Pose Estimation

Ước tính tư thế là một kỹ thuật thị giác máy tính chuyên biệt, vượt xa việc chỉ phát hiện sự hiện diện của các đối tượng để tìm hiểu cấu trúc hình học và hướng vật lý của chúng. Trong khi phát hiện đối tượng tiêu chuẩn chỉ vẽ một hộp chữ nhật đơn giản quanh chủ thể, ước tính tư thế xác định các điểm ngữ nghĩa cụ thể, được gọi là điểm mốc, chẳng hạn như các khớp trên cơ thể người (khuỷu tay, đầu gối, vai) hoặc các góc cấu trúc trên phương tiện. Bằng cách ánh xạ các điểm mốc này, các model machine learning có thể tái tạo biểu diễn dạng khung xương của chủ thể, cho phép các hệ thống diễn giải ngôn ngữ cơ thể, động lực học chuyển động và vị trí chính xác trong không gian 2D hoặc 3D.

Cơ chế cốt lõi: Từ trên xuống so với từ dưới lên#

Ước tính tư thế hiện đại phụ thuộc nhiều vào các kiến trúc deep learning tinh vi, thường sử dụng Mạng nơ-ron tích chập (CNNs) để xử lý dữ liệu hình ảnh. Các thuật toán thường tuân theo một trong hai chiến lược chính để xác định các điểm mốc:

• Phương pháp từ trên xuống: Phương pháp này trước tiên sử dụng một model phát hiện đối tượng để xác định từng thực thể trong các hộp giới hạn. Sau khi một người hoặc đối tượng được cắt ra khỏi hình ảnh lớn hơn, bộ ước tính tư thế sẽ dự đoán các điểm mốc trong khu vực cụ thể đó. Phương pháp này thường có độ chính xác cao, nhưng có thể gặp độ trễ suy luận lớn hơn khi số lượng chủ thể trong khung hình tăng lên.
• Phương pháp từ dưới lên: Ngược lại, chiến lược này phát hiện đồng thời tất cả các điểm mốc tiềm năng trong toàn bộ hình ảnh (ví dụ: tìm mọi "đầu gối trái" trong một đám đông), sau đó sử dụng các thuật toán liên kết để nhóm chúng thành từng khung xương riêng lẻ. Phương pháp này thường được ưu tiên cho suy luận thời gian thực trong các cảnh đông người vì chi phí tính toán tương đối ổn định, bất kể có bao nhiêu người hiện diện.

Các model tiên tiến như YOLO26 sử dụng các kiến trúc đầu-cuối hiện đại để cân bằng những yêu cầu này, cung cấp khả năng ước tính tư thế tốc độ cao, phù hợp để triển khai trên các thiết bị AI biên và nền tảng di động.

Phân biệt các thuật ngữ liên quan trong thị giác máy tính#

Việc phân biệt ước tính tư thế với các tác vụ nhận dạng hình ảnh khác sẽ giúp làm rõ giá trị độc đáo của kỹ thuật này trong các quy trình thị giác máy tính:

• Phát hiện đối tượng: Tập trung xác định đối tượng là gì và ở đâu, với đầu ra là một hộp chữ nhật. Kỹ thuật này xem chủ thể như một đối tượng cứng nhắc mà không hiểu cấu trúc khớp nối bên trong.
• Phân đoạn đối tượng: Tạo ra một mask chính xác đến từng pixel, bao quanh hình dạng chính xác của đối tượng. Mặc dù phân đoạn cung cấp các đường biên, kỹ thuật này không xác định rõ các khớp hoặc liên kết khung xương cần thiết cho phân tích động học.
• Ước tính tư thế: Tập trung cụ thể vào cấu trúc bên trong, ánh xạ các kết nối giữa những điểm mốc được xác định trước (ví dụ: từ hông đến đầu gối) để phân tích tư thế và hành động.

Các ứng dụng trong thực tế#

Khả năng số hóa chuyển động của con người và đối tượng đã tạo ra các ứng dụng mang tính chuyển đổi trong nhiều ngành, thường được huấn luyện bằng các công cụ như Ultralytics Platform để quản lý các tập dữ liệu lớn gồm các điểm mốc đã được gán nhãn.

Chăm sóc sức khỏe và phục hồi chức năng#

Trong lĩnh vực y tế, AI trong chăm sóc sức khỏe sử dụng ước tính tư thế để theo dõi từ xa quá trình phục hồi chức năng của bệnh nhân. Bằng cách theo dõi góc khớp và phạm vi chuyển động, các hệ thống tự động có thể đảm bảo bệnh nhân thực hiện đúng bài tập vật lý trị liệu tại nhà. Điều này làm giảm nguy cơ tái chấn thương và cho phép bác sĩ định lượng tiến trình hồi phục mà không cần thiết bị phòng thí nghiệm đắt tiền.

Phân tích thể thao#

Huấn luyện viên và vận động viên tận dụng phân tích thể thao để tối ưu hóa hiệu suất. Các model ước tính tư thế có thể phân tích mặt phẳng cú đánh của một golfer, sải chân của một vận động viên chạy hoặc cơ sinh học của một pitcher mà không cần các bộ đồ gắn marker gây cản trở, vốn được sử dụng trong bắt chuyển động truyền thống. Điều này cung cấp phản hồi tức thời dựa trên dữ liệu để cải thiện kỹ thuật và ngăn ngừa chấn thương do vận động quá mức.

Bán lẻ và phân tích hành vi#

Trong môi trường thương mại, các hệ thống AI trong bán lẻ sử dụng phát hiện tư thế để tìm hiểu hành vi của khách hàng, chẳng hạn như với tay lấy sản phẩm trên các kệ cao hoặc dừng lại ở những lối đi cụ thể. Dữ liệu này giúp tối ưu hóa bố cục cửa hàng và cải thiện quản lý hàng tồn kho bằng cách liên hệ các hành động thể chất với quyết định mua hàng.

Ví dụ mã: Ước tính tư thế với Ultralytics YOLO26#

Việc triển khai ước tính tư thế rất đơn giản với các framework Python hiện đại. Ví dụ sau minh họa cách sử dụng package ultralytics để tải một model YOLO26 đã được huấn luyện trước (phiên bản kế nhiệm YOLO11) và phát hiện các điểm mốc của con người trong một hình ảnh.

from ultralytics import YOLO

# Load the YOLO26 pose model (nano version for speed)
model = YOLO("yolo26n-pose.pt")

# Perform inference on an image source
# The model identifies bounding boxes and specific keypoints (joints)
results = model("https://ultralytics.com/images/bus.jpg")

# Print the xy coordinates of detected keypoints
print(results[0].keypoints.xy)

# Visualize the skeletal results directly
results[0].show()