Duruş tahmini araçları için kapsamlı rehber

İnsanlar olarak hareketleri içgüdüsel biçimde okuruz. Birisi öne doğru eğildiğinde, başını çevirdiğinde veya kolunu kaldırdığında ne yaptığını hemen anlayabiliriz. Bu sessiz, neredeyse bilinçaltında işleyen beceri, insanlarla etkileşim kurma ve dünyayı keşfetme biçimimizi şekillendirir.

Teknoloji günlük yaşamın daha büyük bir parçası hâline geldikçe, cihazlarımızın hareketleri bizim kadar akıcı biçimde anlamasını istememiz doğal. Yapay zekâdaki, özellikle derin öğrenme tabanlı yaklaşımlardaki son gelişmeler bunu mümkün kılıyor. Bu ilerlemenin itici güçlerinden biri olan bilgisayarlı görü, makinelerin görüntü ve videolardan anlam çıkarmasına yardımcı oluyor.

Örneğin poz tahmini, bir görüntü veya video karesindeki önceden tanımlanmış vücut temel noktalarının (omuzlar, dirsekler, kalçalar ve dizler gibi) konumlarını tahmin eden yaygın bir bilgisayarlı görü görevidir. Basitleştirilmiş bir poz gösterimi oluşturmak için bu temel noktalar, sabit bir iskelet tanımına göre birleştirilebilir.

Ultralytics YOLO11 ve Ultralytics YOLO26 (artık kullanıma sunuldu) gibi bilgisayarlı görü modelleri poz tahmini gibi görevleri destekler ve fitness ile sporda form geri bildirimi, güvenlik izleme ve etkileşimli artırılmış gerçeklik deneyimleri dahil olmak üzere gerçek zamanlı uygulamalara güç verebilir.

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

Bu yazıda poz tahmini araçlarını derinlemesine inceleyerek poz tahmininin nasıl çalıştığını, nerelerde kullanıldığını ve günümüzde mevcut önde gelen model ve kütüphanelerden bazılarını ele alacağız.

Poz tahmini nedir?#

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

Çoğu model bu anahtar noktaların koordinatlarını ve her tahminin doğru olma olasılığını yansıtan bir puanı verir. Ardından bu anahtar noktalar, basit bir poz gösterimi oluşturmak için önceden tanımlanmış bir iskelet düzenine göre birbirine bağlanabilir.

Videolarda kare kare uygulandığında, hareketi tahmin etmek için ortaya çıkan anahtar noktalar zaman içinde eşleştirilebilir. Böylece form kontrolleri, hareket analizi ve jest tabanlı etkileşim gibi uygulamalar mümkün olur.

Şekil 2. Poz tahminine bir örnek (Kaynak)

Poz tahmini araçlarına neden ihtiyaç duyuluyor?#

İnsan hareketleri çok fazla bilgi taşır. Bir kişinin nasıl eğildiği, uzandığı veya ağırlığını nasıl değiştirdiği; niyetini, çabasını, yorgunluğunu, hatta yaralanma riskini ortaya çıkarabilir. Yakın zamana kadar bu ayrıntı düzeyini yakalamak için genellikle özel sensörler, hareket yakalama kıyafetleri veya kontrollü laboratuvar ortamları gerekiyordu.

Poz tahmini bu durumu değiştiriyor. Sıradan görüntü ve videolardan temel vücut noktalarını çıkaran bilgisayarlar, standart kameralarla hareketleri analiz edebiliyor. Bu da hareket analizini gerçek dünya ortamlarında daha erişilebilir, ölçeklenebilir ve kullanışlı hâle getiriyor.

Poz tahmininin nasıl etki yaratabileceğine dair birkaç örnek:

• Daha güvenli iş yerleri: Görü odaklı sistemler, yaralanmalar meydana gelmeden önce riskli duruşları, tekrarlayan zorlanmayı veya güvenli olmayan kaldırma tekniklerini algılamak için kullanılabilir.
• Daha iyi fitness ve spor antrenmanı: Görü yapay zekâ çözümleri, giyilebilir cihazlara ihtiyaç duymadan formu, dengeyi ve tekniği gerçek zamanlı değerlendirebilir ve kullanıcılara anında geri bildirim verebilir.
• Sağlık ve rehabilitasyon: Klinik uzmanları, basit video kayıtlarını kullanarak iyileşme sürecini, duruşu ve hareket açıklığını uzaktan takip edebilir.
• Etkileşimli deneyimler: Poz tahmini, dijital avatarların ve sürükleyici ortamların insan hareketlerini doğru biçimde takip edip yansıtmasını kolaylaştırır.

Poz tahmini algoritmalarının gelişimi#

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

Örneğin bir sistem, sabit bir konumda hareketsiz duran bir kişide iyi sonuç verirken kişi yürümeye, dönmeye veya gerçek dünya sahnelerindeki nesnelerle etkileşime girmeye başladığında başarısız olabilir. Bu yöntemler doğal hareketleri, değişen kamera açılarını, karmaşık arka planları ve kısmi örtülmeyi algılamakta çoğu zaman zorlanıyordu.

Modern poz tahmini, bu zorlukların üstesinden gelmek için derin öğrenmeden yararlanır. Modelleri etiketlenmiş büyük veri kümeleri üzerinde evrişimli sinir ağlarıyla eğitmek, farklı pozlarda, kişilerde ve ortamlarda anahtar noktaları daha güvenilir biçimde tespit etmelerine yardımcı olan görsel örüntüleri öğrenmelerini sağlar.

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

Poz tahmini tekniklerinin türleri#

Poz tahmini, kullanım ortamına ve ölçmek istediğin şeye bağlı olarak farklı biçimlerde uygulanır. Karşılaşacağın başlıca türler şunlardır:

• 2B poz tahmini: Bu yaklaşım, iki boyutlu bir görüntüde veya video karesinde vücut anahtar 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.
• 3B poz tahmini: Görüntü koordinatlarının yanı sıra derinliği de tahmin ederek vücut hareketlerinin uzamsal olarak anlaşılmasını sağlar. Spor analizi, rehabilitasyon, biyomekanik ve animasyon gibi ileri-geri hareketin önemli olduğu durumlarda özellikle yararlıdır. 3B insan pozu tahmini, eklem konumlarını ve hareketi 3B uzayda belirleyerek 2B izdüşümlerde ortaya çıkabilen belirsizliği azaltır.
• Tek kişi için poz tahmini: Bu sistemler aynı anda tek bir kişiyi takip etmek üzere tasarlanmıştır. Rehberli egzersiz uygulamaları, görüntülü görüşmeler veya hareket analizi düzenekleri gibi öznenin net biçimde görüldüğü kontrollü ya da yarı kontrollü ortamlarda en iyi sonucu verme eğilimindedir.
• Birden fazla kişi için poz tahmini: Birden fazla kişinin bulunduğu sahneler için tasarlanan bu yaklaşım, aynı anda birden çok kişinin pozunu tespit edip izler. Özellikle kişilerin üst üste geldiği veya birbirini örttüğü iş yerleri, spor salonları, kamusal alanlar ve grup etkinlikleri gibi kalabalık ortamlarda yararlıdır.

Şekil 3. İnsan hareketini 3B uzayda ve 2B görüntü uzayında anlama (Kaynak)

İnsan pozu tahmin modellerinin nasıl çalıştığını anlama#

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

Çoğu insan pozu tahmin sistemi, büyük görüntü ve video karesi koleksiyonlarında temel vücut bölümlerinin etiketlendiği açıklamalı veri kümeleriyle eğitilir. Model bu örnekleri kullanarak omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi insan vücudundaki referans noktalarıyla ilişkili görsel örüntüleri öğrenir ve yeni sahnelerde anahtar noktaları doğru biçimde tahmin edebilir.

Bir diğer önemli unsur, modelin anahtar noktaları nasıl tespit edip tam pozlar hâlinde bir araya getireceğini belirleyen çıkarım mimarisidir. Bazı sistemler önce her kişiyi tespit eder, sonra o kişinin bölgesi içindeki anahtar noktaları tahmin eder; diğerleri ise tüm görüntüdeki anahtar noktaları tespit edip 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 inceleyelim.

Aşağıdan yukarıya poz tahmini#

Aşağıdan yukarıya yaklaşımda model tüm görüntüyü inceleyerek önce baş, omuzlar, dirsekler, kalçalar, dizler ve ayak bilekleri gibi vücut anahtar noktalarını bulur. Bu aşamada kişileri birbirinden ayırmaya çalışmaz. Yalnızca sahne genelinde poz iskeletinde tanımlanmış tüm anahtar noktaları veya vücut eklemlerini tespit eder.

Ardından sistem noktaları birleştirmek için ikinci bir adım uygular. Birbirine ait anahtar noktaları bağlayıp kişi başına birer tam iskelet oluşturacak şekilde gruplandırır. Önce her kişiyi tespit etmesi gerekmediğinden aşağıdan yukarıya yöntemler; insanların üst üste geldiği, farklı boyutlarda göründüğü veya kısmen gizlendiği kalabalık sahnelerde çoğu zaman iyi çalışır.

Yukarıdan aşağıya poz tespiti#

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

Bir kişi ayrıştırıldıktan sonra model, o bölgedeki vücut anahtar noktalarını tahmin eder. Bu adım adım işleyiş, özellikle sahnede az sayıda kişinin bulunduğu ve her kişinin net biçimde görülebildiği durumlarda çoğu zaman çok doğru sonuçlar verir.

Tek aşamalı veya hibrit poz tahmini#

Bazen hibrit olarak da adlandırılan tek aşamalı modeller, pozları tek geçişte tahmin eder. Önce kişi tespiti, ardından anahtar nokta tahmini yapmak yerine kişinin konumunu ve vücut anahtar noktalarını aynı anda çıktı olarak verir.

Her şey tek bir modülde gerçekleştiği için bu modeller çoğu zaman daha hızlı ve verimlidir; bu da onları canlı hareket takibi ve hareket yakalama gibi gerçek zamanlı kullanımlar için uygun hâle getirir. Ultralytics YOLO11 gibi modeller, güvenilir anahtar nokta tahminlerini hızla dengelemeyi amaçlayan bu yaklaşıma dayanır.

Poz tahmini modellerini eğitme ve değerlendirme#

Kullanılan yaklaşım ne olursa olsun, bir poz tahmini modelinin gerçek dünyada güvenilir olması için dikkatle eğitilip test edilmesi gerekir. Model genellikle vücut anahtar noktalarının etiketlendiği geniş görüntü (bazen de video) koleksiyonlarından öğrenerek farklı pozlara, kamera açılarına ve ortamlara uyum sağlar.

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 katı, spor salonu veya klinik gibi hedef ortamdan ek görüntüler toplar ve etiketler.

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

Eğitimden sonra modelin performansı, doğruluğu ve sağlamlığını ölçmek ve gerçek dünya kullanımına yönelik daha ileri ayarlamalara rehberlik etmek için standart kıyaslamalar üzerinde değerlendirilir. Sonuçlar genellikle ortalama kesinlik kullanılarak raporlanır; mAP olarak bilinen bu ölçüm, tahmin edilen pozları etiketlenmiş gerçek değerlerle karşılaştırarak farklı güven eşiklerinde performansı özetler.

Birçok poz kıyaslamasında tahmin edilen poz, Nesne Temel Noktası Benzerliği (OKS) kullanılarak gerçek pozla eşleştirilir. OKS, kişinin ölçeği ve her temel noktanın tipik konum belirleme zorluğu gibi etkenleri hesaba katarak tahmin edilen temel noktaların açıklama eklenmiş temel noktalara ne kadar yakın olduğunu ölçer.

Poz modelleri, tespit edilen kişiler ve tek tek anahtar noktalar için de güven puanları üretir. Bu puanlar modelin tahminlerine ne kadar güvendiğini yansıtır ve tahminleri sıralayıp filtrelemek için kullanılır; bu da özellikle örtülme, hareket bulanıklığı veya alışılmadık kamera açıları gibi zorlu koşullarda önemlidir.

Popüler poz tahmini araçları ve kütüphaneleri#

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

• Ultralytics YOLO11: Son teknoloji ürünü, açık kaynaklı bir görü yapay zekâ modeli olarak geliştirilen YOLO11, Ultralytics YOLOv8 gibi önceki modellerin üzerine inşa edilmiştir. Poz tahmini dahil olmak üzere çeşitli bilgisayarlı görü görevlerini desteklerken hızı, doğruluğu ve genel verimliliği artırır. Dizüstü bilgisayarlardan uç cihazlara kadar farklı platformlarda güçlü performansıyla YOLO11, birçok gerçek dünya dağıtımı için iyi bir seçenektir.
• Ultralytics YOLO26: Ocak 2026'da kullanıma sunulan bu yeni nesil model, güçlü doğruluğunu 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 farklı kullanım alanlarına uygun model boyutlarında nesne algılama, örnek segmentasyonu ve poz tahmini gibi görevleri destekler.
• MediaPipe: Görüntü işleme ve makine öğrenimi işlem hatları oluşturmak için kullanılan platformlar arası bir çerçevedir. Hafiftir ve mobil cihazlarda, tabletlerde ve web uygulamalarında verimli çalışır; ayrıca tüm vücut pozu, yüz işaret noktaları ve el takibi için kullanıma hazır çözümler ve modeller içerir.
• OpenPose: Uçtan uca, açık kaynaklı bu poz tahmini sistemi çok kişili temel nokta algılamasıyla tanınır. Vücut, el ve yüz temel noktalarını birlikte tahmin edebilir; araştırma, animasyon ve hareket analizinde yaygın olarak kullanılır.
• MMPose: MMPose, OpenMMLab ekosisteminde yer alan, PyTorch tabanlı bir poz tahmin araç setidir. Çok sayıda model uygulaması, eğitim aracı ve yapılandırma seçeneği sunması, onu denemeler ve kapsamlı özelleştirme için kullanışlı hâle getirir.
• HRNet ve AlphaPose: Bunlar, günümüzde araştırmalarda hâlâ kullanılan eski poz tahmin modelleridir. HRNet, ağ boyunca yüksek çözünürlüklü görüntü özelliklerini koruyan bir poz modeli mimarisidir; bu sayede kilit noktaları hassas biçimde konumlandırabilir. AlphaPose, çok kişili poz tahmini için yaygın olarak kullanılan bir sistemdir ve kalabalık ya da karmaşık sahnelerde yüksek doğruluk gerektiğinde sıkça tercih edilir.

Poz analizi ve tahmininin gerçek dünyadaki uygulamaları#

Poz tahmini, sıradan videoları kullanışlı hareket bilgilerine dönüştürmek için giderek daha fazla kullanılıyor. Bu sistemler, vücut kilit noktalarını kare kare izleyerek kamera görüntülerinden duruşu, hareketi ve fiziksel davranışları çıkarabilir; böylece bu teknoloji birçok gerçek dünya ortamında uygulanabilir hâle gelir.

Örneğin sağlık ve rehabilitasyon alanlarında poz takibi, klinisyenlerin terapi ve iyileşme sürecinde hastanın nasıl hareket ettiğini görmesine ve ölçmesine yardımcı olabilir. Sıradan video kayıtlarından vücut işaret noktalarını çıkararak duruşu, hareket açıklığını ve genel hareket kalıplarını zaman içinde değerlendirmek için kullanılabilir. Bu ölçümler, geleneksel klinik değerlendirmeleri destekleyip iyileştirebilir ve bazı durumlarda giyilebilir sensörlere ya da özel ekipmanlara gerek kalmadan ilerlemeyi takip etmeyi kolaylaştırabilir.

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

Doğru poz tahmini aracını seçmek#

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

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

Bunlara ek olarak kullanım kolaylığı da rol oynayabilir. İyi belgeler, sorunsuz dağıtım ve özel eğitim desteği projenin iş akışını kolaylaştırabilir.

Kısacası, farklı araçlar farklı alanlarda öne çıkar. Örneğin Ultralytics YOLO modelleri, gerçek dünyadaki birçok poz tahmini uygulaması için hız, doğruluk ve dağıtım kolaylığı arasında kullanışlı bir denge sunar.

Şekil 5. Ultralytics YOLO11 kullanılarak hayvanlarda poz tahmini (Kaynak)

Önemli çıkarımlar#

Poz tahmini, görüntü ve videolardaki vücut kilit noktalarını algılayarak bilgisayarların insan hareketlerini anlamasına yardımcı olur. YOLO11 ve YOLO26 gibi modeller; spor, sağlık, iş yeri güvenliği ve etkileşimli deneyimler gibi alanlarda gerçek zamanlı uygulamalar geliştirmeyi kolaylaştırır. Modeller hızlanıp doğrulukları arttıkça poz tahmininin birçok görsel yapay zekâ sisteminde yaygın bir özellik hâline gelmesi muhtemeldir.

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