Ước tính tư thế là gì và có thể được sử dụng ở đâu?

Khi nhìn thấy ai đó khom người hoặc đứng thẳng với vai ưỡn ra sau, bạn có thể ngay lập tức nhận ra họ có tư thế kém hay tự tin. Không ai cần phải giải thích điều đó cho bạn. Đó là vì theo thời gian, chúng ta đã tự nhiên học được cách diễn giải ngôn ngữ cơ thể.

Thông qua trải nghiệm và quan sát, não bộ của chúng ta đã trở nên rất giỏi trong việc nhận diện tư thế của nhiều đối tượng khác nhau, bao gồm cả con người. Nhờ những tiến bộ gần đây trong trí tuệ nhân tạo (AI) và thị giác máy tính, một lĩnh vực cho phép máy móc diễn giải thông tin hình ảnh từ thế giới xung quanh, máy móc giờ đây cũng bắt đầu học và tái tạo khả năng này.

Ước tính tư thế là một tác vụ thị giác máy tính giúp máy móc xác định vị trí và hướng của một người hoặc vật thể bằng cách phân tích hình ảnh hoặc video. Tác vụ này thực hiện điều đó bằng cách xác định các điểm mốc trên cơ thể, chẳng hạn như khớp và chi, để hiểu cách một người hoặc thậm chí một vật thể đang chuyển động.

Công nghệ này đang được sử dụng rộng rãi trong các lĩnh vực như thể hình, chăm sóc sức khỏe và hoạt hình. Ví dụ, trong môi trường làm việc, công nghệ có thể được sử dụng để theo dõi tư thế của nhân viên và hỗ trợ các sáng kiến về an toàn và sức khỏe. Các model thị giác máy tính như Ultralytics YOLO11 giúp thực hiện điều này bằng cách ước tính tư thế người theo thời gian thực.

Hình 1. Ví dụ về việc sử dụng Ultralytics YOLO11 để theo dõi tư thế của người lao động.

Trong bài viết này, chúng ta sẽ tìm hiểu kỹ hơn về ước tính tư thế và cách thức hoạt động của nó, cùng với các trường hợp sử dụng trong thực tế mà công nghệ này đang tạo ra sự khác biệt. Hãy bắt đầu!

Quá trình phát triển của ước tính tư thế#

Nghiên cứu về ước tính tư thế bắt đầu từ cuối những năm 1960 và thập niên 1970. Qua nhiều năm, các phương pháp tiếp cận tác vụ thị giác máy tính này đã chuyển từ toán học và hình học cơ bản sang những phương pháp tiên tiến hơn được thúc đẩy bởi trí tuệ nhân tạo.

Ban đầu, các kỹ thuật này phụ thuộc vào góc camera cố định và các điểm tham chiếu đã biết. Về sau, chúng phát triển để bao gồm các model 3D và việc đối sánh đặc trưng. Ngày nay, các model deep learning như Ultralytics YOLO11 có thể phát hiện vị trí cơ thể theo thời gian thực từ hình ảnh hoặc video, giúp ước tính tư thế nhanh và chính xác hơn bao giờ hết.

Khi công nghệ được cải thiện, các nhà nghiên cứu nhận thấy tiềm năng ứng dụng của việc theo dõi và giám sát tư thế của nhiều đối tượng khác nhau, đặc biệt là con người và động vật. Ước tính tư thế đặc biệt quan trọng vì cho phép các công cụ AI hiểu và đo lường tư thế cũng như chuyển động theo những cách trước đây chưa thể thực hiện.

Ví dụ, công nghệ này cho phép máy tính nhận diện cử chỉ để tương tác không cần dùng tay, phân tích chuyển động của vận động viên nhằm cải thiện thành tích, tạo ra hoạt ảnh chân thực trong video game, và thậm chí hỗ trợ chăm sóc sức khỏe bằng cách theo dõi tiến triển hồi phục của bệnh nhân.

Ước tính tư thế khác gì so với các tác vụ thị giác máy tính khác?#

Ước tính tư thế khác với các tác vụ thị giác máy tính khác như phát hiện đối tượng và phân đoạn instance. Các tác vụ này chủ yếu tập trung vào việc xác định và định vị các đối tượng trong một hình ảnh.

Ví dụ, phát hiện đối tượng vẽ các bounding box xung quanh những vật thể như người, phương tiện hoặc động vật để chỉ ra sự hiện diện và vị trí của chúng. Phân đoạn instance tiến thêm một bước bằng cách phác thảo hình dạng chính xác của từng đối tượng ở cấp độ pixel.

Tuy nhiên, cả hai phương pháp này chủ yếu quan tâm đến đối tượng là gì và nằm ở đâu - chúng không cung cấp thông tin về cách đối tượng được định vị hoặc nó có thể đang làm gì. Đó là lúc ước tính tư thế trở nên thiết yếu.

Bằng cách xác định các điểm mốc trên cơ thể, chẳng hạn như khuỷu tay, đầu gối hoặc thậm chí đuôi, ước tính tư thế có thể diễn giải tư thế và chuyển động. Điều này cho phép hiểu sâu hơn về hành động, cử chỉ và động lực học cơ thể, bao gồm cả chuyển động trong không gian 3D.

Tìm hiểu cách ước tính tư thế hoạt động#

Các model ước tính tư thế thường tuân theo hai phương pháp tiếp cận chính: bottom-up và top-down. Trong phương pháp bottom-up, model trước tiên phát hiện các điểm mốc riêng lẻ, chẳng hạn như khuỷu tay, đầu gối hoặc vai, sau đó nhóm chúng lại để xác định chúng thuộc về người hoặc vật thể nào. Ngược lại, phương pháp top-down bắt đầu bằng việc phát hiện từng đối tượng trước (chẳng hạn một người trong hình ảnh), rồi xác định các điểm mốc của đối tượng cụ thể đó.

Hình 2. Các phương pháp ước tính tư thế bottom-up và top-down.

Một số model mới hơn, chẳng hạn như Ultralytics YOLO11, kết hợp ưu điểm của cả hai phương pháp. Model này duy trì hiệu quả của phương pháp bottom-up bằng cách bỏ qua bước nhóm thủ công, đồng thời tận dụng độ chính xác của các hệ thống top-down bằng cách phát hiện người và ước tính tư thế của họ cùng lúc - trong một quy trình tinh gọn duy nhất.

Huấn luyện tùy chỉnh Ultralytics YOLO11 cho ước tính tư thế#

Khi tìm hiểu cách các model ước tính tư thế hoạt động, bạn có thể thắc mắc: các model này thực sự học cách ước tính tư thế của những đối tượng khác nhau như thế nào? Đó là lúc khái niệm huấn luyện tùy chỉnh phát huy vai trò.

Huấn luyện tùy chỉnh là việc dạy một model nhận diện các điểm mốc cụ thể bằng dữ liệu của riêng bạn. Vì việc xây dựng một model từ đầu đòi hỏi một lượng lớn hình ảnh được gán nhãn và nhiều thời gian, nhiều người lựa chọn transfer learning. Phương pháp này bắt đầu với một model đã được huấn luyện trên một dataset lớn, chẳng hạn model ước tính tư thế Ultralytics YOLO11 đã được huấn luyện trước trên dataset COCO-Pose, sau đó fine-tune model bằng dữ liệu của riêng bạn cho một tác vụ hoặc trường hợp sử dụng cụ thể.

Giả sử bạn đang làm việc với các tư thế yoga - bạn có thể fine-tune Ultralytics YOLO11 bằng những hình ảnh trong đó mỗi tư thế được gán nhãn bằng các điểm mốc cụ thể cho hoạt động đó. Để thực hiện việc này, bạn sẽ cần một dataset tùy chỉnh gồm các hình ảnh đã được gán annotation để model có thể học.

Trong quá trình huấn luyện, bạn có thể điều chỉnh các thiết lập như batch size (số lượng hình ảnh được xử lý cùng lúc), learning rate (tốc độ model cập nhật quá trình học) và epochs (số lần model duyệt qua dataset) để cải thiện độ chính xác. Điều này giúp việc xây dựng các model ước tính tư thế phù hợp với nhu cầu cụ thể của bạn trở nên dễ dàng hơn nhiều.

Các ứng dụng thực tế của ước tính tư thế#

Sau khi đã thảo luận về ước tính tư thế là gì và cách thức hoạt động, hãy cùng tìm hiểu kỹ hơn về một số trường hợp sử dụng trong thực tế.

Sử dụng ước tính tư thế cho vật lý trị liệu#

Ước tính tư thế đang dần trở thành một công cụ đáng tin cậy trong ngành chăm sóc sức khỏe, đặc biệt là vật lý trị liệu. Bằng cách sử dụng AI và thị giác máy tính, các hệ thống này có thể theo dõi tư thế và chuyển động theo thời gian thực, đồng thời cung cấp phản hồi tương tự như những gì chuyên viên vật lý trị liệu đưa ra.

Ví dụ, bệnh nhân đang hồi phục sau phẫu thuật đầu gối có thể sử dụng hệ thống ước tính tư thế để đảm bảo họ thực hiện đúng các bài tập phục hồi chức năng. Hệ thống có thể phát hiện bất kỳ chuyển động không chính xác nào và đưa ra đề xuất cải thiện, giúp bệnh nhân duy trì đúng lộ trình và tránh chấn thương.

Hình 3. Ví dụ về việc sử dụng Ultralytics YOLO11 cho vật lý trị liệu.

Ngoài phục hồi chức năng, ước tính tư thế cũng đang được đưa vào ứng dụng thể hình. Ví dụ, người tập luyện tại nhà có thể sử dụng ứng dụng để kiểm tra form trong khi tập. Ứng dụng có thể đưa ra phản hồi theo thời gian thực, chẳng hạn điều chỉnh góc squat hoặc đảm bảo lưng thẳng trong khi deadlift. Điều này giúp người dùng cải thiện form và phòng tránh chấn thương mà không cần huấn luyện viên.

Motion capture cho ngành giải trí nhờ ước tính tư thế#

Ước tính tư thế đã thay đổi cách motion capture hoạt động trong ngành giải trí, giúp quy trình này đơn giản và dễ tiếp cận hơn. Trước đây, motion capture yêu cầu gắn các marker lên cơ thể một người và theo dõi chúng bằng camera chuyên dụng, việc này có thể phức tạp và tốn kém.

Giờ đây, với những tiến bộ trong AI và thị giác máy tính, chúng ta có thể sử dụng camera thông thường và các thuật toán để theo dõi chuyển động cơ thể mà không cần marker, giúp quy trình hiệu quả và chính xác hơn, ngay cả theo thời gian thực.

Một ví dụ nổi bật là Disney's AR (Thực tế tăng cường) Poser. Công cụ thú vị này cho phép bạn chụp ảnh bằng điện thoại và để một nhân vật kỹ thuật số bắt chước tư thế của bạn trong thực tế tăng cường. Công cụ hoạt động bằng cách phân tích tư thế của bạn trong ảnh và đối sánh tư thế đó với một nhân vật 3D, tạo ra một bức selfie AR thú vị và mang tính cá nhân hóa.

Hình 4. Một nhân vật AR bắt chước tư thế của một người bằng cách sử dụng ước tính tư thế.

Nghiên cứu hành vi xã hội nhờ ước tính tư thế động vật#

Nghiên cứu hành vi động vật giúp các nhà khoa học hiểu cách động vật giao tiếp, tìm bạn tình, chăm sóc con non và sống theo bầy đàn. Kiến thức này rất quan trọng để bảo vệ động vật hoang dã và hiểu sâu hơn về thế giới tự nhiên.

Ước tính tư thế đơn giản hóa quy trình này bằng cách theo dõi động vật và các chuyển động, tư thế của chúng bằng hình ảnh và video mà không cần gắn cảm biến hoặc thẻ lên động vật. Các hệ thống này có thể tự động theo dõi tư thế của chúng, cung cấp thông tin chuyên sâu về những hành vi như chải chuốt, chơi đùa hoặc đánh nhau.

Một ví dụ thú vị là việc các nhà khoa học sử dụng ước tính tư thế để nghiên cứu hành vi của loài vượn. Trên thực tế, các nhà nghiên cứu đã xây dựng những dataset như OpenApePose, chứa hơn 71.000 hình ảnh được gán nhãn từ sáu loài vượn.

Hình 5. Ước tính tư thế loài vượn.

Ưu và nhược điểm của ước tính tư thế#

Dưới đây là một số lợi ích chính mà ước tính tư thế có thể mang lại cho nhiều ngành khác nhau:

• Khả năng mở rộng: Các hệ thống ước tính tư thế có thể được triển khai trên nhiều loại thiết bị, từ smartphone đến các hệ thống camera tiên tiến, nhờ đó có khả năng mở rộng cao và dễ tiếp cận cho nhiều trường hợp sử dụng và môi trường khác nhau.
• Tiết kiệm chi phí: Vì ước tính tư thế dựa vào camera thông thường và không yêu cầu cảm biến hoặc thẻ đắt tiền, đây có thể là giải pháp tiết kiệm chi phí hơn để theo dõi chuyển động trong cả các ứng dụng nghiên cứu lẫn thương mại.
• Giám sát liên tục: Các hệ thống ước tính tư thế có thể cung cấp khả năng theo dõi liên tục theo thời gian thực, cho phép giám sát những thay đổi theo thời gian, dù là tiến triển của bệnh nhân trong quá trình phục hồi chức năng hay hành vi của động vật trong môi trường hoang dã.

Mặc dù những ưu điểm của ước tính tư thế rất rõ ràng trong nhiều lĩnh vực, vẫn có một số thách thức cần cân nhắc. Dưới đây là một vài hạn chế chính cần lưu ý:

• Khả năng khái quát hóa hạn chế: Nhiều model được huấn luyện trên các dataset về con người không khái quát tốt sang động vật hoặc các cấu trúc cơ thể bất thường nếu không được huấn luyện lại trên các dataset cụ thể.

• Hạn chế về môi trường: Hiệu năng có thể suy giảm trong điều kiện ánh sáng kém, chuyển động nhanh gây nhòe hoặc phông nền lộn xộn.

• Độ nhạy cao với hiện tượng che khuất: Độ chính xác có thể giảm khi các bộ phận cơ thể bị che khuất hoặc nằm ngoài khung hình, đặc biệt trong những cảnh đông người hoặc khi theo dõi nhiều người.

Những điểm chính#

Ước tính tư thế đã tiến một chặng đường dài kể từ những ngày đầu, phát triển từ các hệ thống sử dụng marker thành những công cụ có tác động lớn được hỗ trợ bởi các model deep learning như Ultralytics YOLO11. Dù là cải thiện vật lý trị liệu, hỗ trợ các trải nghiệm AR tương tác hay phục vụ nghiên cứu động vật hoang dã, ước tính tư thế đang thay đổi cách máy móc hiểu chuyển động và tư thế. Khi công nghệ tiếp tục phát triển, việc khắc phục những hạn chế của công nghệ này sẽ là yếu tố then chốt để mở ra nhiều ứng dụng thực tiễn hơn và giúp máy móc hiểu tốt hơn cách con người cũng như các sinh vật sống khác chuyển động.

Bạn tò mò về AI? Hãy khám phá repository GitHub của chúng tôi, kết nối với cộng đồng của chúng tôi và xem các tùy chọn cấp phép để bắt đầu dự án thị giác máy tính của bạn. Tìm hiểu thêm về những đổi mới như AI trong ngành bán lẻ và thị giác máy tính trong ngành logistics trên các trang giải pháp của chúng tôi.