Poz tahmini nedir ve nerelerde kullanılabilir?

Birinin kambur durduğunu ya da omuzlarını geriye atıp 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 sayesinde beynimiz, insanlar da dahil olmak üzere çeşitli nesnelerin duruşlarını tanımakta oldukça başarılı hâle geldi. Makinelerin dünyadaki görsel bilgileri yorumlamasını sağlayan bir alan olan bilgisayarlı görü ve yapay zekâdaki (AI) son gelişmeler sayesinde makineler de artık bu yeteneği öğrenmeye ve taklit etmeye başlıyor.

Poz tahmini, görüntülere veya videolara bakarak makinelerin bir kişinin ya da nesnenin konumunu ve yönelimini belirlemesine yardımcı olan bir bilgisayarlı görü görevidir. Bu, birinin, hatta bir şeyin nasıl hareket ettiğini anlamak için eklemler ve uzuvlar gibi vücuttaki kilit noktaları belirleyerek yapılır.

Bu teknoloji fitness, sağlık ve animasyon gibi alanlarda yaygın olarak kullanılıyor. Örneğin iş yerlerinde çalışanların duruşunu izlemek ve güvenlik ile sağlık girişimlerini desteklemek 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 tahminine ve bunun nasıl çalıştığına daha yakından bakacak; ayrıca fark yarattığı gerçek dünya kullanım örneklerini inceleyeceğiz.

Poz tahmininin gelişimi#

Poz tahmini üzerine araştırmalar 1960'ların sonlarında ve 70'lerde başladı. Yıllar içinde bu bilgisayarlı görü görevi için kullanılan yaklaşımlar, temel matematik ve geometriden yapay zekâ destekli daha gelişmiş yöntemlere dönüştü.

Başlangıçta yöntemler sabit kamera açılarına ve bilinen referans noktalarına dayanıyordu. Daha sonra 3B modelleri ve özellik eşleştirmeyi içerecek şekilde geliştiler. Günümüzde Ultralytics YOLO11 ve onun halefi Ultralytics YOLO26 gibi derin öğrenme modelleri, görüntülerden veya videolardan vücut pozisyonlarını gerçek zamanlı olarak algılayabiliyor; böylece poz tahmini hiç olmadığı kadar hızlı ve doğru hâle geliyor.

Teknoloji geliştikçe araştırmacılar, çeşitli nesnelerin, özellikle de insanların ve hayvanların pozlarını izleme ve takip etme potansiyelini fark etti. Poz tahmini, yapay zekâ araçlarının duruşu ve hareketi daha önce mümkün olmayan şekillerde anlamasını ve ölçmesini sağladığı için özellikle önemlidir.

Örneğin bilgisayarların eller serbest etkileşim için jestleri tanımasını sağlar, performansı artırmak 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 segmentasyonu gibi diğer bilgisayarlı görü görevlerinden farklıdır. Bu görevler öncelikle bir görüntüdeki nesneleri tanımlamaya ve konumlarını belirlemeye odaklanır.

Örneğin nesne algılama, insanların, araçların veya hayvanların varlığını ve konumunu belirtmek için bu öğelerin etrafına sınırlayıcı kutular çizer. Örnek segmentasyonu ise bunu bir adım ileri taşıyarak her nesnenin şeklini piksel düzeyinde ana hatlarıyla belirler.

Ancak bu iki yöntem de esas olarak nesnenin ne olduğuyla ve nerede bulunduğuyla ilgilenir; nesnenin nasıl konumlandığı veya ne yapıyor olabileceği hakkında bilgi vermez. Poz tahmininin kritik hâle geldiği nokta budur.

Poz tahmini, dirsekler, dizler, hatta kuyruk gibi vücuttaki kilit noktaları belirleyerek duruşu ve hareketi yorumlayabilir. Bu sayede 3B uzaydaki hareketler de dâhil olmak üzere eylemler, jestler ve vücut dinamikleri daha iyi anlaşılır.

Poz tahmininin nasıl çalıştığını anlama#

Poz tahmini modelleri genel olarak iki temel yaklaşımı izler: aşağıdan yukarıya ve yukarıdan aşağıya. Aşağıdan yukarıya yaklaşımda model önce dirsekler, dizler veya omuzlar gibi tek tek kilit noktaları algılar, ardından bunların hangi kişiye ya da nesneye ait olduğunu belirlemek için noktaları gruplandırır. Buna karşılık yukarıdan aşağıya yaklaşım, önce her nesneyi (örneğin görüntüdeki bir kişiyi) algılayıp ardından o nesneye özgü kilit noktaları bulur.

Şekil 2. Aşağıdan yukarıya ve yukarıdan aşağıya poz tahmini yöntemleri.

Ultralytics YOLO11 gibi bazı yeni modeller, her iki yaklaşımın avantajlarını bir araya getiriyor. YOLO11, manuel gruplama adımını atlayarak alttan üste yaklaşımın verimliliğini korurken kişileri algılayıp pozlarını tek seferde, akıcı bir süreç içinde tahmin ederek yukarıdan aşağı sistemlerin hassasiyetinden de yararlanıyor.

Poz tahmini için Ultralytics YOLO11'i özel olarak eğitme#

Poz tahmini modellerinin nasıl çalıştığını incelerken bu modellerin farklı nesnelerin pozlarını tahmin etmeyi gerçekte nasıl öğrendiğini merak ediyor olabilirsin. İşte burada özel eğitim devreye giriyor.

Özel eğitim, kendi verilerini kullanarak bir modele belirli kilit noktaları tanımayı öğretmek demektir. Bir modeli sıfırdan oluşturmak çok sayıda etiketli görüntü ve önemli ölçüde zaman gerektirdiğinden birçok kişi transfer öğrenimini tercih eder. Bu yöntemde, 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 durumu için model kendi verilerinle ince ayarlanır.

Yoga pozları üzerinde çalıştığını varsayalım; her pozun bu etkinliğe özgü kilit noktalarla etiketlendiği görüntüleri kullanarak Ultralytics YOLO11 modeline ince ayar yapabilirsin. Bunun için modelin öğrenebileceği, açıklama eklenmiş görüntülerden oluşan özel bir poz veri kümesine ihtiyacın olacak.

Eğitim sırasında doğruluğu artırmak için toplu iş boyutu (bir seferde işlenen görüntü sayısı), öğrenme oranı (modelin öğrenmesini ne kadar hızlı güncellediği) ve dönem sayısı (modelin veri kümesini kaç kez baştan sona işlediği) gibi ayarları değiştirebilirsin. Böylece kendi özel ihtiyaçlarına göre uyarlanmış poz tahmini modelleri oluşturmak çok daha kolay hâle gelir.

Poz tahmininin gerçek dünya uygulamaları#

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

Fizyoterapi için poz tahmini kullanımı#

Poz tahmini, özellikle fizik tedavi alanında sağlık sektöründe giderek daha güvenilir bir araca dönüşüyor. Yapay zekâ ve bilgisayarlı görü kullanan bu sistemler, duruşu ve hareketleri gerçek zamanlı olarak takip edip bir fizyoterapistin sunacağına benzer geri bildirimler verebilir.

Örneğin diz ameliyatından iyileşen bir hasta, rehabilitasyon egzersizlerini doğru yaptığından emin olmak için poz tahmini sisteminden yararlanabilir. Sistem yanlış hareketleri tespit edip iyileştirme önerileri sunarak hastanın programına bağlı kalmasına ve sakatlanmalardan kaçınmasına yardımcı olabilir.

Şekil 3. Fizyoterapi için Ultralytics YOLO11 kullanımına bir örnek.

Rehabilitasyonun yanı sıra poz tahmini, fitness uygulamalarında da kullanılmaya başlandı. Örneğin evde egzersiz yapan biri, egzersizler sırasında formunu kontrol etmek için uygulamayı kullanabilir. Uygulama, squat hareketinin açısını düzeltmek veya deadlift sırasında sırtının düz olduğundan emin olmak gibi gerçek zamanlı geri bildirimler verebilir. Böylece kullanıcılar bir antrenöre ihtiyaç duymadan formlarını geliştirebilir ve sakatlanmaları önleyebilir.

Poz tahminiyle mümkün hâle gelen eğlence sektöründe hareket yakalama#

Poz tahmini, eğlence sektöründeki hareket yakalama yöntemlerini değiştirerek bu süreci daha basit ve erişilebilir hâle getirdi. Geçmişte hareket yakalama için kişinin vücuduna işaretleyiciler yerleştirmek ve bunları özel kameralarla izlemek gerekiyordu; bu yöntem zahmetli ve pahalı olabiliyordu.

Yapay zekâ ve bilgisayarlı görü alanındaki gelişmeler sayesinde artık işaretleyicilere gerek kalmadan vücut hareketlerini takip etmek için sıradan kameraları ve algoritmaları kullanabiliyoruz; bu da süreci gerçek zamanlı olarak bile daha verimli ve doğru hâle getiriyor.

Bunun harika bir örneği Disney'nin AR (Artırılmış Gerçeklik) Poser'ı. Bu eğlenceli araç, telefonunla fotoğraf çekip dijital bir karakterin artırılmış gerçeklikte pozunu taklit etmesini sağlıyor. Araç, fotoğraftaki pozunu analiz edip bunu bir 3B karakterle eşleştirerek eğlenceli ve kişiselleştirilmiş bir AR özçekimi oluşturuyor.

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

Hayvan poz tahminiyle desteklenen sosyal davranış araştırmaları#

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 iyi anlamak için hayati önem taşır.

Poz tahmini, hayvanlara sensör veya etiket takmadan görüntü ve videolar aracılığıyla hareketlerini ve duruşlarını izleyerek bu süreci kolaylaştırır. Bu sistemler pozlarını otomatik olarak izleyerek tımar etme, oynama veya kavga etme gibi davranışlar hakkında bilgi sağlayabilir.

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

Şekil 5. Maymun poz tahmini.

Poz tahmininin artıları ve eksileri#

Poz tahmininin çeşitli sektörlere sağlayabileceği temel faydalardan bazıları şunlardır:

• Ölçeklenebilirlik: Poz tahmini sistemleri akıllı telefonlardan gelişmiş kamera düzeneklerine kadar çok çeşitli cihazlarda kullanılabilir; bu da onları farklı kullanım durumları ve ortamlar için son derece ölçeklenebilir ve erişilebilir kılar.
• Uygun maliyet: Poz tahmini sıradan kameralara dayanır ve pahalı sensörler veya etiketler gerektirmez; bu nedenle hem araştırma hem de ticari uygulamalarda hareket takibi için daha uygun maliyetli bir çözüm olabilir.
• Sürekli izleme: Poz tahmini sistemleri kesintisiz ve gerçek zamanlı takip sağlayarak rehabilitasyondaki hasta gelişimi veya vahşi hayvan davranışlarının takibi gibi durumlarda zaman içindeki değişimlerin izlenmesine olanak tanır.

Poz tahmininin çeşitli alanlardaki avantajları açık olsa da dikkate alınması gereken bazı zorluklar da vardır. Göz önünde bulundurman gereken temel sınırlamalardan bazıları şunlardır:

• Sınırlı genelleme: İnsan veri kümeleriyle eğitilen birçok model, belirli veri kümeleri üzerinde yeniden eğitilmeden hayvanlara veya alışılmadık vücut yapılarına iyi genellenemez.
• Çevresel sınırlamalar: Düşük ışık, hızlı hareket bulanıklığı veya karmaşık arka planlar performansı düşürebilir.
• Örtülmeye karşı yüksek hassasiyet: Özellikle kalabalık sahnelerde veya birden fazla kişinin izlendiği durumlarda vücut bölümleri engellendiğinde ya da kadraj dışında kaldığında doğruluk düşebilir.

Önemli çıkarımlar#

Poz tahmini, ilk dönemlerinde işaretleyiciler kullanan sistemlerden Ultralytics YOLO11 gibi derin öğrenme modellerinin güç verdiği etkili araçlara dönüşerek uzun bir yol katetti. Fizik tedavisini iyileştirmek, etkileşimli AR deneyimlerine güç vermek veya yaban hayatı araştırmalarına yardımcı olmak için kullanılsın, poz tahmini makinelerin hareketi ve duruşu anlama biçimini değiştiriyor. Teknoloji ilerlemeyi sürdürürken sınırlamaları ele almak, daha fazla pratik kullanım alanının önünü açmak ve makinelerin insanların ve diğer canlıların nasıl hareket ettiğini daha iyi anlamasını sağlamak açısından önemli olacak.

Yapay zekâyı merak mı ediyorsun? Bilgisayarlı görü projen için hızlıca çalışmaya başlamak üzere GitHub depomuzu keşfet, topluluğumuzla bağlantı kur ve lisanslama seçeneklerimize göz at. Çözümler sayfalarımızda perakendede yapay zekâ ve lojistik sektöründe bilgisayarlı görü gibi yenilikler hakkında daha fazla bilgi edin.