什么是姿态估计，以及它可以应用于哪些场景？

当你看到有人弓背垂肩，或昂首挺胸、肩膀后展时，你能立刻判断出他们的姿态是懒散还是自信。没人需要向你解释。这是因为随着时间的推移，我们自然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（包括人类）的姿态。得益于人工智能（AI）和计算机视觉领域的最新进展，机器能够解读来自现实世界的视觉信息，如今也开始学习并复现这种能力。

姿态估计是一项计算机视觉任务，能够帮助机器通过分析图像或视频来确定人物或物体的位置和方向。它通过识别身体上的关键点（如关节和四肢）来理解人甚至物体是如何运动的。

这项技术正广泛应用于健身、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态，支持安全与健康计划。借助Ultralytics YOLO11等计算机视觉模型，系统可以实时估计人体姿态。

图 1。使用 Ultralytics YOLO11 监测工人姿态的示例。

本文将深入介绍姿态估计及其工作原理，并探讨它正在产生实际影响的真实应用场景。让我们开始吧！

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已从基础数学和几何方法，发展为由人工智能驱动的更先进方法。

最初，这些技术依赖固定的摄像机角度和已知的参考点。后来，它们逐步引入 3D 模型和特征匹配。如今，Ultralytics YOLO11 等深度学习模型可以从图像或视频中实时检测身体位置，使姿态估计比以往更快速、更准确。

随着技术不断进步，研究人员发现，监测和跟踪各种物体（尤其是人类和动物）姿态具有很大的应用潜力。姿态估计尤为重要，因为它让 AI 工具能够以过去无法实现的方式理解和测量姿态与运动。

例如，它可以让计算机识别手势，实现免手操作；分析运动员的动作，帮助提升表现；为视频游戏提供逼真的动画；甚至通过跟踪患者的康复进展来支持医疗保健。

它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。这些任务主要专注于识别和定位图像中的物体。

例如，目标检测会在人物、车辆或动物等物体周围绘制边界框，以表示它们是否存在及其位置。实例分割则更进一步，在像素级别勾勒出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哪里，并不会提供物体姿态或其可能正在进行的动作方面的信息。这正是姿态估计发挥关键作用的地方。

通过识别身体上的关键点（如肘部、膝盖，甚至尾巴），姿态估计可以解读姿态和运动。这让我们能够更深入地理解动作、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：自底向上和自顶向下。在自底向上方法中，模型首先检测单独的关键点（如肘部、膝盖或肩膀），然后将它们分组，以确定其所属的人物或物体。相比之下，自顶向下方法先检测每个物体（例如图像中的人物），然后定位该特定物体的关键点。

图 2。自底向上与自顶向下的姿态估计方法。

一些较新的模型（如 Ultralytics YOLO11）融合了这两种方法的优势。它跳过手动分组步骤，保留了自底向上方法的高效性；同时通过一次性检测人物并估计其姿态，借助自顶向下系统的精确性，在一个简洁流畅的流程中完成全部操作。

针对姿态估计自定义训练 Ultralytics YOLO11#

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？这就要介绍自定义训练的概念了。

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带标注的图像和大量时间，许多人会选择迁移学习。具体来说，就是从一个已经在大型数据集上训练好的模型开始，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对其进行微调。

假设你正在处理瑜伽姿势，你可以使用每个姿势都标注了该活动特定关键点的图像来微调 Ultralytics YOLO11。为此，你需要一个模型可以从中学习的自定义数据集，其中包含经过标注的图像。

在训练期间，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，以提升准确率。这样可以更轻松地构建满足特定需求的姿态估计模型。

姿态估计的真实应用#

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真实应用场景。

使用姿态估计进行物理治疗#

姿态估计正逐渐成为医疗保健行业中的可靠工具，尤其是在物理治疗领域。借助 AI 和计算机视觉，这些系统可以实时跟踪姿态和动作，并提供类似物理治疗师所能提供的反馈。

例如，膝关节手术后的患者可以使用姿态估计系统，确保自己正确完成康复训练。系统能够发现错误动作并提出改进建议，帮助患者坚持训练计划并避免受伤。

图 3。使用 Ultralytics YOLO11 进行物理治疗的示例。

除了康复之外，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运动时的动作姿势。应用可以提供实时反馈，例如调整深蹲角度，或确保你在进行硬拉时背部挺直。这能帮助用户改善动作姿势并预防受伤，而无需教练指导。

姿态估计赋能娱乐行业的动作捕捉#

姿态估计改变了娱乐行业中的动作捕捉方式，使其变得更简单、更易使用。过去，动作捕捉需要在人体上放置标记，再用特殊摄像机跟踪这些标记，这一过程可能既复杂又昂贵。

如今，随着 AI 和计算机视觉的发展，我们可以使用普通摄像机和算法跟踪身体动作，无需标记物，从而让整个过程更加高效、准确，甚至可以实时完成。

Disney 的 AR（增强现实）Poser就是一个很好的例子。这个有趣的工具可以让你用手机拍照，并让一个数字角色在增强现实中模仿你的姿势。它通过分析照片中的姿态，并将其匹配到 3D 角色上，生成有趣且个性化的 AR 自拍照。

图 4。一个 AR 角色使用姿态估计模仿人物姿势。

动物姿态估计驱动的社会行为研究#

研究动物行为有助于科学家了解动物如何交流、寻找配偶、照料幼崽以及群体生活。这些知识对于保护野生动物和深入理解自然世界至关重要。

姿态估计通过利用图像和视频跟踪动物的动作与姿态，简化了这一过程，而且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，从而洞察梳理、玩耍或打斗等行为。

一个有趣的例子是，科学家使用姿态估计研究类人猿行为。事实上，研究人员已经整理出了 OpenApePose 等数据集，其中包含来自六种类人猿的 71,000 多张带标注图像。

图 5。类人猿姿态估计。

姿态估计的优缺点#

以下是姿态估计能够为各个行业带来的一些主要优势：

• 可扩展性： 姿态估计系统可以部署在各种设备上，从智能手机到先进的摄像机系统，因此能够高度扩展，并适用于不同的应用场景和环境。
• 成本效益： 由于姿态估计依赖普通摄像机，不需要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，可以成为更具成本效益的解决方案。
• 持续监测： 姿态估计系统可以提供持续的实时跟踪，从而监测一段时间内的变化，无论是康复中的患者进展，还是野外动物行为的跟踪。

虽然姿态估计在各个领域的优势显而易见，但也存在一些需要考虑的挑战。以下是需要注意的几个主要限制：

• 泛化能力有限： 许多在人体数据集上训练的模型，如果不使用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、快速运动造成的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： 当身体部位被遮挡或处于画面外时，准确率可能会下降，尤其是在拥挤场景或多人跟踪中。

要点总结#

姿态估计已经从早期阶段取得了长足发展，从使用标记物的系统演变为由 Ultralytics YOLO11 等深度学习模型驱动的高影响力工具。无论是改善物理治疗、支持交互式 AR 体验，还是助力野生动物研究，姿态估计都在改变机器理解运动和姿态的方式。随着技术不断进步，解决其局限性将成为释放更多实用应用的关键，并让机器更好地理解我们以及其他生物是如何运动的。

对 AI 感兴趣？探索我们的 GitHub 代码仓库，加入我们的社区，并查看我们的许可选项，开启你的计算机视觉项目。你还可以在我们的解决方案页面中，进一步了解零售行业中的 AI和物流行业中的计算机视觉等创新应用。