или биомеханику питчера без необходимости в специальных костюмах с маркерами, используемых при традиционном захвате движений. Это обеспечивает мгновенную обратную связь на основе данных для улучшения техники и предотвращения травм от перегрузки.

Розничная торговля и анализ поведения#

В коммерческой среде системы ИИ в розничной торговле используют обнаружение позы для понимания поведения покупателей, например попыток достать товары с высоких полок или задержек в определенных рядах. Эти данные помогают оптимизировать планировку магазинов и улучшать управление запасами, сопоставляя физические действия с решениями о покупке.

Пример кода: оценка позы с помощью Ultralytics YOLO26#

Реализовать оценку позы несложно с помощью современных фреймворков Python. В следующем примере показано, как использовать пакет ultralytics для загрузки предварительно обученной модели YOLO26 (преемницы YOLO11) и обнаружения ключевых точек человека на изображении.

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()