Pose Estimation

Оценка позы — специализированная техника компьютерного зрения, которая не просто обнаруживает наличие объектов, а определяет их геометрическую структуру и физическую ориентацию. В отличие от стандартного обнаружения объектов, которое обводит субъект простой прямоугольной рамкой, оценка позы находит отдельные семантические точки, называемые ключевыми точками, например суставы человеческого тела (локти, колени, плечи) или структурные углы транспортного средства. Отображая эти ориентиры, модели машинного обучения могут восстановить скелетное представление субъекта, благодаря чему системы интерпретируют язык тела и динамику движений, а также определяют точное положение в двух- или трёхмерном пространстве.

Основные механизмы: подходы сверху вниз и снизу вверх#

Современная оценка позы в значительной степени опирается на сложные архитектуры глубокого обучения, часто использующие свёрточные нейронные сети (CNNs) для обработки визуальных данных. Обычно алгоритмы используют одну из двух основных стратегий обнаружения ключевых точек:

• Подходы сверху вниз: сначала этот метод использует модель обнаружения объектов, чтобы найти отдельные экземпляры в ограничивающих рамках. Затем человек или объект вырезается из общего изображения, и модель оценки позы предсказывает ключевые точки внутри выделенной области. Такой подход часто обеспечивает высокую точность, но при увеличении числа субъектов в кадре может возрастать задержка инференса.
• Подходы снизу вверх: напротив, эта стратегия одновременно обнаруживает все возможные ключевые точки на всём изображении (например, находит каждое «левое колено» в толпе), а затем группирует их в отдельные скелеты с помощью алгоритмов сопоставления. Этот метод обычно предпочтителен для инференса в реальном времени в заполненных сценах, поскольку вычислительная стоимость остаётся относительно постоянной независимо от количества людей.

Передовые модели, такие как YOLO26, используют современные сквозные архитектуры, уравновешивающие эти требования. Они обеспечивают высокую скорость оценки позы и подходят для развёртывания на устройствах с периферийным ИИ и мобильных платформах.

Разграничение смежных терминов компьютерного зрения#

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

• Обнаружение объектов: определяет, что это за объект и где он находится, выдавая прямоугольную рамку. Субъект рассматривается как жёсткий объект, без анализа его внутреннего строения.
• Сегментация экземпляров: создаёт попиксельную маску, точно очерчивающую форму объекта. Сегментация определяет границы, но не находит суставы и скелетные соединения, необходимые для кинематического анализа.
• Оценка позы: направлена именно на определение внутренней структуры и отображает связи между заранее заданными ориентирами (например, от бедра до колена), чтобы анализировать позу и действия.

Примеры применения в реальных условиях#

Возможность оцифровывать движения людей и объектов привела к появлению преобразующих отрасль приложений. Для управления большими наборами размеченных ключевых точек при их обучении часто используют такие инструменты, как платформа Ultralytics.

Здравоохранение и реабилитация#

В медицине ИИ в здравоохранении использует оценку позы для удалённого мониторинга реабилитации пациентов. Отслеживая углы суставов и амплитуду движений, автоматизированные системы помогают пациентам правильно выполнять упражнения лечебной физкультуры дома. Это снижает риск повторной травмы и позволяет врачам количественно оценивать прогресс восстановления без дорогостоящего лабораторного оборудования.

Спортивная аналитика#

Тренеры и спортсмены используют спортивную аналитику, чтобы повышать результаты. Модели оценки позы анализируют плоскость замаха гольфиста, длину шага бегуна или биомеханику броска питчера без неудобных костюмов с маркерами, применяемых при традиционном захвате движения. Это позволяет сразу получать основанные на данных рекомендации, улучшать технику и предотвращать травмы из-за чрезмерной нагрузки.

Розничная торговля и анализ поведения#

В коммерческих помещениях системы ИИ в розничной торговле используют обнаружение позы, чтобы понимать поведение покупателей, например когда они тянутся за товарами на высоких полках или задерживаются в определённых проходах. Эти данные помогают оптимизировать планировку магазинов и улучшать управление запасами, связывая физические действия с решениями о покупке.

Пример кода: оценка позы с Ultralytics YOLO26#

Оценку позы легко реализовать с помощью современных фреймворков на Python. В следующем примере показано, как с помощью пакета ultralytics загрузить предварительно обученную модель YOLO26 (преемницу YOLO11) и обнаружить ключевые точки человека на изображении.

from ultralytics import YOLO

# Загрузи модель YOLO26-pose (версию nano для повышения скорости)
model = YOLO("yolo26n-pose.pt")

# Выполни инференс для источника изображения
# Модель определяет ограничивающие рамки и отдельные ключевые точки (суставы)
results = model("https://ultralytics.com/images/bus.jpg")

# Выведи координаты xy обнаруженных ключевых точек
print(results[0].keypoints.xy)

# Визуализируй результаты определения скелета
results[0].show()