Poz kestirimi nedir ve nerede kullanılabilir?

Birinin kambur durduğunu veya omuzları dik bir şekilde ayakta durduğunu gördüğünüzde, duruşunun kötü mü yoksa özgüvenli mi olduğunu hemen anlarsınız. Kimsenin bunu size açıklamasına gerek yoktur. Bunun nedeni, zamanla vücut dilini yorumlamayı doğal olarak öğrenmiş olmamızdır.

Deneyim ve gözlem sayesinde beynimiz, insanlar dahil çeşitli nesnelerin duruşunu tanımada oldukça başarılı hale gelmiştir. Yapay zeka (AI) ve makinelerin dünyadaki görsel bilgileri yorumlamasını sağlayan bir alan olan computer vision alanındaki son gelişmeler sayesinde makineler de artık bu yeteneği öğrenmeye ve taklit etmeye başlamıştır.

Pose estimation, makinelerin görüntü veya videolara bakarak bir kişinin veya nesnenin konumunu ve yönelimini belirlemesine yardımcı olan bir computer vision görevidir. Bunu, birinin veya hatta bir şeyin nasıl hareket ettiğini anlamak için eklemler ve uzuvlar gibi vücut üzerindeki anahtar noktaları tespit ederek yapar.

Bu teknoloji fitness, sağlık ve animasyon gibi alanlarda yaygın olarak kullanılmaktadır. Örneğin iş yeri ortamlarında çalışanların duruşunu izlemek ve güvenlik ile zindelik girişimlerini desteklemek için kullanılabilir. Ultralytics YOLO11 gibi computer vision modelleri, insan duruşlarını gerçek zamanlı olarak tahmin ederek bunu mümkün kılmaktadır.

Fig 1. İşçilerin duruşunu izlemek için Ultralytics YOLO11 kullanımına bir örnek.

Bu makalede poz tahminine ve nasıl çalıştığına, ayrıca fark yarattığı gerçek dünya kullanım senaryolarına daha yakından bakacağız. Haydi başlayalım!

Poz tahmininin evrimi#

Pose estimation araştırmaları 1960'ların sonları ve 70'lerde başlamıştır. Yıllar içinde bu computer vision task konusuna yönelik yaklaşımlar, temel matematik ve geometriden yapay zeka odaklı daha gelişmiş yöntemlere kaymıştır.

Başlangıçta teknikler, sabit kamera açılarına ve bilinen referans noktalarına bağlıydı. Daha sonra 3D modelleri ve özellik eşleştirmeyi içerecek şekilde evrildiler. Günümüzde Ultralytics YOLO11 gibi derin öğrenme modelleri, görüntülerden veya videolardan vücut pozisyonlarını gerçek zamanlı olarak tespit edebilir ve poz tahminini her zamankinden daha hızlı ve daha doğru hale getirebilir.

Teknoloji geliştikçe araştırmacılar, özellikle insanlar ve hayvanlar olmak üzere çeşitli nesnelerin pozlarını izleyebilmenin ve takip edebilmenin potansiyel uygulamalarını gördüler. Poz tahmini, yapay zeka araçlarının duruşu ve hareketi daha önce mümkün olmayan şekillerde anlamasını ve ölçmesini sağladığı için özellikle önemlidir.

Örneğin, bilgisayarların temassız etkileşim için jestleri tanımasını sağlar, sporcuların performansını artırmak için hareketlerini analiz eder, video oyunlarında gerçekçi animasyonlara güç verir ve hatta hastaların iyileşme sürecini takip ederek sağlığı destekler.

Diğer bilgisayarlı görü görevlerinden farkı nedir?#

Pose estimation, object detection ve instance segmentation gibi diğer computer vision görevlerinden farklıdır. Bu görevler öncelikle bir görüntü içindeki nesneleri tanımlamaya ve konumlandırmaya odaklanır.

Örneğin object detection, varlıklarını ve konumlarını belirtmek için insanlar, araçlar veya hayvanlar gibi öğelerin etrafına sınırlayıcı kutular çizer. Instance segmentation, her nesnenin tam şeklini piksel düzeyinde özetleyerek bunu bir adım öteye taşır.

Ancak her iki yöntem de esas olarak nesnenin ne olduğu ve nerede olduğu ile ilgilenir; nesnenin nasıl konumlandırıldığı veya ne yapıyor olabileceği hakkında herhangi bir bilgi sağlamazlar. İşte poz tahmininin kritik hale geldiği nokta burasıdır.

Dirsekler, dizler ve hatta kuyruk gibi vücuttaki önemli noktaları tanımlayarak poz tahmini, duruşu ve hareketi yorumlayabilir. Bu, 3D uzaydaki hareketler dahil olmak üzere eylemlerin, jestlerin ve vücut dinamiklerinin daha derinlemesine anlaşılmasını sağlar.

Poz tahmininin nasıl çalıştığını anlamak#

Pose estimation models genellikle iki ana yaklaşımı takip eder: aşağıdan yukarıya (bottom-up) ve yukarıdan aşağıya (top-down). Aşağıdan yukarıya yaklaşımda model önce dirsekler, dizler veya omuzlar gibi bireysel anahtar noktaları tespit eder ve ardından hangi kişiye veya nesneye ait olduklarını bulmak için bunları gruplandırır. Buna karşılık, yukarıdan aşağıya yaklaşım önce her nesneyi (görüntüdeki bir kişi gibi) tespit ederek başlar ve ardından belirli nesne için anahtar noktaları konumlandırır.

Fig 2. Bottom-up ve top-down pose estimation yöntemleri.

Ultralytics YOLO11 gibi bazı yeni modeller, her iki yaklaşımın avantajlarını birleştirir. Manuel gruplandırma adımını atlayarak aşağıdan yukarıya yöntemin verimliliğini korurken, insanları tespit edip pozlarını aynı anda -tek ve akıcı bir süreçte- tahmin ederek yukarıdan aşağıya sistemlerin hassasiyetinden de yararlanır.

Poz tahmini için özel Ultralytics YOLO11 eğitimi#

Poz tahmini modellerinin nasıl çalıştığına bakarken şu soruyu soruyor olabilirsin: Bu modeller farklı nesnelerin pozlarını tahmin etmeyi gerçekte nasıl öğreniyor? İşte bu noktada özel eğitim fikri devreye giriyor.

Özel eğitim, kendi verilerini kullanarak bir modelin belirli anahtar noktaları tanımasını sağlamak anlamına gelir. Sıfırdan bir model oluşturmak büyük miktarda etiketli görüntü ve ciddi zaman gerektirdiğinden, pek çok kişi transfer öğrenmeyi tercih eder. Bu yaklaşım, COCO-Pose dataset üzerinde önceden eğitilmiş Ultralytics YOLO11 poz tahmin modeli gibi büyük bir veri kümesinde halihazırda eğitilmiş bir modelle başlamayı ve ardından bunu belirli bir görev veya kullanım durumu için kendi verilerinle ince ayar yapmayı içerir.

Diyelim ki yoga pozlarıyla çalışıyorsun; her pozun ilgili aktiviteye özgü anahtar noktalarla etiketlendiği görüntüleri kullanarak Ultralytics YOLO11 modeline ince ayar yapabilirsin. Bunu yapmak için, modelin öğrenebileceği açıklamalı görüntüler içeren özel bir dataset ihtiyacın olacak.

Eğitim sırasında, doğruluğu artırmak için batch size (bir kerede 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, ihtiyaçlarına göre uyarlanmış poz tahmini modelleri oluşturmayı çok daha kolay hale getirir.

Poz tahmininin gerçek dünya uygulamaları#

Artık poz tahmininin ne olduğunu ve nasıl çalıştığını tartıştığımıza göre, gerçek dünya kullanım senaryolarından bazılarına daha yakından bakalım.

Fizyoterapi için poz tahminini kullanma#

Poz tahmini, sağlık sektöründe, özellikle fizik tedavide yavaş yavaş güvenilir bir araç haline geliyor. Yapay zeka ve bilgisayarlı görüyü kullanan bu sistemler, duruşu ve hareketleri gerçek zamanlı olarak izleyebilir ve bir fizyoterapistin sunacağına benzer geri bildirimler sağlayabilir.

Örneğin, diz ameliyatı sonrası iyileşme sürecindeki bir hasta, rehabilitasyon egzersizlerini doğru yaptığından emin olmak için bir poz tahmini sistemi kullanabilir. Sistem, yanlış hareketleri fark edebilir ve iyileştirme için öneriler sunarak hastanın doğru yolda kalmasına ve yaralanmaları önlemesine yardımcı olabilir.

Fig 3. Fizyoterapi için Ultralytics YOLO11 kullanımına bir örnek.

Rehabilitasyonun ötesinde pose estimation fitness apps alanına da girmektedir. Örneğin evde egzersiz yapan biri, egzersiz sırasında formunu kontrol etmek için uygulamayı kullanabilir. Uygulama, bir squat'ın açısını ayarlamak veya deadlift sırasında sırtınızın düz olduğundan emin olmak gibi gerçek zamanlı geri bildirimler verebilir. Bu, kullanıcıların bir eğitmene ihtiyaç duymadan formlarını geliştirmelerine ve sakatlıkları önlemelerine yardımcı olur.

Poz tahmini ile mümkün kılınan eğlence amaçlı hareket yakalama#

Poz tahmini, eğlence sektöründe hareket yakalamanın çalışma şeklini değiştirerek onu daha basit ve erişilebilir hale getirdi. Geçmişte hareket yakalama, bir kişinin vücuduna işaretleyiciler yerleştirmeyi ve bunları özel kameralarla takip etmeyi gerektiriyordu ki bu da zor ve maliyetli olabiliyordu.

Artık AI ve computer vision alanındaki gelişmelerle birlikte, işaretçilere ihtiyaç duymadan vücut hareketlerini izlemek için normal cameras ve algoritmalar kullanabiliyoruz; bu da süreci gerçek zamanlı olarak bile daha verimli ve doğru hale getiriyor.

Bunun harika bir örneği Disney's AR (Augmented Reality) Poser uygulamasıdır. Bu eğlenceli araç, telefonunuzla bir fotoğraf çekmenize ve dijital bir karakterin artırılmış gerçeklikte pozunuzu kopyalamasına olanak tanır. Resimdeki pozunuzu analiz ederek ve bunu 3D bir karakterle eşleştirerek çalışır, böylece eğlenceli, kişiselleştirilmiş bir AR selfie'si oluşturur.

Fig 4. Bir AR karakteri, pose estimation kullanarak bir kişinin pozunu taklit eder.

Hayvan poz tahmini ile desteklenen sosyal davranış araştırması#

Hayvan davranışlarını incelemek, bilim insanlarının hayvanların nasıl iletişim kurduğunu, eş bulduğunu, yavrularına baktığını ve gruplar halinde nasıl yaşadığını anlamalarına yardımcı olur. Bu bilgi, vahşi yaşamı korumak ve doğal dünya hakkında daha derin bir anlayış kazanmak için hayati önem taşır.

Pose estimation, hayvanlara sensör veya etiket takmadan görüntüleri ve videoları kullanarak tracking animal hareketlerini ve duruşunu basitleştirir. Bu sistemler duruşlarını otomatik olarak izleyerek tımarlanma, oyun oynama veya kavga etme gibi davranışlar hakkında içgörüler sağlar.

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

Fig 5. Maymun pose estimation.

Poz tahmininin artıları ve eksileri#

İşte poz tahmininin çeşitli endüstrilere getirebileceği temel faydalardan bazıları:

• Scalability: Pose estimation sistemleri akıllı telefonlardan gelişmiş kamera kurulumlarına kadar çok çeşitli cihazlara dağıtılabilir, bu da onları farklı kullanım durumları ve ortamlar için son derece ölçeklenebilir ve erişilebilir kılar.
• Maliyet etkinliği: Poz tahmini normal kameralara dayandığından ve pahalı sensörler veya etiketler gerektirmediğinden, hem araştırma hem de ticari uygulamalarda hareketi izlemek için daha uygun maliyetli bir çözüm olabilir.
• Sürekli izleme: Poz tahmini sistemleri, rehabilitasyondaki hasta ilerlemesi veya vahşi yaşamdaki hayvan davranışlarının takibi olsun, zaman içindeki değişikliklerin izlenmesine olanak tanıyan sürekli, gerçek zamanlı takip sağlayabilir.

Poz tahmininin avantajları çeşitli alanlarda açık olsa da, göz önünde bulundurulması gereken bazı zorluklar da vardır. İşte aklınızda bulundurmanız gereken birkaç temel sınırlama:

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

• Çevresel sınırlamalar: Performans kötü aydınlatma, hızlı hareket bulanıklığı veya karmaşık arka planlar altında düşebilir.

• Oklüzyona karşı yüksek hassasiyet: Vücut kısımları engellendiğinde veya kadraj dışında kaldığında, özellikle kalabalık sahnelerde veya çok kişili takiplerde doğruluk düşebilir.

Öne çıkanlar#

Poz tahmini, işaretleyiciler kullanan sistemlerden Ultralytics YOLO11 gibi derin öğrenme modelleri tarafından desteklenen etkili araçlara evrilerek ilk günlerinden bu yana uzun bir yol kat etti. Fiziksel tedaviyi iyileştirmek, etkileşimli AR deneyimlerine güç sağlamak veya yaban hayatı araştırmalarına yardımcı olmak olsun, poz tahmini makinelerin hareketi ve duruşu anlam biçimini değiştiriyor. Teknoloji ilerlemeye devam ettikçe, sınırlamalarını ele almak, daha da pratik kullanımların kilidini açmanın ve makinelerin bizim ile diğer canlıların nasıl hareket ettiğini anlamasını daha iyi hale getirmenin anahtarı olacaktır.

AI hakkında meraklı mısınız? Computer vision projenizi hızlandırmak için GitHub repository sayfamızı keşfedin, our community ile bağlantı kurun ve our licensing options seçeneklerimize göz atın. Çözüm sayfalarımızda AI in retail ve computer vision in the logistics endüstrisindeki bilgisayarla görü gibi yenilikler hakkında daha fazla bilgi edinin.