OpenPose

OpenPose, Carnegie Mellon Üniversitesi tarafından geliştirilen çok kişili poz algılama (pose estimation) sistemidir. Görüntüler ve videolardaki insanların vücut, yüz, el ve ayak duruşlarını gerçek zamanlı olarak tespit eden ilk açık kaynaklı sistemdir. Yapay zekâ tabanlı görüntü üretimi, hareket analizi ve insan-bilgisayar etkileşimi alanlarında temel bir araç haline gelmiş olan OpenPose, bilgisayarla görme tarihindeki en etkili ve en çok alıntılanan projelerden biri olarak kabul edilmektedir. Akademik makalelerde on binlerce atıf alan model, poz tahmini alanının temelini oluşturmuştur.

OpenPose, bottom-up yaklaşımı kullanan bir mimariye sahiptir. Öncelikle görüntüdeki tüm anahtar noktaları (keypoints) tespit eder, ardından bu noktaları bireysel kişilerle eşleştirmek için Part Affinity Fields (PAF) kullanır. Bu yaklaşım, görüntüdeki kişi sayısından bağımsız olarak tutarlı performans sağlar ve top-down yöntemlerden farklı olarak kişi sayısı arttıkça işlem süresinde dramatik artış yaşanmaz. VGG-19 omurgası üzerine inşa edilen model, 135 anahtar nokta tespit edebilir: 25 vücut eklemi, her el için 21 nokta ve 70 yüz anahtar noktası. Bu kapsamlı anahtar nokta seti, tüm vücut duruşunun detaylı bir şekilde yakalanmasını sağlar.

AI görüntü üretimi ekosisteminde OpenPose, özellikle ControlNet ile birlikte kullanılarak poz kontrollü görüntü üretimi için vazgeçilmez bir araç haline gelmiştir. Kullanıcılar, referans bir pozu OpenPose ile çıkarır ve bu pozu Stable Diffusion, FLUX veya Midjourney gibi modellere rehber olarak verir. Bu iş akışı, istenilen pozda karakter oluşturmayı, referans fotoğraftaki vücut dilini yeni görsellere aktarmayı ve tutarlı karakter pozları ile seri görsel üretmeyi mümkün kılar. Çizgi roman, storyboard, konsept sanat ve reklam görseli üretiminde yaygın olarak kullanılır. OpenPose çıktılarının standartlaşmış formatı, farklı AI araçları arasında sorunsuz veri aktarımını sağlar.

Modelin çoklu kişi algılama kapasitesi, kalabalık sahnelerin analizini mümkün kılar ve bu özelliği birçok endüstriyel uygulamada değerli kılar. Spor müsabakalarında oyuncu pozisyonlarının ve hareketlerinin analizi, dans performanslarının koreografi açısından değerlendirilmesi, güvenlik sistemlerinde şüpheli davranış tespiti ve perakende mağazalarda müşteri hareket analizi gibi çeşitli senaryolarda uygulanmaktadır. Fizik tedavi ve rehabilitasyon alanında, hastaların hareket aralığını ölçmek ve egzersiz formunu değerlendirmek için klinik ortamlarda kullanılmaktadır. Ergonomi çalışmalarında çalışanların duruş analizini yapmak için de tercih edilir.

GPU üzerinde 15-25 fps hıza ulaşabilen OpenPose, gerçek zamanlı uygulamalar için uygundur. CUDA ve OpenCL destekler, bu da hem NVIDIA hem de AMD ekran kartlarında çalışabilmesini sağlar. Çıktı formatı olarak JSON, görsel overlay ve COCO format desteği sunar. Bu çeşitli çıktı seçenekleri, farklı iş akışlarına ve analiz araçlarına entegrasyonu kolaylaştırır. Birden fazla kamera açısından gelen verileri birleştirerek 3D poz yeniden oluşturma yapabilme yeteneği, modelin ileri düzey uygulamalarını genişletir.

Açık kaynak olarak GitHub üzerinden erişilebilen OpenPose, C++ ve Python API'leri sunar. DWPose gibi daha yeni modeller daha yüksek doğruluk sunsa da, OpenPose'un geniş ekosistemi, kapsamlı dokümantasyonu, zengin topluluk kaynakları ve kanıtlanmış güvenilirliği sayesinde birçok üretim ortamında tercih edilmeye devam etmektedir. On yılı aşan geçmişi ve binlerce başarılı uygulama örneği, modelin olgunluğunu ve güvenilirliğini kanıtlamaktadır. Eğitim materyalleri ve topluluk desteği, yeni başlayanlar için poz tahmini alanına giriş noktası olmaya devam etmekte ve bilgisayarla görme eğitiminde standart bir referans olarak kullanılmaktadır.