什么是姿态估计？可以应用于哪些场景？

当你看到有人弯腰驼背，或是挺直站立、双肩向后时，你马上就能看出他们的姿势是不好还是自信。没人需要向你解释。这是因为随着时间推移，我们自然而然地学会了解读肢体语言。

通过经验和观察，我们的大脑已经非常擅长识别各种物体的姿势，包括人的姿势。得益于人工智能（AI）和计算机视觉领域的最新进展——计算机视觉让机器能够理解来自现实世界的视觉信息——机器现在也开始学习并复制这种能力。

姿态估计是一项计算机视觉任务，它通过分析图像或视频，帮助机器确定人物或物体的位置和朝向。它通过识别身体上的关键点（如关节和四肢）来理解人物甚至物体的运动方式。

这项技术已广泛应用于健身、医疗保健和动画等领域。例如，在工作场所，它可以用于监测员工姿势，支持安全与健康计划。借助 Ultralytics YOLO11 等计算机视觉模型实时估计人体姿势，就能实现这一点。

图 1。使用 Ultralytics YOLO11 监测员工姿势的示例。

本文将深入介绍姿态估计及其工作原理，并探讨它正在发挥作用的真实应用案例。

姿态估计的发展历程#

姿态估计研究始于 20 世纪 60 年代末和 70 年代。多年来，这项计算机视觉任务所采用的方法，从基础的数学和几何方法逐渐转向由人工智能驱动的更先进方法。

最初，相关技术依赖固定的摄像头角度和已知参考点。之后，技术发展到采用 3D 模型和特征匹配。如今，Ultralytics YOLO11 及其后继模型 Ultralytics YOLO26 等深度学习模型，可以通过图像或视频实时检测身体姿势，使姿态估计比以往更快、更准确。

随着技术进步，研究人员发现了监测和跟踪各种物体（尤其是人和动物）姿态的潜在应用。姿态估计尤为重要，因为它让 AI 工具能够以以往无法实现的方式理解和测量姿势与动作。

例如，姿态估计可以让计算机识别手势，实现免手动交互；分析运动员的动作以提升表现；为电子游戏中的逼真动画提供支持；甚至通过跟踪患者的康复进展来辅助医疗保健。

姿态估计与其他计算机视觉任务有何不同？#

姿态估计不同于目标检测和实例分割等其他计算机视觉任务。这些任务主要关注识别和定位图像中的物体。

例如，目标检测会在人物、车辆或动物等对象周围绘制边界框，以标示它们是否存在及其位置。实例分割则更进一步，在像素级别描绘每个物体的精确形状。

不过，这两种方法主要关注物体是什么以及位于何处——它们无法提供物体姿势或动作方面的信息。这正是姿态估计至关重要的原因。

姿态估计通过识别身体上的关键点（如肘部、膝盖甚至尾巴），来解读姿势和动作。这样便能更深入地理解动作、手势和身体动态，包括 3D 空间中的运动。

了解姿态估计的工作原理#

姿态估计模型通常采用两种主要方法：自下而上和自上而下。在自下而上的方法中，模型会先检测各个关键点，如肘部、膝盖或肩膀，然后将这些关键点分组，以确定它们分别属于哪个人物或物体。相比之下，自上而下的方法会先检测每个物体（例如图像中的人物），再定位该物体对应的关键点。

图 2。自下而上与自上而下的姿态估计方法。

一些较新的模型，例如 Ultralytics YOLO11，融合了两种方法的优势。YOLO11 跳过手动分组步骤，保留了自底向上方法的高效性；同时，它还能一次性检测人员并估计其姿势，借助自顶向下系统的精确性，在单一、简洁的流程中完成所有操作。

自定义训练 Ultralytics YOLO11 进行姿态估计#

在了解姿态估计模型的工作原理时，你可能会想：这些模型究竟是如何学会估计不同物体的姿态的？这就要说到自定义训练了。

自定义训练是指使用你自己的数据，教模型识别特定的关键点。由于从头构建模型需要大量标注图像和大量时间，许多人会选择迁移学习。这种方法以已在大型数据集上训练过的模型为基础，例如在 COCO-Pose 数据集上预训练的 Ultralytics YOLO11 姿态估计模型，然后使用你自己的数据针对特定任务或应用场景进行微调。

假设你正在处理瑜伽姿势，可以使用标注了该活动特定关键点的图像来微调 Ultralytics YOLO11。为此，你需要一个由标注图像构成的自定义姿态数据集，供模型学习。

训练期间，你可以调整批量大小（一次处理的图像数量）、学习率（模型更新学习结果的速度）和训练轮数（模型遍历数据集的次数）等设置，以提高准确率。这样就能更轻松地构建符合你特定需求的姿态估计模型。

姿态估计的现实应用#

现在我们已经讨论了姿态估计是什么以及它如何工作，接下来深入了解一些现实应用场景。

将姿态估计用于物理治疗#

姿态估计正逐渐成为医疗保健领域，尤其是物理治疗中的可靠工具。借助 AI 和计算机视觉，这些系统可以实时跟踪姿势和动作并提供反馈，效果类似于物理治疗师提供的指导。

例如，膝关节手术后的患者可以使用姿态估计系统，确保康复训练动作正确。系统可以发现不正确的动作并提出改进建议，帮助患者坚持康复计划并避免受伤。

图 3。使用 Ultralytics YOLO11 进行物理治疗的示例。

除了康复治疗，姿态估计也开始应用于健身应用。例如，在家锻炼的人可以使用应用检查训练动作是否规范。应用可以实时提供反馈，例如调整深蹲角度，或确保硬拉时背部挺直。这样，用户无需教练也能改善动作并避免受伤。

姿态估计助力娱乐领域的动作捕捉#

姿态估计改变了娱乐领域的动作捕捉方式，让动作捕捉变得更简单、更容易使用。过去，动作捕捉需要在人体上放置标记，并用专用摄像机跟踪标记，这既复杂又昂贵。

如今，随着 AI 和计算机视觉的发展，我们可以使用普通摄像头和算法追踪身体动作，而无需标记点，从而让整个过程更高效、更准确，甚至可以实时进行。

一个很好的例子是 Disney 的 AR（增强现实）Poser。这个有趣的工具可以让你用手机拍照，再让一个数字角色在增强现实中模仿你的姿势。它会分析照片中的姿势，并将其匹配到一个 3D 角色上，生成有趣且个性化的 AR 自拍。

图 4。AR 角色通过姿态估计模仿人物姿势。

动物姿态估计推动社会行为研究#

研究动物行为有助于科学家了解动物如何交流、寻找配偶、照顾幼崽和群居。这些知识对于保护野生动物和深入了解自然界至关重要。

姿态估计通过图像和视频跟踪动物的动作和姿势，简化了这一过程，无需在动物身上安装传感器或标签。这些系统可以自动监测动物姿态，帮助研究人员了解梳理毛发、玩耍或打斗等行为。

一个有趣的例子是科学家利用姿态估计研究猿类行为。事实上，研究人员已经整理出 OpenApePose 等数据集，其中包含来自 6 种猿类的 71,000 多张标注图像。

图 5。猿类姿态估计。

姿态估计的优缺点#

以下是姿态估计能为各行各业带来的一些主要优势：

• 可扩展性： 姿态估计系统可部署在各种设备上，从智能手机到先进的摄像机设备都适用，因此能够灵活扩展，并适用于不同的场景和环境。
• 经济高效： 姿态估计依赖普通摄像机，无需昂贵的传感器或标签，因此在研究和商业应用中跟踪动作时，可能是一种更经济高效的解决方案。
• 持续监测： 姿态估计系统可以持续实时跟踪，使用户能够监测随时间发生的变化，无论是患者的康复进展，还是野生动物的行为变化。

姿态估计在各个领域的优势显而易见，但也有一些挑战需要考虑。以下是一些需要注意的主要局限：

• 泛化能力有限： 许多使用人类数据集训练的模型，如果不针对特定数据集重新训练，就无法很好地泛化到动物或不常见的身体结构。
• 环境限制： 在光线不足、快速运动造成模糊或背景杂乱的情况下，性能可能会下降。
• 对遮挡高度敏感： 身体部位被遮挡或超出画面时，准确率可能会下降；在人群密集的场景或多人跟踪中尤其如此。

要点#

姿态估计已经取得长足进步，从早期使用标记的系统，发展到由 Ultralytics YOLO11 等深度学习模型驱动的重要工具。无论是改善物理治疗、支持交互式 AR 体验，还是帮助野生动物研究，姿态估计都在改变机器理解动作和姿势的方式。随着技术不断进步，解决其局限将成为释放更多实用场景、提升机器理解人类和其他生物运动能力的关键。

对 AI 感兴趣？浏览我们的 GitHub 代码仓库，加入我们的社区，并查看我们的许可选项，为你的计算机视觉项目起步。你还可以在我们的解决方案页面了解零售业中的 AI和物流行业中的计算机视觉等创新应用。