Ultralytics YOLO27:
返回 Ultralytics 术语表

Keypoints

了解关键点如何定义 AI 中的对象几何结构和姿态。探索使用 Ultralytics YOLO26 进行姿态估计,并通过我们易于使用的 Python SDK 开始操作。

关键点是图像中定义对象或主体重要特征的独特空间位置或地标。在计算机视觉和机器学习领域,关键点通常表示为一组坐标(X、Y),用于精确定位对象的特定部位,例如人的肘部、建筑物的角落或汽车车轮的中心。与仅识别对象是否存在的简单任务不同,识别关键点可以让人工智能(AI)模型理解主体的几何结构、姿态和结构布局。这项能力是高级视觉分析的基础,使机器能够解读肢体语言、跟踪精确动作,并将数字叠加层与现实世界中的对象对齐。

关键点在 AI 模型中的作用#

关键点是姿态估计的基础数据,这项技术用于映射人类或动物的骨骼结构。通过检测预定义的一组点,例如肩部、膝盖和脚踝,算法可以实时重建主体的完整姿态。这一过程超越了标准的目标检测,后者通常只输出包围对象的边界框,而无法理解对象的内部形状。

现代架构(例如最先进的 Ultralytics YOLO26)已经发展到能够以很高的准确率和速度预测这些关键点。这些模型利用在海量标注数据集(例如 COCO 关键点)上训练的深度学习(DL)网络,学习与关节和面部特征相关的视觉模式。在推理过程中,模型会回归每个关键点的坐标,通常还会提供置信度分数,以表示预测的可靠性。

关键点与相关概念的比较#

将关键点与其他常见的计算机视觉输出区分开来,有助于理解其独特用途:

  • 关键点与边界框:边界框提供粗略定位,用矩形框住整个对象。关键点则提供对象内部特定部位的细粒度定位。
  • 关键点与图像分割:图像分割对每个像素进行分类,以创建对象形状的精确掩码。分割能够提供详细的边界信息,而关键点则提供结构摘要(“骨架”),通常更适合高效分析运动和运动学
  • **关键点与特征描述子:**在传统图像处理中,例如 SIFT(尺度不变特征变换),关键点是用于图像匹配的兴趣点(角点、斑点)。在现代 DL 姿态估计中,关键点是由网络学习得到的语义标签(例如“左手腕”)。

实际应用#

跟踪特定身体部位或对象特征的能力,为各行各业解锁了多种应用:

  • **体育分析:**教练和运动员利用姿态估计分析生物力学。通过跟踪关节上的关键点,系统可以计算角度和速度,从而改进高尔夫、网球或短跑等运动中的技术。了解 Ultralytics YOLO 模型如何跟踪高尔夫挥杆,以获得可执行的反馈。
  • **医疗与康复:**物理治疗平台利用关键点远程监测患者的锻炼情况。系统可确保患者在康复训练中保持正确姿势,降低受伤风险并跟踪恢复进度。
  • **增强现实(AR):**社交媒体滤镜和虚拟试穿应用依靠面部关键点(眼睛、鼻子和嘴部轮廓)将数字面具或眼镜稳固地锚定在用户脸部,即使用户移动也能保持对齐。
  • **驾驶员监控:**汽车安全系统跟踪面部地标,以检测困倦或分心迹象;如果驾驶员闭上眼睛,或其头部位置表明注意力不集中,系统就会发出警报。

使用 Ultralytics YOLO26 实现关键点检测#

开发者可以使用 Ultralytics Platform 或 Python SDK,轻松实现关键点检测。以下示例演示了如何加载预训练的 YOLO26-pose 模型,并对图像运行推理以检测人体骨骼。

from ultralytics import YOLO

# Load a pre-trained YOLO26 pose estimation model
model = YOLO("yolo26n-pose.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Visualize the results showing detected keypoints and skeletons
for result in results:
    result.show()  # Display the image with keypoints drawn

    # Access keypoint coordinates (x, y, confidence)
    keypoints = result.keypoints.data
    print(f"Detected keypoints shape: {keypoints.shape}")

这一简单工作流程可以快速部署复杂的计算机视觉(CV)应用。对于希望训练自定义关键点模型的用户(例如检测工业机械或动物物种上的特定点),Ultralytics Platform可简化云端的数据标注和模型训练流程。

高级注意事项#

要成功部署关键点检测,需要处理遮挡(身体部位被隐藏的情况)和多样化光照条件等挑战。现代模型会在训练期间通过强大的数据增强应对这些问题,使网络接触各种不同场景。此外,将关键点与目标跟踪算法集成,可以在视频流中持续识别个体,这对于安防或行为分析等应用至关重要。

Explore solutions

用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多

让我们共同构建 AI 的未来!

开启你的机器学习未来之旅