Von autonom fahrenden Autos kennen wir bereits das Phänomen, dass Menschen durch KI gesteuerte Kameras im Straßenverkehr identifiziert werden. Nach einem ähnlichen Prinzip funktionieren auch Systeme, die z.B. sportliche Übungen beurteilen oder Passanten in der Einkaufszone zählen.

In Echtzeit menschliche Posen zu erkennen ist für selbstfahrende Autos eine entscheidende Fähigkeit: Sie müssen die Körperhaltung von Fußgängern richtig deuten, um sich sicher im Straßenverkehr zu bewegen und Unfälle zu vermeiden.

Das System filtert das Bild einer Fußgängerin und extrahiert wichtige Informationen, um das Skelett und die Gelenke zu identifizieren. Diese sind die Drehpunkte, von denen aus sich die aktuelle Bewegung mathematisch beschreiben lässt.
Davon ausgehend kann die KI berechnen, ob die Fußgängerin in sicherem Abstand bleibt oder gleich die Straße betreten wird.

Die Auswertung von Posen in Echtzeit ist aber nicht nur bei selbstfahrenden Autos von Interesse. So lassen sich beispielsweise mit Gesten Maschinen steuern. Und in Ladengeschäften kann ein solches Verfahren dabei helfen, anhand spezieller Körperhaltungen und Bewegungen Ladendiebe auf frischer Tat zu ertappen.

Die Schätzung der menschlichen Pose ist eine auf Computer Vision basierende Technologie, die die menschliche Haltung erkennt und analysiert.

Die Hauptkomponente der menschlichen Posenschätzung ist die Modellierung des menschlichen Körpers. Am häufigsten werden skelettbasierte Modelle, konturbasierte Modelle und volumenbasierte Modelle für den menschlichen Körper verwendet.