Zubnet AIAprenderWiki › Pose Estimation
Using AI

Pose Estimation

Body Pose, Skeleton Detection, Keypoint Detection
Detectar a posição e orientação de um corpo humano (ou animal, mão, rosto) em uma imagem ou vídeo localizando pontos anatômicos-chave — articulações, pontos de referência faciais, pontas dos dedos. A saída é um esqueleto: um conjunto de keypoints conectados representando a pose do corpo. OpenPose, MediaPipe e YOLO-Pose são implementações populares.

Por que importa

Estimativa de pose habilita: apps de fitness que analisam forma de exercício, reconhecimento de linguagem de sinais, captura de movimento para animação, interfaces de controle por gestos, analytics esportivos e detecção de queda para cuidado de idosos. Em geração de imagens IA, esqueletos de pose servem como entradas ControlNet — você especifica a pose exata do corpo que quer e o modelo gera uma pessoa nessa 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.

Conceitos relacionados

← Todos os termos
ESC