Live-Posenerkennung mit Machine Learning

Achtung, diese Demo funktioniert am besten im Chrome-Browser.

Diese Demo-App zur Posenerkennung demonstriert die Möglichkeiten der Verwendung von Computer Vision und Algorithmen für maschinelles Lernen zur Erkennung und Verfolgung der Pose einer Person oder eines Objekts in Echtzeit. Die App zeigt, wie die Technologie zur Erkennung von Körperhaltungen in verschiedenen Anwendungen eingesetzt werden kann, z. B. in der virtuellen Realität, in Spielen und bei der Mensch-Maschine-Interaktion.

Sie können mit der App interagieren, indem Sie sich vor der Kamera bewegen. Die App zeigt die geschätzte Pose in einer grafischen Darstellung im Video auf der linken Seite an. Die Gitteransicht auf der rechten Seite zeigt die berechneten Keypoints als 3D-Modell.

Die Demo bietet eine praktische Erfahrung, um die Leistungsfähigkeit der Pose-Erkennung zu sehen und ihr Potenzial in verschiedenen Bereichen zu verstehen. Die Pose-Erkennung läuft vollständig lokal in Ihrem Browser unter Verwendung von JavaScript.

Wir haben die Posenerkennung in einem digitalen Trainigscoach im EUREKA/Eurostars Projekt CaRe implementiert.

Bitte warten

Was ist Posenerkennung (Pose Detection)?

Die Posenerkennung ist eine Computer-Vision-Technik zur Schätzung der Pose (Position und Ausrichtung) einer Person oder eines Objekts aus einem einzelnen Bild oder einem Videostrom. Dabei werden die visuellen Merkmale des Bildes oder Videos analysiert und mit einem vordefinierten Modell oder einer Vorlage verglichen, um das Objekt zu identifizieren und seine Pose zu bestimmen. Dieser Prozess kann die Erkennung von Schlüsselpunkten auf dem Objekt beinhalten, wie z. B. Gelenke an einem menschlichen Körper, und deren Anpassung an ein vordefiniertes Modell, um die Pose zu schätzen. Die Genauigkeit der Posenerkennung kann durch den Einsatz von Algorithmen des maschinellen Lernens, wie z. B. tiefen neuronalen Netzen, verbessert werden, um die Erkennung von Körperhaltungen aus großen Mengen von Trainingsdaten zu erlernen.

Diese Demo wurde mit dem MediaPipe Pose-Projekt von Google erstellt.