OpenPose nedir? Poz tahmininde bir dönüm noktasını keşfet

Günümüzde görüntüler ve kameralar her yerde; telefonlarımıza, evlerimize ve hatta kamusal alanlara yerleşmiş durumdalar. Onlara yalnızca anları kaydetmek için değil, çevremizdeki dünyayı anlamamıza ve onunla etkileşim kurmamıza yardımcı olmaları için de güveniyoruz.

Perde arkasında, yapay zekânın (AI) bir alt dalı olan bilgisayarlı görü, makinelerin görsel verileri yorumlamasını sağlayarak bunu mümkün kılar. Sistemlerin nesneleri algılamasına, yüzleri tanımasına ve hareketleri izlemesine olanak tanır; her gün kullandığımız birçok teknolojide önemli bir rol oynar.

Yapay zekâdaki son gelişmeler sayesinde bilgisayarlı görü modelleri artık daha karmaşık verileri ve içgörüleri analiz edip çıkarabiliyor. Bunun bir örneği, insan hareketlerini anlamaya odaklanan bir bilgisayarlı görü görevi olan poz tahmini dir.

Bu işlem, görüntülerde veya videolarda omuzlar, dirsekler ve dizler gibi vücuttaki temel noktaların belirlenmesiyle gerçekleştirilir. Böylece insanların nasıl hareket ettiğini analiz etmek mümkün olur ve fitness takibi, animasyon, sağlık hizmetleri ve daha birçok alanda uygulamaların önü açılır.

Poz tahmini için geliştirilen birçok araç arasında OpenPose, önemli bir dönüm noktası olarak öne çıkar. Carnegie Mellon Üniversitesindeki Perceptual Computing Lab araştırmacıları tarafından geliştirilen bu sistem, yalnızca bir kamera kullanarak birden fazla kişinin eller, ayaklar ve yüz temel noktaları da dâhil olmak üzere tam vücut pozlarını gerçek zamanlı olarak algılayabilen (kişi başına 135 temel noktaya kadar) ilk açık kaynaklı sistemlerden biriydi.

Bu makalede OpenPose'u, nasıl çalıştığını ve bilgisayarlı görü alanında neden bir dönüm noktası olduğunu inceleyeceğiz.

Şekil 1. OpenPose kullanılarak çok kişili poz tahmini.

Poz tahmininin tarihine bir bakış#

Yapay zekâ yaygın olarak benimsenmeden önce videolarda insan hareketlerini izlemek için özel ekipmanlar kullanılırdı. Film ve animasyon gibi sektörlerde oyuncular, kameraların kontrollü bir stüdyo ortamında hareketlerini yakalayabilmesi için genellikle yansıtıcı işaretleyicilere sahip kostümler giyerdi.

İşaretleyici tabanlı bu hareket yakalama teknikleri doğru sonuçlar verse de pahalıydı ve belirli kurulumlarla sınırlıydı. Bilgisayarlı görü geliştikçe araştırmacılar, işaretleyici kullanmadan vücut hareketlerini izlemenin yollarını aradı. Görüntülerde insan şekillerini bulmak için kenarları, konturları ve şablonları kullandılar.

Bu erken sistemler basit ve doğrudan durumlarda işe yarıyordu, ancak gerçek dünya senaryolarında zorlanıyordu. İnsanlar beklenmedik şekillerde hareket ettiğinde veya bir karede birden fazla kişi göründüğünde genellikle kötü sonuçlar veriyorlardı.

2010'ların sonlarında derin öğrenme, poz tahmininde büyük bir değişim yarattı. Görüntü yapay zekâsı modelleri, insan pozlarından oluşan büyük veri kümeleriyle eğitilebiliyordu. Modeller, kenarlara ve şablonlara güvenmek yerine binlerce etiketli görüntüyü inceleyerek vücut eklemlerini ve yapısını tanımayı öğrendi. Bu, poz tahminini daha doğru, esnek ve daha geniş bir kullanım alanında etkili hâle getirdi.

Şekil 2. İnsan poz tahmini modellerinin 2017'den 2023'e evrimi.

OpenPose: Modern poz tahmininin yükselişe geçtiği nokta#

OpenPose ilk olarak 2017'de yayımlandı ve tek bir görüntüde birden fazla kişinin pozlarını eş zamanlı olarak tahmin edebilir. Eski sistemlerin aksine OpenPose, özel kostümler veya işaretleyiciler gerektirmez. Standart kameralarla çalışır ve görüntüleri ile videoları gerçek zamanlı olarak işleyebilir. Bu özellikler, poz tahminini geliştiriciler ve araştırmacılar için daha erişilebilir hâle getirdi.

OpenPose'un bilgisayarlı görü için oluşturduğu temel, başkalarının çeşitli uygulamalar için daha yeni mimariler geliştirmesine yardımcı oldu. Günümüzde poz tahmini görevlerini destekleyen Ultralytics YOLOv8 ve Ultralytics YOLO11 gibi görüntü yapay zekâsı modelleri daha hızlı sonuçlar ve daha düşük gecikme süresi sunuyor.

Şekil 3. Poz tahmini için YOLO11 kullanımı.

Bununla birlikte, poz tahmininin nasıl geliştiğini merak ediyorsan OpenPose iyi bir başlangıç noktasıdır. Günümüzde daha yeni birçok sistemin hâlâ dayandığı temel fikirleri ortaya koydu.

OpenPose'un temel yetenekleri#

Artık OpenPose'un neden önemli olduğunu daha iyi anladığımıza göre, gerçekte neler yapabildiğine daha yakından bakalım.

OpenPose'un yeteneklerinin merkezinde temel nokta algılama adı verilen bir işlem yer alır. Temel noktalar, burun ucu, omuzların merkezi, dirsekler, bilekler, kalçalar, dizler ve ayak bilekleri gibi insan vücudundaki belirli referans noktalarıdır. OpenPose, parmaklar ve yüz özellikleri gibi ayrıntılı bölgeler de dâhil olmak üzere kişi başına bu noktalardan 135'e kadar algılayabilir.

Bu noktalar birbirine bağlandığında insan vücudunun basitleştirilmiş bir temsilini oluşturur; bunu dijital bir iskelet olarak düşünebilirsin. Bu iskelet ana hatları yalnızca kişinin nerede olduğunu değil, nasıl poz verdiğini de gösterir: oturuyor mu, ayakta mı duruyor, el sallıyor mu, gülümsüyor mu veya yürüyor mu. Bilgisayarlar, tıpkı birinin beden dilini içgüdüsel olarak anlamamız gibi, bu iskeletleri kullanarak insan hareketlerini görsel olarak yorumlayabilir.

İskelet takibi özellikle kullanışlıdır; çünkü arka plan gürültüsünü ve dikkat dağıtıcı unsurları ortadan kaldırarak sistemin yalnızca insan duruşuna ve hareketine odaklanmasını sağlar. OpenPose her pikseli analiz etmek yerine, kişinin nasıl hareket ettiğini veya etkileşim kurduğunu anlatan anlamlı noktalara yoğunlaşır.

OpenPose, bu yapılandırılmış bilgileri günlük görüntülerden veya videolardan çıkararak jestlere tepki veren, fiziksel aktiviteyi izleyen, duygusal ipuçlarını değerlendiren ve hatta dijital karakterleri canlandıran uygulamalar oluşturmayı mümkün kılar.

OpenPose nasıl çalışır?#

OpenPose'un görsel girdiden insan vücudundaki temel noktaları nasıl algılayıp birbirine bağladığına genel bir bakış:

• Bir görüntüyle başlar: OpenPose, bir fotoğraftan, videodan veya canlı kamera akışından tek bir görüntü alır.
• Önemli vücut bölgelerini bulur: Sistem burun, dirsekler, bilekler, dizler ve ayak bilekleri gibi vücuttaki temel noktaları arar. Bir vücut bölgesinin bulunduğundan emin olduğu her yerde onu işaretler.
• Hangi bölgelerin birlikte olduğunu belirler: Ardından OpenPose, temel noktaların nasıl bağlandığını kontrol eder. Hangi eklemlerin aynı kişiye ait olduğuna karar vermek için matematiksel hesaplamalar kullanır; örneğin bir bileği doğru dirsek ve omuzla eşleştirir.
• Her kişi için bir iskelet çizer: Temel noktaları gruplandırdıktan sonra OpenPose, bunları her kişinin pozunu gösteren bir "çubuk adam" şekline bağlar. Bu işlem, aynı karede birden fazla kişi göründüğünde de çalışır.
• Poz verilerini döndürür: Son olarak algılanan tüm temel noktaların kesin konumlarını sağlar. Bunlar hareket takibi, jest tanıma veya etkileşimli araçlar oluşturma amacıyla kullanılabilir; üstelik tüm bunlar gerçek zamanlı olarak gerçekleşir.

Şekil 4. OpenPose kullanılarak insan temel noktalarının algılanması ve takibi.

OpenPose kullanılarak sektörler genelinde poz tahmini uygulamaları#

OpenPose, poz tahminini çeşitli gerçek dünya kullanım alanları için pratik hâle getiren ilk gelişmiş araçlardan biriydi. Günümüzde gerçek zamanlı bilgisayarlı görü çözümlerinde yaygın olarak kullanılmasa da spor, eğlence, eğitim ve güvenlik gibi alanlardaki ilk çalışmaların şekillenmesinde önemli bir rol oynadı.

Bu alanlarda nasıl öncü olduğunu daha yakından inceleyelim.

Fitness ve spor için OpenPose ile poz tahmini#

Beyzbol izlerken neler olduğunu anlamak kolaydır; bir atışı, vuruşu veya kale çalmayı hemen tanıyabilirsin. İnsanlar olarak vücut hareketlerini sezgisel biçimde okur ve fazla çaba harcamadan anlamlandırırız. Ancak makineler için bu hareketleri tanımak çok daha karmaşıktır. Vücudun her bölümünün uzayda nasıl hareket ettiğine ilişkin kesin bilgilere ihtiyaç duyarlar.

OpenPose, bilgisayarlı görünün bu alanında önemli bir ilerlemeydi. Çeşitli ortamlarda atletik hareket biçimini analiz etmek için pratik bir araçtı.

Birçok araştırma projesinde OpenPose, vuruşlar ve sıçramalar gibi hareketleri ayrıntılı olarak incelemek, hatta oyuncuların hareketlerine göre belirli beyzbol hareketlerini sınıflandırmak için kullanıldı. Standart videoyla açık ortamlarda çalıştığı için araştırmacıların bu tür sistemlerin gerçek dünya antrenmanlarında veya koçluk senaryolarında nasıl işleyebileceğini test etmesine olanak tanıdı.

Bu ilk çalışmalar, günümüzde gelişmiş spor teknolojilerinde kullanılan performans takip araçlarının temelini oluşturmaya yardımcı oldu.

Şekil 5. OpenPose kullanılarak beyzbol hareketi sınıflandırma işlem hattına bir bakış.

Güvenlik ve emniyet sistemlerinde OpenPose kullanımı#

Benzer şekilde araştırmacılar, video tabanlı poz takibinin güvenlik izlemeyi nasıl destekleyebileceğini araştırmak için de OpenPose'u kullandı. Düşme, beklenmedik jestler veya kamusal alanlardaki hareket kalıpları gibi davranışları algılamak için test edildi.

Standart kameralarla çalıştığı için OpenPose, hastaneler ve ulaşım merkezleri gibi ortamlarda erken dönem deneyleri daha erişilebilir hâle getirdi. Bu çalışmalar, günümüzde gözetim, düşme algılama ve acil müdahale sistemlerinde kullanılan daha yeni modellerin geliştirilmesine katkı sağladı.

Şekil 6. OpenPose ile etkinleştirilen düşme algılama.

OpenPose'un artıları ve eksileri#

OpenPose'un sunduğu bazı avantajlara kısaca göz atalım:

• Araştırma ve prototipleme için kullanışlı: Özellikle insan-bilgisayar etkileşimi, biyomekanik ve davranış analizi gibi alanlarda akademik araştırmalarda yaygın olarak kullanılmıştır.
• Platformlar arası destek: Windows, Linux ve macOS üzerinde çalışabilir; ayrıca hem merkezi işlem birimlerini (CPUs) hem de grafik işlem birimlerini (GPUs) destekler.
• Çevrim dışı işleme özelliği: İnternet erişimi olmayan ortamlarda çalışabilir; bu da onu sağlık hizmetleri veya eğitim gibi gizliliğe duyarlı ortamlar için ideal hâle getirir.

OpenPose önemli bir ilerleme olsa da akılda tutulması gereken teknik sınırlamaları da vardır. OpenPose ile ilişkili temel zorluklardan bazıları şunlardır:

• Yüksek işlem gereksinimleri: OpenPose'u gerçek zamanlı çalıştırmak için güçlü bir GPU ve önemli miktarda bilgi işlem kaynağı gerekir.
• Ortama duyarlı: Düşük ışıkta, kalabalık alanlarda veya kamera açıları ideal olmadığında performans düşebilir.
• Daha yeni modellere kıyasla ağır: Daha yeni poz tahmini modelleriyle karşılaştırıldığında OpenPose görece büyük ve daha yavaştır. Akıllı telefonlar, tabletler veya gömülü sistemler gibi kaynakları sınırlı cihazlarda kullanıma uygun değildir.

Önemli çıkarımlar#

OpenPose, poz tahminini daha erişilebilir hâle getirmede önemli bir rol oynadı. Vücut hareketlerinin kostümlere veya özel ekipmanlara ihtiyaç duyulmadan, basit bir kamerayla izlenebileceğini gösterdi.

Sağlık hizmetleri, eğitim, eğlence ve araştırma genelindeki birçok pratik uygulamanın temelini attı. Daha yeni modeller artık daha yüksek hızlar ve daha hafif performans sunsa da OpenPose, poz tahmininin nasıl geliştiğini anlamak için önemli bir referans noktası olmayı sürdürüyor.

Yapay zekâ hakkında daha fazla bilgi edinmek için topluluğumuza katıl ve GitHub depomuzu ziyaret et. Kendi bilgisayarlı görü çözümlerini geliştirmek istiyorsan lisanslama seçeneklerimizi incele. Ayrıca sağlık hizmetlerinde bilgisayarlı görünün ve lojistikte yapay zekânın nasıl etki yarattığına göz at!