什么是 OpenPose？探索姿态估计领域的里程碑

如今，图像和摄像头无处不在——它们被内置于我们的手机、住宅，甚至公共场所。我们依靠它们不仅是为了记录瞬间，还为了帮助我们理解并与周围的世界互动。

幕后功臣是计算机视觉，它是人工智能（AI）的一个子领域，通过让机器能够解读视觉数据实现了这一切。它可以帮助系统检测物体、识别人脸和跟踪运动，在我们日常使用的许多技术中发挥着关键作用。

得益于 AI 的最新进展，计算机视觉模型如今可以分析并提取更复杂的数据和洞察。其中一个例子就是姿态估计，这是一项专注于理解人体运动的计算机视觉任务。

它通过在图像或视频中识别身体上的关键点来实现，例如肩膀、肘部和膝盖。这使我们能够分析人们的运动方式，从而支持健身追踪、动画、医疗保健等领域的应用。

在众多为姿态估计开发的工具中，OpenPose 脱颖而出，成为一项重大突破。它由卡内基梅隆大学感知计算实验室的研究人员创建，是首批能够仅使用摄像头实时检测多个人全身姿态的开源系统之一，包括手部、脚部和面部关键点（每人最多可检测 135 个关键点）。

在本文中，我们将探索 OpenPose 的工作原理，以及它作为计算机视觉里程碑的重要意义。

图 1。使用 OpenPose 进行多人姿态估计。

姿态估计的发展历程#

在 AI 得到广泛应用之前，视频中的人体运动追踪需要使用专用设备。在电影和动画等行业中，演员通常会穿戴带有反光标记的服装，以便摄像头在受控的摄影棚环境中捕捉他们的动作。

虽然这些基于标记的动作捕捉技术很准确，但成本高昂，而且仅限于特定设置。随着计算机视觉的发展，研究人员开始寻找无需使用标记即可追踪身体运动的方法。他们利用边缘、轮廓和模板来查找图像中的人体形状。

这些早期系统在简单、直接的场景中表现良好，但面对现实世界的情况时就会遇到困难。当人们以意料之外的方式移动，或画面中出现多个人时，它们通常会产生较差的结果。

在 2010 年代后期，深度学习给姿态估计带来了重大转变。视觉 AI 模型可以使用大规模人体姿态数据集进行训练。模型不再依赖边缘和模板，而是通过研究数千张带标注的图像，学会识别身体关节和结构。这使姿态估计在更广泛的场景中变得更加准确、灵活且实用。

图 2。2017 年至 2023 年人体姿态估计模型的演变。

OpenPose：现代姿态估计的起点#

OpenPose 于 2017 年首次发布，能够在单张图像中同时估计多个人的姿态。与较早的系统不同，OpenPose 不需要特殊服装或标记。它可以使用普通摄像头，并实时处理图像和视频。这些特性让开发者和研究人员更容易使用姿态估计技术。

OpenPose 为计算机视觉奠定的基础，帮助其他人针对各种应用构建更新的架构。如今，支持姿态估计任务的视觉 AI 模型，例如 Ultralytics YOLOv8 和 Ultralytics YOLO11，能够提供更快的结果和更低的延迟。

图 3。使用 YOLO11 进行姿态估计。

不过，如果你想了解姿态估计的发展历程，OpenPose 是一个很好的起点。它提出了一些关键理念，如今许多更新的系统仍然依赖这些理念。

OpenPose 的主要功能#

现在我们已经更好地了解了 OpenPose 的重要性，接下来仔细看看它究竟能做什么。

OpenPose 功能的核心是所谓的关键点检测。关键点是人体上的特定标志点，例如鼻尖、肩膀中心、肘部、手腕、髋部、膝盖和脚踝。OpenPose 每人最多可以检测 135 个此类点，包括手指和面部特征等细节区域。

将这些点连接起来后，它们会形成对人体的简化表示——你可以把它看作一个数字骨架。这个骨架轮廓不仅显示一个人的位置，还能显示其姿态：是坐着、站着、挥手、微笑还是行走。计算机可以利用这些骨架以视觉方式解读人体运动，就像我们凭直觉理解他人的肢体语言一样。

骨架追踪尤其有用，因为它可以去除背景噪声和干扰，让系统专注于人体姿态和运动本身。OpenPose 不必分析每个像素，而是集中关注能够说明一个人如何移动或互动的关键点。

通过从日常图像或视频中提取这些结构化信息，OpenPose 可以帮助构建能够响应手势、监测身体活动、评估情绪线索，甚至为数字角色制作动画的应用。

OpenPose 的工作原理是什么？#

下面概述 OpenPose 如何从视觉输入中检测并连接人体关键点：

• 从图像开始： OpenPose 从照片、视频或实时摄像头画面中获取单张图像。
• 寻找重要的身体部位： 系统会寻找身体上的关键点，例如鼻子、肘部、手腕、膝盖和脚踝。在系统确定某个身体部位所在位置且置信度足够高的地方，这些点就会被标记出来。
• 确定哪些部位属于同一个人： 接下来，OpenPose 会检查关键点之间的连接关系。它利用数学计算判断哪些关节属于同一个人——例如，将手腕与正确的肘部和肩膀匹配起来。
• 为每个人绘制骨架： 对关键点进行分组后，OpenPose 会将它们连接成一个展示每个人姿态的“简笔人形”。即使同一画面中出现多个人，这一过程也能正常进行。
• 返回姿态数据： 最后，它会提供所有检测到的关键点的精确位置。这些数据可以用于追踪运动、识别手势或构建交互式工具，而且全部都能实时完成。

图 4。使用 OpenPose 进行人体关键点检测与追踪。

使用 OpenPose 跨行业开展姿态估计应用#

OpenPose 是最早一批让姿态估计能够应用于各种现实场景的先进工具之一。虽然如今它不常用于实时计算机视觉解决方案，但它在塑造体育、娱乐、教育和安全等领域的早期工作方面发挥了重要作用。

让我们进一步了解它如何在这些领域发挥先导作用。

使用 OpenPose 进行健身和体育姿态估计#

观看棒球比赛时，你很容易理解场上发生了什么——你可以立即识别投球、挥棒或盗垒。作为人类，我们凭直觉就能读懂身体动作并理解其含义，不需要付出太多努力。但对机器来说，识别这些动作要复杂得多。机器需要准确了解身体各个部位如何在空间中移动。

OpenPose 是计算机视觉在这一领域取得进展的重要一步。它是一个用于在各种场景中分析运动员动作的实用工具。

许多研究项目使用 OpenPose 分析挥棒和跳跃等动作，甚至根据球员的移动方式对具体的棒球动作进行分类。由于它可以在开放环境中使用普通视频运行，研究人员能够测试此类系统在现实训练或指导场景中的工作方式。

这些早期研究为如今先进体育技术中使用的表现追踪工具奠定了基础。

图 5。使用 OpenPose 的棒球动作分类流程示例。

在安防和安全系统中使用 OpenPose#

同样，研究人员也使用 OpenPose 探索基于视频的姿态追踪如何支持安全监测。他们测试了使用它检测行为，例如跌倒、异常手势或公共区域中的运动模式。

由于可以使用普通摄像头运行，OpenPose 让医院和交通枢纽等环境中的早期实验更加易于开展。这些研究推动了更新的模型的发展，而这些模型如今被用于监控、跌倒检测和应急响应系统。

图 6。由 OpenPose 实现的跌倒检测。

OpenPose 的优缺点#

下面简要介绍 OpenPose 的一些优势：

• 适用于研究和原型开发： 它被广泛用于学术研究，尤其是人机交互、生物力学和行为分析等领域。
• 跨平台支持： 它可以在 Windows、Linux 和 macOS 上运行，同时支持中央处理器（CPUs）和图形处理器（GPUs）。
• 离线处理能力：它可以在无法访问互联网的环境中运行，因此非常适合医疗保健或教育等注重隐私的场景。

尽管 OpenPose 是向前迈出的重要一步，但它也存在需要注意的技术限制。以下是与 OpenPose 相关的一些主要挑战：

• 处理要求高： 要让 OpenPose 实时运行，需要强大的 GPU 和大量计算资源。
• 对环境敏感： 在光线较暗、空间拥挤或摄像头角度不理想时，性能可能会下降。
• 相比新模型更加笨重： 与较新的姿态估计模型相比，OpenPose 相对较大且速度较慢。它不适合部署在智能手机、平板电脑或嵌入式系统等资源有限的设备上。

要点总结#

OpenPose 在提升姿态估计的可及性方面发挥了重要作用。它证明了无需依赖服装或专用设备，仅使用一个普通摄像头就可以追踪身体运动。

它为医疗保健、教育、娱乐和研究领域的众多实际应用奠定了基础。虽然如今更新的模型能够提供更快的速度和更轻量的性能，但 OpenPose 仍然是理解姿态估计发展历程的重要参考。

加入我们的社区，访问我们的 GitHub 代码仓库，进一步了解 AI。如果你想构建自己的计算机视觉解决方案，可以探索我们的许可选项。此外，还可以了解医疗保健领域的计算机视觉和物流领域的 AI如何产生影响！