Open Pose ist eine Open-Source-Softwarebibliothek für die Positionsschätzung (auch: pose estimation) von menschlichen Körpern. Mit Deep-Learning-Algorithmen werden die Körperhaltung und Bewegung von einer oder mehreren Personen analysiert und verfolgt. Die Software erkennt menschliche Körper-, Hand-, Gesichts- und Fußpunkte (insgesamt 135 Punkte) auf Einzelbildern und kann zudem Schlüsselpunkte erkennen und bestimmten Personen zuordnen [1]. Die Echtzeiterkennung von mehreren Personen ist wichtiger Bestandteil der Mensch-Roboter-Interaktion, damit Maschinen (wie z.B. Roboter) Menschen erkennen und ihre Interaktion visuell wahrnehmen und analysieren können [2]. Dies ermöglicht einen flexibleren Einsatz von Robotik im Alltag.
Anwendungsfelder
Positionsschätzungssoftware wie Open Pose findet in verschiedenen Bereichen Anwendung, beispielsweise in der automatisierten Videoanalyse im Sport, beim autonomen Fahren oder in Augmented Reality [2]. In der Robotik dient sie in erster Linie der Personenerkennung und ist damit für die Anwendung im Alltag äußerst relevant.
Lizenz
OpenPose ist kostenlos für die nicht-kommerzielle Nutzung verfügbar und darf unter diesen Bedingungen weiterverbreitet werden. Die kommerzielle Nutzung kann angefragt werden [5].
Betriebssysteme und Programmiersprache
Unterstützte Programmiersprachen sind u.a. C++ und Python api. Eingesetzt werden kann Open Pose auf den Betriebssystemen Ubuntu (20, 18, 16, 14), Windows (10, 8), Mac OSX und Nvidia TX2.
Erforderliche Kenntnisse
Grundlegende Kenntnisse im Bereich der Programmierung und Computer-Vision-Software sind erforderlich. Grundsätzlich gibt es jedoch viele Ressourcen und Tutorials, die bei der Verwendung von Open Pose auch ohne umfangreiche Vorkenntnisse unterstützen [1], [3].
Vorteile
Gleichzeitige Erfassung mehrerer Personen in Bildern oder Videos einschließlich Körper-, Hand-, Gesichts- und Fußpunkte Hohe Genauigkeit Echtzeit-2D-Körperhaltungsschätzung und –verfolgung mehrerer Personen Echzeit-3D-Körperhaltungsschätzung und –verfolgung einzelner Personen
Nachteile [4]
Leistungsstarke Hardware erforderlich Benötigt große Datenmengen Durch die notwendige Nutzung von Bild- und Videomaterial kann es zu Datenschutzbedenken kommen
Referenzen
[1] OpenPose github: https://github.com/CMU-Perceptual-Computing-Lab/openpose
[2] G. Boesch. (2024, Oktober 15). The Complete Guide to OpenPose in 2025. [Online]. Verfügbar: https://viso.ai/deep-learning/openpose/. [Abruf November 21, 2024].
[3] Tutorials zu OpenPose: https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch
[4] roboflow. (2024, April 3). What is OpenPose? A Guide for Beginners. [Online]. Verfügbar: https://blog.roboflow.com/what-is-openpose/. [Abruf November 21, 2024].
[5] Lizenztext Open Pose: https://github.com/CMU-Perceptual-Computing-Lab/openpose?tab=License-1-ov-file
