Poz tahmini nedir ve nerelerde kullanılabilir?

Birinin kambur durduğunu veya omuzlarını geriye atarak dik durduğunu gördüğünde, duruşunun kötü mü yoksa kendinden emin mi olduğu hemen anlaşılır. Bunu sana kimsenin açıklaması gerekmez. Bunun nedeni, zaman içinde beden dilini yorumlamayı doğal olarak öğrenmiş olmamızdır.

Deneyim ve gözlem yoluyla beynimiz, insanlar da dahil olmak üzere çeşitli nesnelerin duruşlarını tanımada oldukça başarılı hâle geldi. Makinelerin dünyadaki görsel bilgileri yorumlamasını sağlayan yapay zekâ (AI) ve bilgisayarlı görü alanındaki son gelişmeler sayesinde makineler de artık bu beceriyi öğrenmeye ve taklit etmeye başlıyor.

Poz tahmini, görüntülere veya videoya bakarak bir kişinin ya da nesnenin konumunu ve yönelimini belirlemelerine yardımcı olan bir bilgisayarlı görü görevidir. Bunu, birinin veya hatta bir şeyin nasıl hareket ettiğini anlamak için eklemler ve uzuvlar gibi vücuttaki kilit noktaları belirleyerek yapar.

Bu teknoloji fitness, sağlık hizmetleri ve animasyon gibi alanlarda yaygın olarak kullanılıyor. Örneğin çalışma ortamlarında, çalışanların duruşunu izlemek ve güvenlik ile sağlığı destekleyen girişimlere katkı sağlamak için kullanılabilir. Ultralytics YOLO11 gibi bilgisayarlı görü modelleri, insan pozlarını gerçek zamanlı olarak tahmin ederek bunu mümkün kılar.

Şekil 1. Çalışanların duruşunu izlemek için Ultralytics YOLO11 kullanımına bir örnek.

Bu makalede poz tahminini ve nasıl çalıştığını, ayrıca gerçek dünyada fark yarattığı kullanım alanlarını daha yakından inceleyeceğiz. Hadi başlayalım!

Poz tahmininin gelişimi#

Poz tahmini üzerine araştırmalar 1960'ların sonlarında ve 1970'lerde başladı. Yıllar içinde bu bilgisayarlı görü görevine yönelik yaklaşımlar, temel matematik ve geometriden yapay zekâ destekli daha gelişmiş yöntemlere dönüştü.

Başlangıçta teknikler, sabit kamera açılarına ve bilinen referans noktalarına dayanıyordu. Daha sonra 3B modelleri ve özellik eşleştirmeyi içerecek şekilde geliştirildi. Günümüzde Ultralytics YOLO11 gibi derin öğrenme modelleri, görüntülerden veya videolardan vücut konumlarını gerçek zamanlı olarak algılayabiliyor; böylece poz tahmini her zamankinden daha hızlı ve doğru hâle geliyor.

Teknoloji geliştikçe araştırmacılar, çeşitli nesnelerin, özellikle de insanların ve hayvanların pozlarını izleyip takip edebilmenin potansiyel kullanım alanlarını fark etti. Poz tahmini özellikle önemlidir; çünkü yapay zekâ araçlarının duruşu ve hareketi daha önce mümkün olmayan şekillerde anlamasını ve ölçmesini sağlar.

Örneğin bilgisayarların eller serbest etkileşim için jestleri tanımasını sağlar, performansı geliştirmek amacıyla sporcuların hareketlerini analiz eder, video oyunlarında gerçekçi animasyonlara güç verir ve hatta hastaların iyileşme sürecini takip ederek sağlık hizmetlerini destekler.

Diğer bilgisayarlı görü görevlerinden farkı nedir?#

Poz tahmini, nesne algılama ve örnek bölütleme gibi diğer bilgisayarlı görü görevlerinden farklıdır. Bu görevler temel olarak bir görüntüdeki nesneleri tanımlamaya ve konumlandırmaya odaklanır.

Örneğin nesne algılama, insanların, araçların veya hayvanların varlığını ve konumunu belirtmek için bunların çevresine sınırlayıcı kutular çizer. Örnek bölütleme ise her nesnenin piksel düzeyindeki kesin şeklini ana hatlarıyla belirleyerek bunu bir adım ileri taşır.

Ancak bu yöntemlerin her ikisi de temel olarak nesnenin ne olduğuyla ve nerede bulunduğuyla ilgilenir; nesnenin nasıl konumlandığı veya ne yapıyor olabileceği hakkında bilgi vermez. Poz tahmini tam da bu nedenle kritik hâle gelir.

Poz tahmini; dirsekler, dizler ve hatta kuyruk gibi vücuttaki kilit noktaları belirleyerek duruşu ve hareketi yorumlayabilir. Bu, 3B uzaydaki hareketler de dahil olmak üzere eylemlerin, jestlerin ve vücut dinamiklerinin daha derinlemesine anlaşılmasını sağlar.

Poz tahmininin nasıl çalıştığını anlama#

Poz tahmini modelleri genellikle iki temel yaklaşımı izler: alttan üste ve üstten alta. Alttan üste yaklaşımda model, dirsekler, dizler veya omuzlar gibi tek tek kilit noktaları önce algılar, ardından hangi kişiye veya nesneye ait olduklarını belirlemek için bunları gruplandırır. Buna karşılık üstten alta yaklaşım, önce her nesneyi (örneğin görüntüdeki bir kişiyi) algılayarak başlar ve ardından o nesneye ait kilit noktaların konumunu belirler.

Şekil 2. Alttan üste ve üstten alta poz tahmini yöntemleri.

Ultralytics YOLO11 gibi bazı yeni modeller, her iki yaklaşımın avantajlarını bir araya getirir. Manuel gruplandırma adımını atlayarak alttan üste yöntemin verimliliğini korurken, insanları algılayıp pozlarını aynı anda, tek ve akıcı bir işlemle tahmin ederek üstten alta sistemlerin hassasiyetinden de yararlanır.

Poz tahmini için Ultralytics YOLO11'i özel olarak eğitme#

Poz tahmini modellerinin nasıl çalıştığını incelerken şu soruyu merak ediyor olabilirsin: Bu modeller farklı nesnelerin pozlarını tahmin etmeyi gerçekten nasıl öğreniyor? İşte burada özel eğitim kavramı devreye girer.

Özel eğitim, kendi verilerini kullanarak bir modele belirli kilit noktaları tanımayı öğretmek anlamına gelir. Bir modeli sıfırdan oluşturmak çok sayıda etiketlenmiş görüntü ve ciddi miktarda zaman gerektirdiğinden, birçok kişi aktarım öğrenmesini tercih eder. Bu yaklaşımda, COCO-Pose veri kümesi üzerinde önceden eğitilmiş Ultralytics YOLO11 poz tahmini modeli gibi büyük bir veri kümesinde zaten eğitilmiş bir modelle başlanır ve ardından belirli bir görev veya kullanım alanı için kendi verilerinle ince ayar yapılır.

Yoga pozlarıyla çalıştığını varsayalım; her pozun bu etkinliğe özgü kilit noktalarla etiketlendiği görüntüleri kullanarak Ultralytics YOLO11'e ince ayar yapabilirsin. Bunu yapmak için modelin öğrenebileceği, açıklama eklenmiş görüntülerden oluşan özel bir veri kümesine ihtiyacın olacak.

Eğitim sırasında doğruluğu artırmak için batch size (aynı anda işlenen görüntü sayısı), learning rate (modelin öğrenmesini ne kadar hızlı güncellediği) ve epochs (modelin veri kümesi üzerinde kaç kez döngü yaptığı) gibi ayarları değiştirebilirsin. Bu, özel ihtiyaçlarına göre uyarlanmış poz tahmini modelleri oluşturmayı çok daha kolay hâle getirir.

Poz tahmininin gerçek dünyadaki kullanım alanları#

Artık poz tahmininin ne olduğunu ve nasıl çalıştığını ele aldığımıza göre, gerçek dünyadaki bazı kullanım alanlarına daha yakından bakalım.

Fizyoterapide poz tahminini kullanma#

Poz tahmini, sağlık hizmetleri sektöründe, özellikle fizik tedavide, giderek daha güvenilir bir araç hâline geliyor. Yapay zekâ ve bilgisayarlı görü kullanan bu sistemler, tıpkı bir fizyoterapistin sunacağı desteğe benzer şekilde duruşu ve hareketleri gerçek zamanlı olarak takip edip geri bildirim sağlayabilir.

Örneğin diz ameliyatından sonra iyileşen bir hasta, rehabilitasyon egzersizlerini doğru yaptığından emin olmak için poz tahmini sistemini kullanabilir. Sistem, yanlış hareketleri tespit edip iyileştirme önerileri sunarak hastanın programını aksatmamasına ve sakatlanmalardan kaçınmasına yardımcı olabilir.

Şekil 3. Fizyoterapi için Ultralytics YOLO11 kullanımına bir örnek.

Rehabilitasyonun ötesinde poz tahmini, fitness uygulamalarında da kullanılmaya başlıyor. Örneğin evde egzersiz yapan biri, egzersizler sırasında formunu kontrol etmek için uygulamayı kullanabilir. Uygulama, squat açısını düzeltmek veya deadlift sırasında sırtının düz olduğundan emin olmak gibi gerçek zamanlı geri bildirimler sağlayabilir. Bu, kullanıcıların bir antrenöre ihtiyaç duymadan formlarını geliştirmelerine ve sakatlanmaları önlemelerine yardımcı olur.

Poz tahminiyle eğlence sektöründe hareket yakalama#

Poz tahmini, hareket yakalamanın eğlence sektöründe çalışma şeklini değiştirerek süreci daha basit ve erişilebilir hâle getirdi. Geçmişte hareket yakalama, bir kişinin vücuduna işaretleyiciler yerleştirmeyi ve bunları özel kameralarla takip etmeyi gerektiriyordu; bu da zahmetli ve pahalı olabiliyordu.

Artık yapay zekâ ve bilgisayarlı görü alanındaki gelişmeler sayesinde, işaretleyicilere ihtiyaç duymadan vücut hareketlerini takip etmek için sıradan kameraları ve algoritmaları kullanabiliyoruz. Böylece süreç gerçek zamanlı olarak bile daha verimli ve doğru hâle geliyor.

Bunun harika bir örneği Disney's AR (Artırılmış Gerçeklik) Poser aracıdır. Bu eğlenceli araç, telefonunla fotoğraf çekmene ve dijital bir karakterin pozunu artırılmış gerçeklikte taklit etmesine olanak tanır. Araç, fotoğraftaki pozunu analiz edip bunu 3B bir karakterle eşleştirerek eğlenceli ve kişiselleştirilmiş bir AR özçekimi oluşturur.

Şekil 4. Bir AR karakteri, poz tahminini kullanarak bir kişinin pozunu taklit ediyor.

Hayvan poz tahminiyle sosyal davranış araştırması#

Hayvan davranışlarını incelemek, bilim insanlarının hayvanların nasıl iletişim kurduğunu, eş bulduğunu, yavrularına baktığını ve gruplar hâlinde yaşadığını anlamasına yardımcı olur. Bu bilgi, yaban hayatını korumak ve doğal dünyayı daha derinlemesine anlamak için hayati önem taşır.

Poz tahmini, hayvanlara sensör veya etiket takmadan görüntü ve videolar kullanarak hayvan hareketlerini ve duruşlarını takip ederek bu süreci kolaylaştırır. Bu sistemler pozlarını otomatik olarak izleyebilir ve tımar, oyun oynama veya kavga etme gibi davranışlar hakkında içgörüler sağlayabilir.

Bunun ilginç bir örneği, bilim insanlarının maymun davranışlarını incelemek için poz tahminini kullanmasıdır. Araştırmacılar, altı maymun türünden 71.000'den fazla etiketlenmiş görüntü içeren OpenApePose gibi veri kümeleri derledi.

Şekil 5. Maymun poz tahmini.

Poz tahmininin avantajları ve dezavantajları#

Poz tahmininin çeşitli sektörlere sağlayabileceği başlıca avantajlardan bazıları şunlardır:

• Ölçeklenebilirlik: Poz tahmini sistemleri akıllı telefonlardan gelişmiş kamera kurulumlarına kadar çok çeşitli cihazlarda kullanılabilir; bu da onları farklı kullanım alanları ve ortamlar için son derece ölçeklenebilir ve erişilebilir hâle getirir.
• Uygun maliyet: Poz tahmini sıradan kameralara dayandığından ve pahalı sensörler veya etiketler gerektirmediğinden, hem araştırma hem de ticari uygulamalarda hareket takibi için daha uygun maliyetli bir çözüm olabilir.
• Sürekli izleme: Poz tahmini sistemleri sürekli ve gerçek zamanlı takip sağlayabilir. Bu sayede rehabilitasyonda hastanın ilerlemesi veya vahşi doğada hayvan davranışlarının izlenmesi gibi durumlarda zaman içindeki değişimler takip edilebilir.

Poz tahmininin avantajları çeşitli alanlarda açıkça görülse de dikkate alınması gereken bazı zorluklar da vardır. Göz önünde bulundurman gereken birkaç temel sınırlama şunlardır:

• Sınırlı genelleme: İnsan veri kümeleri üzerinde eğitilen birçok model, belirli veri kümeleriyle yeniden eğitilmeden hayvanlara veya alışılmadık vücut yapılarına iyi genellenemez.

• Ortam sınırlamaları: Düşük ışıkta, hızlı hareket bulanıklığında veya karmaşık arka planlarda performans düşebilir.

• Örtülmeye yüksek duyarlılık: Özellikle kalabalık sahnelerde veya birden fazla kişinin takip edildiği durumlarda, vücut bölümleri engellendiğinde ya da kadrajın dışında kaldığında doğruluk düşebilir.

Önemli çıkarımlar#

Poz tahmini, ilk dönemlerinde işaretleyiciler kullanan sistemlerden Ultralytics YOLO11 gibi derin öğrenme modelleriyle güçlendirilen etkili araçlara dönüşerek uzun bir yol kat etti. Fizik tedaviyi geliştirmek, etkileşimli AR deneyimlerine güç vermek veya yaban hayatı araştırmalarına yardımcı olmak gibi farklı alanlarda poz tahmini, makinelerin hareketi ve duruşu anlama biçimini değiştiriyor. Teknoloji ilerlemeye devam ederken, sınırlamalarını ele almak daha fazla pratik kullanım alanının önünü açmak ve makinelerin hem bizim hem de diğer canlıların nasıl hareket ettiğini daha iyi anlamasını sağlamak için kritik önem taşıyacak.

Yapay zekâya mı meraklısın? Bilgisayarlı görü projenle hızlı bir başlangıç yapmak için GitHub depomuzu incele, topluluğumuzla bağlantı kur ve lisans seçeneklerimize göz at. Çözümler sayfalarımızda perakendede yapay zekâ ve lojistik sektöründe bilgisayarlı görü gibi yenilikler hakkında daha fazla bilgi edin.