Duruş tahmini araçları için kapsamlı rehber

İnsanlar olarak hareketleri içgüdüsel olarak okuruz. Birisi öne eğildiğinde, başını çevirdiğinde veya kolunu kaldırdığında ne yaptığını hemen anlayabilirsiniz. Bu, insanlarla nasıl etkileşim kurduğumuzu ve dünyayı nasıl keşfettiğimizi şekillendiren sessiz, neredeyse bilinçaltı bir beceridir.

Teknoloji günlük yaşamın daha büyük bir parçası hâline geldikçe, cihazlarımızın hareketleri bizim kadar akıcı bir şekilde anlamasını istememiz doğaldır. Yapay zekâdaki, özellikle derin öğrenme tabanlı gelişmelerdeki son ilerlemeler bunu mümkün kılıyor. Özellikle computer vision, makinelerin görüntü ve videolardan anlam çıkarmasına yardımcı olarak bu ilerlemeyi destekliyor.

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

Ultralytics YOLO11 ve yakında çıkacak Ultralytics YOLO26 gibi computer vision modelleri poz tahmini gibi görevleri destekler ve fitness ile sporda form geri bildirimi, güvenlik izleme ve etkileşimli artırılmış gerçeklik deneyimleri dâhil olmak üzere gerçek zamanlı uygulamalara güç vermek için kullanılabilir.

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

Bu makalede poz tahmini araçlarını derinlemesine inceleyecek; poz tahmininin nasıl çalıştığını, nerelerde kullanıldığını ve günümüzde kullanılabilen önde gelen model ve kütüphanelerden bazılarını göreceğiz. Hadi başlayalım!

Poz tahmini nedir?#

Poz tahmini, bir sistemin bir kişinin veya nesnenin görüntü ya da videoda nasıl konumlandığını anlamasına yardımcı olan bir computer vision tekniğidir. Her pikseli eşit şekilde analiz etmek yerine baş, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi tutarlı bir dizi belirgin noktayı tahmin eder.

Çoğu model bu kilit noktaların koordinatlarını ve her tahminin doğru olma olasılığını yansıtan bir skor üretir. Ardından bu kilit noktalar, basit bir poz gösterimi oluşturmak için önceden tanımlanmış bir iskelet düzeni kullanılarak birbirine bağlanabilir.

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

Şekil 2. Poz tahminine bir örnek (Kaynak)

Poz tahmini araçlarına duyulan ihtiyaç#

İnsan hareketi büyük miktarda bilgi taşır. Birinin eğilme, uzanma veya ağırlığını aktarma biçimi; niyetini, harcadığı çabayı, yorgunluğunu ve hatta yaralanma riskini ortaya çıkarabilir. Yakın zamana kadar bu düzeyde ayrıntıyı yakalamak genellikle özel sensörler, hareket yakalama kıyafetleri veya kontrollü laboratuvar ortamları gerektiriyordu.

Poz tahmini bunu değiştiriyor. Normal görüntü ve videolardan temel vücut belirgin noktalarını çıkarmak, bilgisayarların standart kameraları kullanarak hareketi analiz etmesini sağlar. Bu da hareket analizini gerçek dünya ortamlarında daha erişilebilir, ölçeklenebilir ve pratik hâle getirir.

Poz tahmininin etki yaratabileceği birkaç alan şunlardır:

• Daha güvenli iş yerleri: Görüntü tabanlı sistemler, yaralanmalar meydana gelmeden önce riskli duruşları, tekrarlayan zorlanmaları veya güvenli olmayan kaldırma tekniklerini tespit etmek için kullanılabilir.
• Daha iyi fitness ve spor antrenmanı: Görüntü tabanlı yapay zekâ çözümleri, kullanıcıların giyilebilir cihazlara ihtiyaç duymadan anında geri bildirim almasını sağlayarak formu, dengeyi ve tekniği gerçek zamanlı değerlendirebilir.
• Sağlık ve rehabilitasyon: Klinisyenler, basit video kayıtlarını kullanarak iyileşme sürecini, duruşu ve hareket açıklığını uzaktan takip edebilir.
• Etkileşimli deneyimler: Poz tahmini, dijital avatarların ve sürükleyici ortamların insan hareketini doğru şekilde takip etmesini ve yansıtmasını kolaylaştırır.

Poz tahmini algoritmalarının evrimi#

Poz tahmini fikri uzun yıllardır var. İlk yaklaşımlar basit geometrik modeller ve elle tasarlanmış kurallar kullanıyordu ve genellikle yalnızca kontrollü koşullarda çalışıyordu.

Örneğin bir sistem, kişi sabit bir pozisyonda hareketsiz durduğunda iyi performans gösterebilir; ancak kişi gerçek dünya sahnelerinde yürümeye, dönmeye veya nesnelerle etkileşime girmeye başladığında başarısız olabilir. Bu yöntemler doğal hareket, değişen kamera açıları, karmaşık arka planlar ve kısmi örtülme gibi durumlarda çoğu zaman zorlanıyordu.

Modern poz tahmini, bu zorlukların üstesinden gelmek için derin öğrenmeye dayanır. Modeller, büyük ve etiketli veri kümeleri üzerinde evrişimli sinir ağlarını eğiterek farklı pozlar, kişiler ve ortamlarda kilit noktaları daha güvenilir şekilde tespit etmelerine yardımcı olan görsel örüntüleri öğrenir.

Daha fazla örnekle model tahminlerini geliştirir ve yeni sahnelere genelleme konusunda daha başarılı olur. Bu ilerleme sayesinde poz tahmini artık iş yeri izleme ve ergonomi ile antrenörlerin ve analistlerin sporcuların nasıl hareket ettiğini incelediği spor analitiği dâhil olmak üzere çok çeşitli pratik kullanım alanlarını destekliyor.

Poz tahmini tekniklerinin türleri#

Poz tahmini, ortama ve neyi ölçmeniz gerektiğine bağlı olarak birkaç farklı biçimde uygulanır. Karşılaşacağınız başlıca türler şunlardır:

• 2D poz tahmini: Bu yaklaşım, iki boyutlu bir görüntü veya video karesindeki vücut kilit noktalarını tespit eder. Standart kameralarla iyi çalışır ve hesaplama açısından verimlidir; bu nedenle temel hareket takibi, duruş analizi ve gerçek zamanlı form geri bildirimi gibi görevler için uygundur.
• 3D poz tahmini: 3D poz tahmini, görüntü koordinatlarına ek olarak derinliği de tahmin ederek vücut hareketinin uzamsal olarak anlaşılmasını sağlar. Bu, özellikle spor analizi, rehabilitasyon, biyomekanik ve animasyon gibi ileri ve geri hareketin önemli olduğu durumlarda kullanışlıdır. Özellikle 3D insan pozu tahmini, eklem konumlarını ve hareketini 3D uzayda yakalayarak 2D projeksiyonlarda ortaya çıkabilen belirsizliği azaltır.
• Tek kişilik poz tahmini: Bu sistemler aynı anda tek bir kişiyi takip etmek üzere tasarlanmıştır. Yönlendirmeli egzersiz uygulamaları, video görüşmeleri veya hareket analizi kurulumları gibi öznenin net şekilde görülebildiği kontrollü ya da yarı kontrollü ortamlarda en iyi performansı gösterme eğilimindedir.
• Çok kişili poz tahmini: Birden fazla kişinin bulunduğu sahneler için tasarlanan bu yaklaşım, aynı anda birkaç kişinin pozlarını tespit eder ve takip eder. Özellikle öznelerin birbirinin üzerine binebildiği veya birbirini örtebildiği iş yerleri, spor salonları, kamusal alanlar ve grup etkinlikleri gibi yoğun ortamlarda kullanışlıdır.

Şekil 3. 3D uzayda insan hareketini 2D görüntü uzayına kıyasla anlama (Kaynak)

İnsan pozu tahmini modellerinin nasıl çalıştığını anlama#

Poz tahmini birçok nesne türüne uygulanabilir; ancak konuyu basit tutmak için insan pozu tahminine odaklanalım.

Çoğu insan pozu tahmini sistemi, temel vücut bölümlerinin geniş görüntü ve video karesi koleksiyonları boyunca etiketlendiği açıklamalı veri kümeleri üzerinde eğitilir. Model bu örnekleri kullanarak omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi insan vücudunun belirgin noktalarıyla ilişkili görsel örüntüleri öğrenir ve böylece yeni sahnelerde kilit noktaları doğru şekilde tahmin edebilir.

Bir diğer önemli unsur, kilit noktaları nasıl tespit edeceğini ve bunları tam pozlar hâlinde nasıl birleştireceğini belirleyen modelin çıkarım mimarisidir. Bazı sistemler önce her kişiyi tespit eder ve ardından her kişinin bölgesi içindeki kilit noktaları tahmin eder; diğerleri ise kilit noktalarını görüntünün tamamında tespit edip daha sonra bunları kişilere göre gruplandırır. Daha yeni tek aşamalı tasarımlar pozları tek geçişte tahmin ederek gerçek zamanlı kullanım için hız ve doğruluk arasında denge kurabilir.

Şimdi farklı poz tahmini yaklaşımlarını ayrıntılı olarak ele alalım.

Aşağıdan yukarıya poz tahmini#

Aşağıdan yukarıya yaklaşımda model, tüm görüntüyü inceler ve önce baş, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi vücut kilit noktalarını bulur. Bu aşamada kişileri birbirinden ayırmaya çalışmaz. Yalnızca sahne boyunca poz iskeleti tarafından tanımlanan tüm kilit noktaları veya vücut eklemlerini tespit eder.

Bunun ardından sistem, noktaları birbirine bağlamak için ikinci bir adım gerçekleştirir. Birbirine ait kilit noktalarını bağlar ve bunları kişi başına bir tam iskelet olacak şekilde gruplandırır. Önce her kişiyi tespit etmesi gerekmediğinden aşağıdan yukarıya yöntemler; kişilerin üst üste bindiği, farklı boyutlarda göründüğü veya kısmen gizlendiği kalabalık sahnelerde çoğu zaman iyi çalışır.

Yukarıdan aşağıya poz tespiti#

Buna karşılık yukarıdan aşağıya sistemler, görüntüdeki her kişiyi önce tespit ederek işe başlar. Her bireyin etrafına bir sınırlayıcı kutu yerleştirir ve her kutuyu analiz edilecek ayrı bir bölge olarak ele alır.

Bir kişi izole edildiğinde model, o bölge içindeki vücut kilit noktalarını tahmin eder. Bu adım adım yapı, özellikle sahnede yalnızca birkaç kişinin bulunduğu ve her kişinin net şekilde görülebildiği durumlarda çoğu zaman çok doğru sonuçlar üretir.

Tek aşamalı veya hibrit poz tahmini#

Bazen hibrit olarak adlandırılan tek aşamalı modeller, pozları tek geçişte tahmin eder. Önce kişi tespiti, ardından ikinci olarak kilit noktası tahmini gerçekleştirmek yerine kişinin konumunu ve vücut kilit noktalarını aynı anda çıktı olarak verirler.

Her şey tek bir modülde gerçekleştiğinden bu modeller genellikle daha hızlı ve verimlidir; bu da onları canlı hareket takibi ve hareket yakalama gibi gerçek zamanlı kullanımlar için oldukça uygun hâle getirir. Ultralytics YOLO11 gibi modeller bu fikir etrafında tasarlanmış olup güvenilir kilit noktası tahminleriyle hızı dengelemeyi amaçlar.

Poz tahmini modellerini eğitme ve değerlendirme#

Kullanılan yaklaşım ne olursa olsun, bir poz tahmini modelinin gerçek dünyada güvenilir olması için dikkatli şekilde eğitilmesi ve test edilmesi gerekir. Model genellikle vücut kilit noktalarının etiketlendiği geniş görüntü kümelerinden (ve bazen videolardan) öğrenir; bu da farklı pozlarla, kamera açılarıyla ve ortamlarla başa çıkmasına yardımcı olur.

İyi bilinen poz tahmini veri kümeleri arasında COCO Keypoints, MPII Human Pose, CrowdPose ve OCHuman bulunur. Bu veri kümeleri modelin dağıtım sırasında karşılaşacağı koşulları yansıtmadığında mühendisler genellikle fabrika zemini, spor salonu veya klinik gibi hedef ortamdan ek görüntüler toplar ve etiketler.

Şekil 4. Computer vision kullanılarak tahmin edilen çeşitli pozlar (Kaynak)

Eğitimin ardından modelin performansı, doğruluğu ve sağlamlığı ölçmek ve gerçek dünya kullanımı için daha fazla ayarlamaya yön vermek amacıyla standart kıyaslamalarda değerlendirilir. Sonuçlar genellikle ortalama kesinlik kullanılarak raporlanır; yaygın olarak mAP adıyla anılan bu ölçüm, tahmin edilen pozları etiketlenmiş gerçek değerlerle karşılaştırarak farklı güven eşikleri arasındaki performansı özetler.

Birçok poz kıyaslamasında tahmin edilen bir poz, Gerçek Anahtar Nokta Benzerliği (OKS) kullanılarak bir gerçek pozla eşleştirilir. OKS, kişinin ölçeği ve her kilit noktasının tipik konumlandırma zorluğu gibi etkenleri hesaba katarak tahmin edilen kilit noktaların açıklamalı kilit noktalara ne kadar yakın olduğunu ölçer.

Poz modelleri ayrıca tespit edilen kişiler ve tek tek kilit noktalar için güven skorları üretir. Bu skorlar modelin güven düzeyini yansıtır ve tahminleri sıralamak ve filtrelemek için kullanılır; bu da özellikle örtülme, hareket bulanıklığı veya alışılmadık kamera açıları gibi zorlu koşullarda önemlidir.

Popüler poz tahmini araçları ve kütüphaneleri#

Günümüzde her biri hız, doğruluk ve kullanım kolaylığı arasında denge kuran birçok poz tahmini aracı bulunuyor. En yaygın kullanılan araç ve kütüphanelerden bazıları şunlardır:

• Ultralytics YOLO11: Son teknoloji açık kaynaklı bir görüntü yapay zekâ modeli olarak geliştirilen YOLO11, Ultralytics YOLOv8 gibi önceki modellerin üzerine kuruludur. Poz tahmini dâhil çeşitli computer vision görevlerini desteklerken hızı, doğruluğu ve genel verimliliği artırır. Dizüstü bilgisayarlardan uç cihazlara kadar farklı platformlarda güçlü performans sunan YOLO11, birçok gerçek dünya dağıtımı için iyi bir seçenektir.
• Ultralytics YOLO26: Yaklaşan bu yeni nesil model, güçlü doğruluğu korurken daha hafif, daha küçük ve daha hızlı olacak şekilde tasarlanmıştır. Gerçek zamanlı kullanım ve daha kolay dağıtım için geliştirilmiştir; uç cihazlardan daha büyük sistemlere kadar her türlü kullanım için uygun model boyutlarıyla nesne tespiti, örnek segmentasyonu ve poz tahmini gibi görevleri destekler.
• MediaPipe: Görüntü ve makine öğrenmesi işlem hatları oluşturmak için kullanılan platformlar arası bir çerçevedir. Hafiftir ve mobil cihazlarda, tabletlerde ve web uygulamalarında verimli şekilde çalışır; ayrıca tam vücut pozu, yüz belirgin noktaları ve el takibi için kullanıma hazır çözümler ve modeller içerir.
• OpenPose: Bu uçtan uca açık kaynaklı poz tahmini sistemi, çok kişili kilit noktası tespitiyle geniş ölçüde tanınır. Vücut, el ve yüz kilit noktalarını birlikte tahmin edebilir ve araştırma, animasyon ve hareket analizinde yaygın olarak kullanılır.
• MMPose: MMPose, OpenMMLab ekosisteminden PyTorch tabanlı bir poz tahmini araç setidir. Birçok model uygulaması, eğitim yardımcı programı ve yapılandırma seçeneği sunması, onu denemeler ve kapsamlı özelleştirme için kullanışlı kılar.
• HRNet ve AlphaPose: Bunlar günümüzde araştırmalarda hâlâ kullanılan daha eski poz tahmini modelleridir. HRNet, yüksek çözünürlüklü görüntü özelliklerini ağ boyunca koruyan bir poz modeli mimarisidir; bu da kilit noktalarını hassas şekilde konumlandırmasına yardımcı olur. AlphaPose, kalabalık veya karmaşık sahnelerde güçlü doğruluğun gerektiği durumlarda yaygın olarak kullanılan çok kişili bir poz tahmini sistemidir.

Poz analizi ve tahmininin gerçek dünya uygulamaları#

Poz tahmini, sıradan videoları yararlı hareket içgörülerine dönüştürmek için giderek daha fazla kullanılıyor. Bu sistemler vücut kilit noktalarını kare kare takip ederek kamera akışlarından duruşu, hareketi ve fiziksel davranışı çıkarabilir; bu da teknolojiyi birçok gerçek dünya ortamında pratik hâle getirir.

Örneğin sağlık ve rehabilitasyon alanında poz takibi, klinisyenlerin bir hastanın terapi ve iyileşme sırasında nasıl hareket ettiğini görmesine ve ölçmesine yardımcı olabilir. Sıradan video kayıtlarından vücut belirgin noktalarını çıkararak duruşu, hareket açıklığını ve genel hareket örüntülerini zaman içinde değerlendirmek için kullanılabilir. Bu ölçümler, geleneksel klinik değerlendirmeleri destekleyip iyileştirebilir ve bazı durumlarda giyilebilir sensörlere veya özel ekipmanlara ihtiyaç duymadan ilerlemeyi takip etmeyi kolaylaştırabilir.

Benzer şekilde spor ve yayıncılıkta poz tahmini, sporcuların nasıl hareket ettiğini doğrudan video akışlarından analiz edebilir. İlginç bir örnek, profesyonel sporlarda hakemlik ve yayın grafikleri için kullanılan kamera tabanlı takip sistemi Hawk-Eye'dır. Sistem ayrıca kamera görüntülerinden bir sporcunun vücut kilit noktalarını tahmin ederek iskelet takibi de sağlar.

Doğru poz tahmini aracını seçme#

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

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

Buna ek olarak kullanım kolaylığı da rol oynayabilir. İyi belgeler, sorunsuz dağıtım ve özel eğitimi destekleme gibi özellikler projenizi kolaylaştırabilir.

Basitçe söylemek gerekirse, farklı araçlar farklı alanlarda öne çıkar. Örneğin Ultralytics YOLO modelleri, birçok gerçek dünya poz tahmini uygulaması için hız, doğruluk ve dağıtım kolaylığı arasında pratik bir denge sunar.

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

Önemli çıkarımlar#

Poz tahmini, görüntü ve videolardaki vücut kilit noktalarını tespit ederek bilgisayarların insan hareketini anlamasına yardımcı olur. YOLO11 ve YOLO26 gibi modeller; spor, sağlık, iş yeri güvenliği ve etkileşimli deneyimler gibi alanlarda gerçek zamanlı uygulamalar oluşturmayı kolaylaştırır. Modeller daha hızlı ve daha doğru hâle geldikçe poz tahmininin birçok görüntü yapay zekâ sisteminde yaygın bir özellik olması muhtemeldir.

Yapay zekâ hakkında daha fazla bilgi edinmek ister misin? Topluluğumuza ve GitHub depomuza göz at. Robotikte yapay zekâ ve üretimde computer vision hakkında bilgi edinmek için çözüm sayfalarımızı keşfet. Lisanslama seçeneklerimizi incele ve bugün computer vision ile geliştirmeye başla!