Poz tahmini araçları için nihai rehber

İnsanlar olarak hareketi içgüdüsel bir şekilde okuruz. Biri öne eğildiğinde, başını çevirdiğinde veya bir kolunu kaldırdığında, ne yaptığını anında çıkarabilirsin. Bu, insanlarla nasıl etkileşim kurduğumuzu ve dünyayı nasıl keşfettiğimizi şekillendiren sessiz, neredeyse bilinçaltı bir beceridir.

Teknoloji günlük yaşamın daha büyük bir parçası haline geldikçe, cihazlarımızın da hareketi bizim kadar akıcı bir şekilde anlamasını istemek doğaldır. Yapay zekadaki son gelişmeler, özellikle derin öğrenme tabanlı ilerlemeler, bunu mümkün kılıyor. Özellikle bilgisayarlı görü, makinelerin görsellerden ve videolardan anlam çıkarmasına yardımcı oluyor ve bu ilerlemeye öncülük ediyor.

Örneğin, poz tahmini; bir görüntü veya video karesindeki önceden tanımlanmış vücut anahtar noktalarının (omuzlar, dirsekler, kalçalar ve dizler gibi) konumlarını tahmin eden yaygın bir bilgisayarlı görü görevidir. Bu anahtar noktalar, basitleştirilmiş bir poz temsili oluşturmak için sabit bir iskelet tanımı kullanılarak birbirine bağlanabilir.

Ultralytics YOLO11 ve yakında çıkacak olan Ultralytics YOLO26 gibi bilgisayarlı görü modelleri, poz tahmini gibi görevleri destekler ve fitness ile spor alanında form geri bildirimi, güvenlik izleme ve etkileşimli artırılmış gerçeklik deneyimleri dahil olmak üzere gerçek zamanlı uygulamalara güç sağlamak için kullanılabilir.

Şekil 1. Poz tahmini için Ultralytics YOLO11 kullanımına bir bakış (Kaynak)

Bu makalede, poz tahmini araçlarını derinlemesine inceleyeceğiz; poz tahmininin nasıl çalıştığını, nerede kullanıldığını ve günümüzde mevcut olan en iyi modellerden ve kütüphanelerden bazılarını göreceğiz. Hadi başlayalım!

Link to this sectionPoz tahmini nedir?#

Poz tahmini, bir sistemin bir kişinin veya nesnenin bir görüntü veya videoda nasıl konumlandığını anlamasına yardımcı olan bir bilgisayarlı görü tekniğidir. Her pikseli eşit derecede analiz etmek yerine, baş, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi bir dizi tutarlı dönüm noktasını tahmin eder.

Modellerin çoğu, bu anahtar noktaların koordinatlarını ve her tahminin doğru olma olasılığını yansıtan bir puan çıktısı verir. Bu anahtar noktalar daha sonra basit bir poz temsili oluşturmak için önceden tanımlanmış bir iskelet düzeni kullanılarak birbirine bağlanabilir.

Videolarda kare kare uygulandığında, elde edilen anahtar noktalar hareketi tahmin etmek için zaman içinde ilişkilendirilebilir. Bu, form kontrolleri, hareket analizi ve jest tabanlı etkileşim gibi uygulamaları mümkün kılar.

Şekil 2. Poz tahmini örneği (Kaynak)

Link to this sectionPoz tahmini araçlarına olan ihtiyaç#

İnsan hareketi çok fazla bilgi taşır. Birinin eğilme, uzanma veya ağırlığını kaydırma biçimi niyeti, çabayı, yorgunluğu ve hatta yaralanma riskini ortaya çıkarabilir. Yakın zamana kadar, bu düzeyde ayrıntıyı yakalamak genellikle özel sensörler, hareket yakalama giysileri veya kontrollü laboratuvar ortamları gerektiriyordu.

Poz tahmini bunu değiştiriyor. Vücudun anahtar dönüm noktalarını normal görüntülerden ve videolardan çıkarmak, bilgisayarların standart kameralar kullanarak hareketi analiz etmesini sağlar. Bu, hareket analizini gerçek dünya ortamlarında daha erişilebilir, ölçeklenebilir ve pratik hale getirir.

İşte poz tahmininin etki yaratabileceği birkaç yol:

• Daha güvenli iş yerleri: Görüş odaklı sistemler, yaralanmalar meydana gelmeden önce riskli duruşları, tekrarlayan zorlanmaları veya güvenli olmayan kaldırma tekniklerini tespit etmek için kullanılabilir.
• Daha iyi fitness ve spor eğitimi: Görüş yapay zekası çözümleri, formu, dengeyi ve tekniği gerçek zamanlı olarak değerlendirerek kullanıcılara giyilebilir cihazlar olmadan anında geri bildirim verebilir.
• Sağlık ve rehabilitasyon: Klinisyenler, basit video kayıtlarını kullanarak iyileşme sürecini, duruşu ve hareket aralığını uzaktan takip edebilir.
• Etkileşimli deneyimler: Poz tahmini, dijital avatarların ve sürükleyici ortamların insan hareketini doğru bir şekilde takip etmesini ve yansıtmasını kolaylaştırır.

Link to this sectionPoz tahmini algoritmalarının evrimi#

Poz tahmin etme fikri uzun yıllardır var. İlk yaklaşımlar basit geometrik modeller ve el yapımı kurallar kullanıyordu ve genellikle sadece kontrollü koşullarda çalışıyorlardı.

Örneğin, bir sistem bir kişi sabit bir pozisyonda durduğunda iyi performans gösterebilir, ancak yürümeye, dönmeye veya gerçek dünya sahnelerindeki nesnelerle etkileşime girmeye başladığında başarısız olabilirdi. Bu yöntemler genellikle doğal hareket, değişen kamera açıları, karmaşık arka planlar ve kısmi tıkanmalarla mücadele etmekte zorlanıyordu.

Modern poz tahmini, bu zorlukların üstesinden gelmek için derin öğrenmeye dayanır. Evrişimli sinir ağlarını büyük etiketli veri setleri üzerinde eğiterek modeller, farklı pozlar, insanlar ve ortamlar arasında anahtar noktaları daha güvenilir bir şekilde tespit etmelerine yardımcı olan görsel kalıpları öğrenirler.

Daha fazla örnekle model, tahminlerini geliştirir ve yeni sahnelere uyum sağlama konusunda daha yetenekli hale gelir. Bu ilerleme sayesinde poz tahmini artık, iş yeri izleme ve ergonomi dahil olmak üzere çok çeşitli pratik kullanım durumlarını ve antrenörlerin sporcuların hareketlerini incelediği spor analitiğini destekliyor.

Link to this sectionPoz tahmini tekniklerinin türleri#

Poz tahmini, ortama ve neyi ölçmen gerektiğine bağlı olarak birkaç farklı biçimde gelir. İşte karşılaşacağın ana türler:

• 2D poz tahmini: Bu yaklaşım, iki boyutlu bir görüntü veya video karesindeki vücut anahtar noktalarını tespit eder. Standart kameralarla iyi çalışır ve hesaplama açısından verimlidir, bu da onu temel hareket takibi, duruş analizi ve gerçek zamanlı form geri bildirimi gibi görevler için uygun hale getirir.
• 3D poz tahmini: Görüntü koordinatlarına ek olarak derinliği de tahmin ederek, 3D poz tahmini vücut hareketinin uzamsal bir anlayışını sağlar. Bu, spor analizi, rehabilitasyon, biyomekanik ve animasyon gibi ileri ve geri hareketin önemli olduğu durumlarda özellikle yararlıdır. Spesifik olarak, 3D insan pozu tahmini, 2D projeksiyonlarla ortaya çıkabilecek belirsizliği azaltarak eklem pozisyonlarını ve hareketi 3D uzayda yakalar.
• Tek kişilik poz tahmini: Bu sistemler, bir seferde bir kişiyi takip etmek üzere tasarlanmıştır. Rehberli egzersiz uygulamaları, görüntülü görüşmeler veya hareket analizi kurulumları gibi öznenin net bir şekilde görülebildiği kontrollü veya yarı kontrollü ortamlarda en iyi performansı gösterme eğilimindedirler.
• Çok kişilik poz tahmini: Birden fazla kişinin olduğu sahneler için oluşturulmuş bu yaklaşım, aynı anda birkaç kişinin pozunu tespit eder ve takip eder. Öznenin birbiriyle örtüşebileceği veya birbirini kapatabileceği iş yerleri, spor salonları, kamusal alanlar ve grup aktiviteleri gibi yoğun ortamlarda özellikle yararlıdır.

Şekil 3. 3D uzayda insan hareketini 2D görüntü uzayı ile karşılaştırarak anlama (Kaynak)

Link to this sectionİnsan pozu tahmini modellerinin nasıl çalıştığını anlamak#

Poz tahmini birçok nesne türüne uygulanabilir, ancak işleri basit tutmak için insan pozu tahminine odaklanalım.

Çoğu insan pozu tahmini sistemi, vücudun anahtar bölümlerinin geniş görüntü ve video karesi koleksiyonlarında etiketlendiği açıklamalı veri setleri üzerinde eğitilir. Bu örnekleri kullanarak model, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi insan vücudu dönüm noktalarıyla bağlantılı görsel kalıpları öğrenir, böylece yeni sahnelerdeki anahtar noktaları doğru bir şekilde tahmin edebilir.

Bir diğer önemli husus, modelin anahtar noktaları nasıl tespit ettiğini ve bunları tam pozlara nasıl dönüştürdüğünü belirleyen çıkarım mimarisidir. Bazı sistemler önce her kişiyi tespit eder ve ardından her kişinin bölgesindeki anahtar noktaları tahmin ederken, diğerleri tüm görüntüdeki anahtar noktaları tespit eder ve ardından bunları kişilere göre gruplandırır. Daha yeni tek aşamalı tasarımlar, gerçek zamanlı kullanım için hız ve doğruluk dengesi kurarak pozları tek bir geçişte tahmin edebilir.

Şimdi, farklı poz tahmini yaklaşımlarını ayrıntılı olarak inceleyelim.

Link to this sectionAşağıdan yukarıya poz tahmini#

Aşağıdan yukarıya (bottom-up) bir yaklaşımda model, tüm görüntüye bakar ve önce baş, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi vücut anahtar noktalarını bulur. Bu aşamada insanları birbirinden ayırmaya çalışmaz. Sadece sahne genelinde poz iskeleti tarafından tanımlanan tüm anahtar noktaları veya vücut eklemlerini tespit eder.

Bundan sonra sistem, noktaları birleştirmek için ikinci bir adım gerçekleştirir. Birbirine ait anahtar noktaları bağlar ve bunları kişi başına bir tane olacak şekilde tam iskeletler halinde gruplandırır. Önce her kişiyi tespit etmesi gerekmediğinden, aşağıdan yukarıya yöntemler genellikle insanların örtüştüğü, farklı boyutlarda göründüğü veya kısmen gizlendiği kalabalık sahnelerde iyi çalışır.

Link to this sectionYukarıdan aşağıya poz tespiti#

Buna karşılık, yukarıdan aşağıya (top-down) sistemler önce görüntüdeki her kişiyi tespit ederek başlar. Her bireyin etrafına bir sınırlayıcı kutu yerleştirirler ve her kutuyu analiz edilecek kendi bölgesi olarak ele alırlar.

Bir kişi izole edildikten sonra model, o bölgedeki vücut anahtar noktalarını tahmin eder. Bu adım adım kurulum, özellikle sahnede sadece birkaç kişi olduğunda ve her kişi net bir şekilde görülebildiğinde genellikle çok doğru sonuçlar üretir.

Link to this sectionTek aşamalı veya hibrit poz tahmini#

Bazen hibrit olarak da adlandırılan tek aşamalı modeller, pozları tek bir geçişte tahmin eder. Önce kişi tespiti, sonra anahtar nokta tahmini çalıştırmak yerine, kişi konumunu ve vücut anahtar noktalarını aynı anda çıktı olarak verirler.

Her şey tek bir modülde gerçekleştiği için bu modeller genellikle daha hızlı ve daha verimlidir, bu da onları canlı hareket takibi ve hareket yakalama gibi gerçek zamanlı kullanımlar için uygun hale getirir. Ultralytics YOLO11 gibi modeller, güvenilir anahtar nokta tahminleriyle hız arasında denge kurmayı hedefleyerek bu fikir etrafında inşa edilmiştir.

Link to this sectionPoz tahmini modellerini eğitme ve değerlendirme#

Hangi yaklaşım kullanılırsa kullanılsın, bir poz tahmini modelinin gerçek dünyada güvenilir olması için yine de dikkatlice eğitilmesi ve test edilmesi gerekir. Genellikle, farklı pozları, kamera açılarını ve ortamları işlemesine yardımcı olan vücut anahtar noktalarının etiketlendiği büyük görüntü (ve bazen video) setlerinden öğrenir.

Bazı iyi bilinen poz tahmini veri setleri arasında COCO Keypoints, MPII Human Pose, CrowdPose ve OCHuman bulunur. Bu veri setleri modelin dağıtımda karşılaşacağı koşulları yansıtmadığında, mühendisler genellikle fabrika zemini, spor salonu veya klinik gibi hedef ortamdan ek görseller toplar ve etiketler.

Şekil 4. Bilgisayarlı görü kullanılarak tahmin edilen çeşitli pozlar (Kaynak)

Eğitimden sonra, modelin performansı doğruluğu ve sağlamlığı ölçmek ve gerçek dünya kullanımı için daha fazla ince ayarı yönlendirmek üzere standart karşılaştırmalı testlerde değerlendirilir. Sonuçlar genellikle, tahmin edilen pozları etiketli gerçek verilerle karşılaştırarak farklı güven eşikleri arasındaki performansı özetleyen mAP olarak anılan ortalama ortalama hassasiyet kullanılarak rapor edilir.

Birçok poz karşılaştırmalı testinde, tahmin edilen bir poz, Nesne Anahtar Nokta Benzerliği (OKS) kullanılarak gerçek bir pozla eşleştirilir. OKS, kişinin ölçeği ve her anahtar noktanın tipik yerelleştirme zorluğu gibi faktörleri hesaba katarken, tahmin edilen anahtar noktaların etiketli anahtar noktalara ne kadar yakın olduğunu ölçer.

Poz modelleri ayrıca tespit edilen kişiler ve bireysel anahtar noktalar için güven puanları verir. Bu puanlar modelin güvenini yansıtır ve tahminleri sıralamak ve filtrelemek için kullanılır; bu, özellikle tıkanma, hareket bulanıklığı veya alışılmadık kamera açıları gibi zorlu koşullarda önemlidir.

Link to this sectionPopüler poz tahmini araçları ve kütüphaneleri#

Günümüzde her biri hız, doğruluk ve kullanım kolaylığını dengeleyen birçok poz tahmini aracı mevcuttur. İşte en yaygın kullanılan araçlardan ve kütüphanelerden bazıları:

• Ultralytics YOLO11: Son teknoloji ürünü bir açık kaynaklı görüş yapay zekası modeli olarak geliştirilen YOLO11, Ultralytics YOLOv8 gibi önceki modeller üzerine inşa edilmiştir. Poz tahmini dahil olmak üzere çeşitli bilgisayarlı görü görevlerini desteklerken hızı, doğruluğu ve genel verimliliği artırır. Dizüstü bilgisayarlardan uç cihazlara kadar platformlar arası güçlü performansıyla YOLO11, birçok gerçek dünya dağıtımı için harika bir seçenektir.
• Ultralytics YOLO26: Bu yakında çıkacak olan yeni nesil model, yine de güçlü doğruluğu korurken daha hafif, daha küçük ve daha hızlı olacak şekilde tasarlanmıştır. Gerçek zamanlı kullanım ve daha kolay dağıtım için oluşturulmuştur ve uç cihazlardan daha büyük sistemlere kadar her şeye uygun model boyutlarında nesne tespiti, örnek bölütleme ve poz tahmini gibi görevleri destekler.
• MediaPipe: Görüş ve makine öğrenimi hatları oluşturmak için platformlar arası bir çerçevedir. Hafiftir ve mobil cihazlarda, tabletlerde ve web uygulamalarında verimli bir şekilde çalışır; ayrıca tüm vücut pozu, yüz dönüm noktaları ve el takibi için kullanıma hazır çözümler ve modeller içerir.
• OpenPose: Bu uçtan uca açık kaynaklı poz tahmini sistemi, çok kişilik anahtar nokta tespiti ile geniş çapta bilinir. Vücut, el ve yüz anahtar noktalarını birlikte tahmin edebilir ve genellikle araştırma, animasyon ve hareket analizinde kullanılır.
• MMPose: MMPose, OpenMMLab ekosisteminden PyTorch tabanlı bir poz tahmini araç setidir. Deney ve derin özelleştirme için yararlı kılan birçok model uygulaması, eğitim yardımcı programı ve yapılandırma seçeneği sunar.
• HRNet ve AlphaPose: Bunlar, günümüzde araştırmalarda hala kullanılan eski poz tahmini modelleridir. HRNet, ağ boyunca yüksek çözünürlüklü görüntü özelliklerini koruyan ve anahtar noktaları hassas bir şekilde yerelleştirmesine yardımcı olan bir poz modeli mimarisidir. AlphaPose, kalabalık veya karmaşık sahnelerde güçlü doğruluk gerektiğinde yaygın olarak kullanılan çok kişilik bir poz tahmini sistemidir.

Link to this sectionPoz analizi ve tahmininin gerçek dünya uygulamaları#

Poz tahmini, sıradan videoları yararlı hareket içgörülerine dönüştürmek için giderek daha fazla kullanılıyor. Vücut anahtar noktalarını kare kare takip ederek bu sistemler, kamera beslemelerinden duruşu, hareketi ve fiziksel davranışı çıkarabilir ve böylece bu teknolojiyi birçok gerçek dünya ortamında pratik hale getirebilir.

Örneğin, sağlık ve rehabilitasyonda poz takibi, klinisyenlerin bir hastanın terapi ve iyileşme sırasında nasıl hareket ettiğini görmesine ve ölçmesine yardımcı olabilir. Vücut dönüm noktalarını sıradan video kayıtlarından çıkararak, duruşu, hareket aralığını ve zaman içindeki genel hareket kalıplarını değerlendirmek için kullanılabilir. Bu ölçümler, geleneksel klinik değerlendirmeleri destekleyebilir ve optimize edebilir ve bazı durumlarda giyilebilir sensörlere veya özel ekipmana ihtiyaç duymadan ilerlemeyi takip etmeyi kolaylaştırabilir.

Benzer şekilde, spor ve yayıncılıkta poz tahmini, sporcuların hareketlerini doğrudan video beslemelerinden analiz edebilir. İlginç bir örnek, profesyonel sporlarda hakemlik ve yayın grafikleri için kullanılan kamera tabanlı bir takip sistemi olan Hawk-Eye'dır. Ayrıca, bir sporcunun vücut anahtar noktalarını kamera görüntülerinden tahmin ederek iskelet takibi sağlar.

Link to this sectionDoğru poz tahmini aracını seçmek#

Doğru poz tahmini aracını seçmek, bilgisayarlı görü projenin ihtiyaçlarını anlamakla başlar. Bazı uygulamalar gerçek zamanlı hıza öncelik verirken, diğerleri daha yüksek doğruluk ve ayrıntı gerektirir.

Hedef dağıtım cihazı da bir fark yaratır. Mobil uygulamalar ve uç cihazlar genellikle hafif, verimli modeller gerektirirken, daha büyük modeller genellikle sunucular veya bulut ortamları için daha uygundur.

Buna ek olarak, kullanım kolaylığı bir rol oynayabilir. İyi dokümantasyon, sorunsuz dağıtım ve özel eğitim desteği projenizi kolaylaştırabilir.

Basitçe söylemek gerekirse, farklı araçlar farklı alanlarda üstündür. Örneğin, Ultralytics YOLO modelleri, birçok gerçek dünya poz tahmini uygulaması için hız, doğruluk ve dağıtım kolaylığı konusunda pratik bir denge sağlar.

Şekil 5. Ultralytics YOLO11 kullanılarak hayvan pozu tahmini (Kaynak)

Link to this sectionÖne çıkanlar#

Poz tahmini, görüntülerdeki ve videolardaki vücut anahtar noktalarını tespit ederek bilgisayarların insan hareketini anlamasına yardımcı olur. YOLO11 ve YOLO26 gibi modeller, spor, sağlık, iş yeri güvenliği ve etkileşimli deneyimler gibi alanlar için gerçek zamanlı uygulamalar oluşturmayı kolaylaştırır. Modeller daha hızlı ve daha doğru hale geldikçe, poz tahmini muhtemelen birçok görüş yapay zekası sisteminde ortak bir özellik haline gelecektir.

Yapay zeka hakkında daha fazla şey bilmek ister misin? Topluluğumuza ve GitHub depomuza göz at. Robotikte yapay zeka ve üretimde bilgisayarlı görü hakkında bilgi edinmek için çözüm sayfalarımızı keşfet. Lisanslama seçeneklerimizi keşfet ve bugün bilgisayarlı görü ile bir şeyler inşa etmeye başla!