Pose Estimation

Оценка позы — это специализированный метод компьютерного зрения, который выходит за рамки простого обнаружения объектов, позволяя понимать их геометрическую структуру и физическую ориентацию. В то время как стандартное обнаружение объектов просто рисует прямоугольную рамку вокруг субъекта, оценка позы определяет конкретные семантические точки, известные как ключевые точки, такие как суставы человеческого тела (локти, колени, плечи) или конструктивные углы транспортного средства. Отображая эти ориентиры, модели машинного обучения могут воссоздать скелетное представление субъекта, что позволяет системам интерпретировать язык тела, динамику движений и точное позиционирование в 2D или 3D пространстве.

Link to this sectionОсновные механизмы: сверху вниз и снизу вверх#

Современная оценка позы в значительной степени опирается на сложные архитектуры глубинного обучения, часто использующие сверточные нейронные сети (CNN) для обработки визуальных данных. Алгоритмы, как правило, следуют одной из двух основных стратегий для определения ключевых точек:

• Подходы «сверху вниз» (Top-Down): этот метод сначала использует модель обнаружения объектов для поиска отдельных экземпляров внутри ограничивающих рамок. Как только человек или объект вырезается из изображения, оценщик позы предсказывает ключевые точки в этой конкретной области. Этот подход часто обладает высокой точностью, но может приводить к более высокой задержке вывода по мере увеличения количества субъектов в кадре.
• Подходы «снизу вверх» (Bottom-Up): напротив, эта стратегия одновременно обнаруживает все потенциальные ключевые точки на всем изображении (например, находя каждое «левое колено» в толпе), а затем использует алгоритмы ассоциации, чтобы сгруппировать их в отдельные скелеты. Этот метод обычно предпочтителен для вывода в реальном времени в многолюдных сценах, поскольку вычислительные затраты остаются относительно постоянными независимо от того, сколько людей присутствует.

Передовые модели, такие как YOLO26, используют продвинутые архитектуры end-to-end, которые балансируют эти потребности, обеспечивая высокоскоростную оценку позы, подходящую для развертывания на устройствах Edge AI и мобильных платформах.

Link to this sectionРазграничение связанных терминов компьютерного зрения#

Полезно отличать оценку позы от других задач визуального распознавания, чтобы понять ее уникальную ценность в рабочих процессах компьютерного зрения:

• Обнаружение объектов: фокусируется на идентификации того, что и где находится объект, выводя прямоугольную рамку. Оно рассматривает объект как жесткое целое, не понимая его внутренней артикуляции.
• Сегментация экземпляров: генерирует пиксельно-точную маску, очерчивающую точную форму объекта. Хотя сегментация обеспечивает границы, она не идентифицирует явно суставы или скелетные связи, необходимые для кинематического анализа.
• Оценка позы: специально нацелена на внутреннюю структуру, отображая связи между заранее определенными ориентирами (например, от бедра до колена) для анализа осанки и действий.

Link to this sectionРеальные приложения#

Способность оцифровывать движения людей и объектов привела к трансформационным приложениям в различных отраслях, часто обучаемым с использованием таких инструментов, как Ultralytics Platform, для управления большими наборами данных с аннотированными ключевыми точками.

Link to this sectionЗдравоохранение и реабилитация#

В медицине ИИ в здравоохранении использует оценку позы для удаленного мониторинга реабилитации пациентов. Отслеживая углы суставов и амплитуду движений, автоматизированные системы могут гарантировать, что пациенты правильно выполняют упражнения лечебной физкультуры дома. Это снижает риск повторной травмы и позволяет клиницистам количественно оценивать прогресс восстановления без необходимости использования дорогостоящего лабораторного оборудования.

Link to this sectionСпортивная аналитика#

Тренеры и спортсмены используют спортивную аналитику для оптимизации результатов. Модели оценки позы могут анализировать плоскость маха гольфиста, длину шага бегуна или биомеханику питчера без необходимости использования интрузивных костюмов с маркерами, применяемых в традиционном захвате движений. Это обеспечивает мгновенную обратную связь, основанную на данных, для улучшения техники и предотвращения травм от перенапряжения.

Link to this sectionРозничная торговля и поведенческий анализ#

В коммерческих средах системы ИИ в ритейле используют определение позы для понимания поведения клиентов, например, тянутся ли они за товарами на высоких полках или задерживаются в определенных проходах. Эти данные помогают оптимизировать планировку магазина и улучшить управление запасами, связывая физические действия с решениями о покупке.

Link to this sectionПример кода: оценка позы с помощью YOLO26#

Реализация оценки позы проста с современными фреймворками Python. В следующем примере показано, как использовать пакет ultralytics для загрузки предобученной модели YOLO26 (преемника 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()