Zubnet AIAprenderWiki › Pose Estimation
Using AI

Pose Estimation

Body Pose, Skeleton Detection, Keypoint Detection
Detectar la posición y orientación de un cuerpo humano (o animal, mano, cara) en una imagen o video localizando puntos anatómicos clave — articulaciones, puntos de referencia faciales, yemas de los dedos. La salida es un esqueleto: un conjunto de keypoints conectados que representan la pose del cuerpo. OpenPose, MediaPipe y YOLO-Pose son implementaciones populares.

Por qué importa

La estimación de pose habilita: apps de fitness que analizan la forma de ejercicio, reconocimiento de lengua de señas, captura de movimiento para animación, interfaces de control por gestos, analítica deportiva y detección de caídas para el cuidado de adultos mayores. En generación de imágenes IA, los esqueletos de pose sirven como entradas ControlNet — especificas la pose exacta del cuerpo que quieres y el modelo genera una persona en esa pose.

Deep Dive

The task: given an image, predict 2D coordinates (x, y) for each keypoint (17 for body: nose, eyes, ears, shoulders, elbows, wrists, hips, knees, ankles). Top-down approaches first detect people (bounding boxes), then estimate pose within each box. Bottom-up approaches detect all keypoints first, then group them into individuals. Top-down is more accurate for few people; bottom-up is faster for crowds.

3D Pose

2D pose gives (x, y) in image coordinates. 3D pose estimates (x, y, z) in real-world coordinates, enabling depth perception (is the hand reaching toward or away from the camera?). 3D pose is essential for motion capture, VR/AR, and robotics. Models like MotionBERT and 4DHumans estimate 3D pose from a single 2D image by leveraging learned priors about human body proportions and physics.

Beyond Body Pose

Hand pose estimation tracks 21 keypoints per hand, enabling gesture recognition and sign language understanding. Face landmark detection tracks 468+ points for expression analysis, face filters, and emotion recognition. Animal pose estimation adapts the same techniques to quadrupeds, enabling wildlife research and veterinary applications. MediaPipe (Google) provides real-time solutions for body, hand, and face pose that run on mobile devices.

Conceptos relacionados

← Todos los términos
ESC