Детектування поз і рухів

Стрімкий розвиток технологій призводить до появи інноваційних рішень, що істотно спрощують життя звичайних користувачів і великих компаній.

Штучний інтелект (ШІ) активно впроваджується в багато сфер, в тому числі в медицину, промисловість, індустрію розваг і, звичайно ж, бізнес.

Сьогодні нейромережі можуть не лише розважати, а й лікувати, навчати і працювати. Їх потенціал дозволяє точно детектувати рух і пози людини, наприклад, для створення 3D-моделей або вивчення мови жестів.

Детектування пози людини – це заснована на комп’ютерному зорі технологія, яка визначає і аналізує положення тіла в просторі. Поза оцінюється за допомогою моделювання людського тіла.

Існує три найбільш часто використовуваних типу моделей детектування:

• На основі скелета: являє собою набір ключових точок (суглобів), наприклад, щиколоток, колін, ліктів і т.д., які формують кісткову структуру людського тіла. Завдяки своїй гнучкості, ця модель часто застосовується в 2D- і 3D-методах оцінки пози.
• На основі контуру: складається з контуру, приблизною ширини тулуба і кінцівок.
• На основі обсягу: складається з тривимірних форм людського тіла і поз, представлених об’ємними моделями з геометричними сітками.

Перша модель детектування пози, при якій система спирається на ключові точки на тулубі, руках, ногах і обличчі людини, є однією з найпоширеніших. Чим точніше розташовані маркери, тим краще результат для застосування відповідної моделі (залежить від предметної області, наприклад, для рук, голови або ніг).

Оцінка пози людини на відео грає важливу роль в розробці ПЗ, наприклад, технологія дозволяє накладати цифровий контент поверх фізичного світу в доповненій реальності, розпізнавати мову жестів і керувати рухами.

Крім того, її можливості допомагають визначати фізичні вправи, що може стати основою додатків для вивчення танців, йоги або фітнесу.

Для того, щоб краще зрозуміти принцип роботи ПЗ для детектування поз і рухів, розглянемо приклад – додатка для фітнесу. Система функціонує в такий спосіб:

1. Запис рухів людини під час виконання вправи.
2. Аналіз правильності виконання вправи.
3. Виявлення та відображення помилок в інтерфейсі.

Такі програми базуються на штучному інтелекті і машинному навчанні – здатності системи самостійно вирішувати різні завдання і інтерпретувати досвід для вдосконалення. Під час тренування ШІ обробляє величезні масиви інформації, вивчає і знаходить в них певні закономірності.

Як приклад можна привести Mirror – програмне забезпечення на основі машинного навчання, яке аналізує рухи користувача і, в залежності від уподобань і цілей, надає йому зворотний зв’язок в режимі реального часу. Додаток Motion Coach використовує комп’ютерний зір і камеру телефону, щоб давати звукові підказки та візуальний зворотний зв’язок під час тренувань, а Fitness Ally від TwentyBN містить віртуального фітнес-тренера, який “спостерігає” за виконанням вправ.

Команда AVADA MEDIA займається розробкою комплексних IT-рішень для автоматизації бізнес-процесів, інформаційної безпеки, аналітики даних і т. д. Наші фахівці проєктують надійне програмне забезпечення, включаючи софт для детектування поз і рухів.

Кількість технологій штучного інтелекту і додатків продовжує швидко збільшуватися. Його потенціал дозволяє постійно взаємодіяти з мінливим середовищем з величезною кількістю змінних. Детектування пози допомагає оцінити просторове положення тіла на відео або зображенні, тому технологія може застосовуватися для прогнозування і відстеження місцезнаходження людини або об’єкта.

Можна виділити кілька сфер, в яких використовується детектування поз і рухів:

• Відстеження і вимірювання людської активності – одна з областей, де найчастіше застосовується детектування рухів. Як приклад можна привести додаток для аналізу танцювальних і спортивних технік, виконання фізичних вправ, а також для системи безпеки і спостереження.

Технологія сприяє появі віртуальних тренерів на основі штучного інтелекту, які перевіряють, наскільки правильно люди виконують вправи і чи потрібні їм інструкції для зміни положення тіла.

• У доповненій і віртуальної реальності оцінка пози покращує користувальницький досвід взаємодії з об’єктами. Наприклад, допомагає віртуально навчитися грати в такі ігри, як теніс.

Програмне забезпечення для визначення пози може замінити дорогі системи захоплення руху, використовувані при виробництві фільмів і відеоігор.

• Навчання і тренування роботів – технологія дозволяє машинам вчитися вирішувати певні завдання і освоювати роботу. Для цього інструктор-людина демонструє певні дії, а робот зчитує їх і повторює.
• Незвичайним застосуванням технології є відстеження рухів людей в інтерактивних іграх. Так, Kinect використовує 3D-оцінку пози (завдяки даним спеціальних датчиків) для детектування рухів гравців і їх застосування для візуалізації дій віртуальних персонажів.

Перераховані можливості не є вичерпними – у міру того, як штучний інтелект стає все більш популярним і затребуваним, компанії знаходять нові способи його застосування в різних галузях.

Фахівці AVADA MEDIA створюють гнучке програмне забезпечення відповідно до потреб і специфіки компанії, яке допомагає бізнесу налагодити комунікацію з клієнтами, ефективно масштабуватись і підвищити доходи.