Wat is Human Pose Estimation?

Rigid Pose Estimation en Human Pose Estimation

Pose Estimation is een belangrijk onderdeel op het gebied van computervisie. Het is een computervisie taak die de houding afleidt van een object in een afbeelding of video.

Pose Estimation verschilt op een aantal manieren van andere gebruikelijke computervisie taken. Hoewel een taak als object detectie ook objecten binnen een afbeelding lokaliseert, is deze lokalisatie meestal grof gekorreld en wordt er gewerkt met een begrenzend vakje waarbinnen het gehele object zich bevindt. Pose Estimation gaat verder. Het identificeert, lokaliseert en volgt heel precies een aantal kernpunten van het object.

Wat objecten betreft kan je hierbij denken aan hoekpunten of andere typerende eigenschappen. De meeste levenloze objecten zijn stijf. Zo liggen de hoekpunten van een baksteen altijd even ver uit elkaar, ongeacht de oriëntatie ervan. Het voorspellen van de positie van dit soort objecten staat bekend als Rigid Pose Estimation.

Mensen vallen in een categorie van flexibele objecten, omdat onze kernpunten een andere positie ten opzichte van elkaar hebben als wij onze armen of benen buigen. Als er met mensen wordt gewerkt vertegenwoordigen deze kernpunten belangrijke gewrichten zoals ellebogen, polsen en knieën, en noemen we het Human Pose Estimation. Het doel van machine learning modellen is het volgen van deze kernpunten in afbeeldingen en video’s.

Toepassingen van Human Pose Estimation

Stel je voor dat je in staat bent om iedere kleine beweging van een persoon te volgen en in real time een biomechanische analyse uit te voeren. Met Human Pose Estimation zijn we in staat om één persoon of meerdere personen automatisch en zeer gedetailleerd te volgen. Deze technologie zal enorme implicaties hebben en een brede selectie van toepassingen openstellen. Van virtuele sport coaches en personal trainers tot het volgen van bewegingen op fabrieksvloeren voor het waarborgen van de veiligheid van de werknemers; Pose Estimation heeft de potentie om een nieuwe golf aan geautomatiseerde tools te creëren voor het precies meten van menselijke beweging.

De toepassingen van het volgen van menselijke beweging zijn dynamisch en verreikend. Denk bijvoorbeeld aan een AI-powered personal trainer die met behulp van een op de sporter gerichte camera en een Human Pose Estimation model aangeeft of een gegeven oefening correct wordt uitgevoerd. Zo’n personal trainer maakt veilige en effectieve training routines mogelijk, en kan de hoge kosten die gepaard gaan met personal training drukken.

Het volgen van menselijke bewegingen met behulp van Human Pose Estimation zou ook een positieve impact kunnen hebben op andere situaties, waaronder:

  • Video observatie
  • Begeleid wonen
  • AI-powered sport analyse
  • Het monitoren van activiteit op de werkplek
  • Het tellen en volgen van menigten, bijvoorbeeld voor warenhuizen en op stations
  • Geavanceerde rijhulpsystemen (ADAS)

Dit is natuurlijk geen complete lijst, maar hij bevat enkele van de primaire manieren waarop Human Pose Estimation onze toekomst vormgeeft. Wat blijkt is dat deze computervisie techniek flinke impact kan hebben in uiteenlopende industrieën. De komende tijd zullen we daarom dieper op dit onderwerp ingaan.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s