Skip to main content

Awtomatikong salin. Ang Ingles ang pangunahing bersyon; patuloy naming pinapahusay ang mga salita sa paglipas ng panahon. May nakita kang dapat pagbutihin? Sabihin sa amin.

Intermediate

Pose Estimation

Also known as: human pose detection, body keypoint detection

Definition

Ang pose estimation ay ang proseso ng computer-vision na tumutukoy sa mga posisyon ng malalaking kasukasuan ng katawan (keypoint) sa bawat frame ng video, na gumagawa ng skeleton na ginagamit ng SwingVantage para sukatin ang mga anggulo at pattern ng galaw.

Nagpapatakbo ang pose estimation ng neural network sa mga frame ng video para hanapin ang mga landmark gaya ng mga balikat, siko, pulso, balakang, tuhod, at bukung-bukong. Tumatakbo ito sa isang sample ng mga frame mula sa clip mo at ito ang pundasyon ng lahat ng sukatan ng galaw. Nakadepende ang katumpakan sa visibility: ang mga kasukasuang natatakpan (ng damit, pag-ikot ng katawan, o mahinang ilaw) ay nagbubunga ng mga keypoint na mas mababa ang kumpiyansa na nilalagyan ng label nang naaayon. Pinapatakbo ng Motion Lab ang pose estimation sa device mo, kaya hindi umaalis dito ang video file.

Tips by skill level

Beginner tip

Hindi mo kailangang maunawaan kung paano gumagana ang pose estimation — alamin lang na ang mahusay na setup ng video (ilaw, anggulo, frame rate) ay direktang nagpapabuti sa katumpakan nito, na nagpapabuti sa pagiging maaasahan ng lahat ng iba pa.

Advanced note

Suriin ang skeleton overlay bago pagkatiwalaan ang anumang sukatan. Kung nakikitang umaanod ang isang kasukasuan palayo sa katawan mo sa mahalagang sandali (gaya ng impact), ang sukatang hinango mula sa kasukasuang iyon sa frame na iyon ay dapat ituring na estimate, anuman ang nakasaad na kumpiyansa.

Example

Naglalagay ang pose estimation ng 33 landmark ng katawan sa bawat sample na frame ng golf swing, na nagpapahintulot sa engine na kalkulahin ang anggulo ng hip-to-shoulder separation hanggang sa impact.

Why it matters

Kung walang maaasahang pose estimation, hindi makakalkula ang mga sukatan ng anggulo at timing. Ito ang hakbang kung saan pinakamalaki ang bunga ng mahusay na setup ng video.

How it shows up on video

The skeleton overlay is the visible output of pose estimation — when estimation is working well, joints track smoothly. When it fails, landmarks jump or disappear, usually around fast-moving limbs or occluded joints.

Common mistakes

  • Pagturing sa lahat ng output ng pose estimation na pantay na maaasahan — nag-iiba ang kumpiyansa ng landmark ayon sa kasukasuan, frame, at kalidad ng video.
  • Pag-aakalang laging alam ng sistema kung nasaan ang pulso mo sa mabilis na swing — ang mabilis gumalaw na mga distal na kasukasuan ang pinakamahirap mapagkakatiwalaang i-track.
  • Pagsusuot ng damit na kapareho ng kulay ng background, na nagiging sanhi ng pag-anod ng mga landmark.
  • Hindi pagsuri sa skeleton overlay — ito ang pinakadirektang paraan para patunayang tumpak ang tracking bago pagkatiwalaan ang anumang natuklasan ng pagsusuri.

In SwingVantage Motion Lab

Motion Lab runs pose estimation on a sample of frames from your clip before building its 3D view. Short gaps between tracked frames are filled in, and the 3D view labels a tracking gap or an illustrated pose rather than hiding it.

Still have a question about Pose Estimation? Ask SwingVantage

See it in a real analysis

Try SwingVantage on one of your own swings — free to start.