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

Khi thấy ai đó khom lưng hoặc đứng thẳng với vai ưỡn về phía sau, bạn có thể nhận ra ngay người đó có tư thế xấu hay tự tin. Không ai cần 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, bộ não của chúng ta đã trở nên rất giỏi nhận biết 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 hiện cũng đang bắt đầu học và tái tạo khả năng này.

Ước lượng tư thế là một tác vụ thị giác máy tính giúp máy xác định vị trí và hướng của người hoặc vật thể bằng cách phân tích hình ảnh hoặc video. Công nghệ này thực hiện điều đó bằng cách xác định các điểm mốc trên cơ thể, 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, y tế và hoạt hình. Chẳng hạn, trong môi trường làm việc, công nghệ này có thể được sử dụng để giám sát tư thế 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 con 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, cách thức hoạt động và những trường hợp sử dụng thực tế đang tạo ra khác biệt.

Quá trình phát triển của ước lượng tư thế#

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

Ban đầu, các kỹ thuật dựa vào góc camera cố định và những điểm tham chiếu đã biết. Sau đó, chúng phát triển để tích hợp model 3D và phương pháp đối sánh đặc trưng. Ngày nay, các model deep learning như Ultralytics YOLO11 và phiên bản kế nhiệm là Ultralytics YOLO26 có thể phát hiện vị trí cơ thể theo thời gian thực từ ảnh hoặc video, giúp việc ước tính tư thế nhanh và chính xác hơn bao giờ hết.

Khi công nghệ được cải thiện, các nhà nghiên cứu nhận ra tiềm năng ứng dụng của việc theo dõi tư thế của nhiều loại vật thể, đặc biệt là con người và động vật. Ước lượng 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 không thể thực hiện.

Ví dụ, công nghệ này cho phép máy tính nhận diện cử chỉ để tương tác rảnh tay, phân tích chuyển động của vận động viên nhằm cải thiện thành tích, tạo hoạt ảnh chân thực trong trò chơi điện tử, thậm chí hỗ trợ chăm sóc sức khỏe bằng cách theo dõi tiến trình hồi phục của bệnh nhân.

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

Ước lượng 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 nhận diện và xác định vị trí của đối tượng trong ảnh.

Chẳng hạn, phát hiện đối tượng vẽ các bounding box 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 xác định đường viền 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 tư thế của đối tượng hoặc hành động mà đối tượng có thể đang thực hiện. Đây là lúc ước lượng 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 lượng tư thế có thể diễn giải tư thế và chuyển động. Nhờ đó, có thể 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 thức hoạt động của ước lượng tư thế#

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

Hình 2. Các phương pháp ước lượng 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. YOLO11 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 hệ thống top-down bằng cách phát hiện người và ước tính tư thế của họ cùng lúc—trong một quy trình đơn giản, tinh gọn.

Huấn luyện Ultralytics YOLO11 tùy chỉnh cho tác vụ ước lượng tư thế#

Khi tìm hiểu cách hoạt động của các model ước lượng tư thế, có thể bạn sẽ thắc mắc: các model này thực sự học cách ước lượng tư thế của những vật thể khác nhau như thế nào? Đây là lúc khái niệm huấn luyện tùy chỉnh phát huy tác dụng.

Huấn luyện tùy chỉnh là quá trình dạy model nhận diện các điểm mốc cụ thể bằng dữ liệu của riêng bạn. Vì xây dựng model từ đầu đòi hỏi lượng lớn hình ảnh được gán nhãn và nhiều thời gian, nhiều người chọn học chuyển giao. Phương pháp này bắt đầu bằng một model đã được huấn luyện trên tập dữ liệu lớn, chẳng hạn như model ước lượng tư thế Ultralytics YOLO11 được tiền huấn luyện trên tập dữ liệu COCO-Pose, sau đó tinh chỉnh 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 cách sử dụng ảnh trong đó mỗi tư thế được gán nhãn bằng các keypoint đặc thù cho hoạt động đó. Để thực hiện việc này, bạn sẽ cần một dataset tư thế gồm các ảnh đã gán nhãn 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 số epoch (số lần model lặp qua tập dữ liệu) để cải thiện độ chính xác. Nhờ đó, việc xây dựng các model ước lượng tư thế phù hợp với nhu cầu cụ thể của bạn trở nên dễ dàng hơn nhiều.

Các ứng dụng thực tế của ước lượng tư thế#

Sau khi tìm hiểu ước lượng tư thế là gì và hoạt động như thế nào, hãy cùng xem xét kỹ hơn một số trường hợp ứng dụng thực tế.

Ứng dụng ước lượng tư thế trong vật lý trị liệu#

Ước lượng 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. 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 đưa ra phản hồi tương tự như chuyên gia vật lý trị liệu.

Ví dụ, bệnh nhân đang hồi phục sau phẫu thuật đầu gối có thể sử dụng hệ thống ước lượng tư thế để đảm bảo thực hiện đúng các bài tập phục hồi chức năng. Hệ thống có thể phát hiện những chuyển động chưa chính xác và đề xuất cách cải thiện, giúp bệnh nhân duy trì tiến độ và tránh chấn thương.

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

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

Ước lượng tư thế hỗ trợ công nghệ motion capture trong lĩnh vực giải trí#

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

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

Một ví dụ tiêu biểu là AR Poser của Disney (Thực tế tăng cường). Công cụ thú vị này cho phép bạn chụp ảnh bằng điện thoại và để nhân vật kỹ thuật số bắt chước tư thế của bạn trong môi trường thực tế tăng cường. Công cụ phân tích tư thế của bạn trong ảnh rồi khớp tư thế đó với một nhân vật 3D, tạo nên một ảnh selfie AR vui nhộn và cá nhân hóa.

Hình 4. Nhân vật AR bắt chước tư thế của một người bằng ước lượng tư thế.

Nghiên cứu hành vi xã hội nhờ ước lượng 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 đàn. Kiến thức này rất quan trọng để bảo vệ động vật hoang dã và hiểu sâu hơn về thế giới tự nhiên.

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

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

Hình 5. Ước lượng tư thế vượn.

Ưu điểm và hạn chế của ước lượng tư thế#

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

• Khả năng mở rộng: Các hệ thống ước lượng tư thế có thể được triển khai trên nhiều loại thiết bị, từ điện thoại thông minh đến các hệ thống camera tiên tiến, nhờ đó dễ mở rộng và phù hợp với nhiều trường hợp sử dụng cũng như môi trường khác nhau.
• Tiết kiệm chi phí: Vì ước lượng tư thế sử dụng camera thông thường và không cần cảm biến hoặc thẻ đắt tiền, đây có thể là giải pháp tiết kiệm chi phí hơn để theo dõi chuyển động trong cả ứng dụng nghiên cứu lẫn thương mại.
• Theo dõi liên tục: Các hệ thống ước lượng tư thế có thể theo dõi liên tục theo thời gian thực, cho phép giám sát những thay đổi theo thời gian, dù là tiến trình phục hồi chức năng của bệnh nhân hay hành vi của động vật trong tự nhiên.

Dù ưu điểm của ước lượng tư thế đã thể hiện rõ 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 tập dữ liệu về người không khái quát hóa tốt sang động vật hoặc cấu trúc cơ thể khác thường nếu không được huấn luyện lại trên các tập dữ liệu chuyên biệt.
• Hạn chế về môi trường: Hiệu năng có thể suy giảm khi ánh sáng yếu, chuyển động nhanh gây nhòe hoặc hậu cảnh lộn xộn.
• Rất nhạy 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 cảnh đông người hoặc khi theo dõi nhiều người.

Điểm chính cần ghi nhớ#

Ước lượng tư thế đã phát triển đáng kể kể từ những ngày đầu, từ các hệ thống sử dụng marker thành những công cụ hữu ích dựa trên các model deep learning như Ultralytics YOLO11. Dù là cải thiện vật lý trị liệu, hỗ trợ trải nghiệm AR tương tác hay phục vụ nghiên cứu động vật hoang dã, ước lượng tư thế đang thay đổi cách máy móc hiểu chuyển động và tư thế. Khi công nghệ tiếp tục phát triển, giải quyết các hạn chế sẽ là yếu tố then chốt để mở rộng hơn nữa những ứng dụng thực tiễn và giúp máy móc hiểu tốt hơn cách con người và các sinh vật khác di chuyển.

Bạn quan tâm đến AI? Khám phá kho GitHub của chúng tôi, kết nối với cộng đồng của chúng tôi và tìm hiểu các tùy chọn cấp phép của chúng tôi để bắt đầu dự án thị giác máy tính. Tìm hiểu thêm về các đổi mới như AI trong ngành bán lẻ và thị giác máy tính trong ngành logistics trên các trang giải pháp của chúng tôi.