Bilous, N. V.Ahekian, I. A.Kaluhin, V. V.Білоус, Н. В.Агекян, І. А.Калугiн, В. В.2026-01-222026-01-222023https://eir.zp.edu.ua/handle/123456789/26484Bilous N. V. Determination and comparison methods of body positions on stream video / N. V. Bilous, I. A. Ahekian, V. V. Kaluhin // Радіоелектроніка, інформатика, управління. – 2023. – № 2 (65). – C. 52-60.EN: Context. One of the tasks of computer vision is the task of determining the human body in the image. There are many methods to solve this problem, some are based on specific equipment (motion capture, kinect) and provide the highest accuracy, some give less accuracy but do not require additional equipment and use less computing power. But usually, such equipment has a high cost, so to ensure the low cost of developments designed to determine the body in the image, you should develop algorithms based on computer vision technology. These algorithms can then be applied to various fields to analyze and compare body positions for a variety of purposes. Objective. The aim of the work is to study the effectiveness of existing libraries to determine the human body position in the image, as well as methods for comparing the obtained poses in terms of speed and accuracy of determination. Methods. A set of libraries and pose comparison algorithms were analyzed for the purpose of developing a system for determining the correctness of exercise by the user in real time. OpenPose, PoseNet and BlazePose libraries were analyzed for their suitability in recognizing and tracking body parts and movements in real-time video streams. The advantages and disadvantages of each library were evaluated based on their performance, accuracy, and computational efficiency. Additionally, different pose comparison algorithms were analyzed. The effectiveness of each algorithm was evaluated based on their ability to accurately determine and compare body positions. As a result, the combination of BlazePose and weighted distance method can achieve the best performance in pose recognition, with high accuracy and robustness across a range of challenging scenarios. The weighted distance method can be further enhanced with techniques such as L2 normalization and pose alignment to improve its accuracy and generalization. Overall, the combination of the BlazePose library and weighted distance methods offers a powerful and effective solution for pose recognition, with high F1 index. Results. Existing models for determining poses have shown similar results in the quality of determination with a run-up of about 2%. When developing a cross-platform software product, the BlazePose library, which has an API for working directly in the browser and on mobile platforms, has a significant advantage in speed and accuracy. Also, as the library uses extended 33 keypoint topology it becomes applicable to a wider list of tasks. In the study of comparison methods, the greatest influence on the results was exerted by the quality of pose determination. Conclusions. Among the methods of comparison, the method of weighted distances showed the best results. The speed of position determination is inversely proportional to the quality of determination and significantly exceeds the recommended value – 40ms. UK: Актуальність. Однією з задач комп’ютерного зору є задача визначення тіла людини на зображенні. Існує багато методів вирішення цієї задачі, деякі базуються на специфічному обладнані (motion capture, kinect) та надають найбільшу точність, деякі дають меншу точність, але не потребують додаткового обладнання та використовують меншу обчислювальну потужність. Але зазвичай таке обладнання мав високу вартість, тож щоб забезпечити низьку вартість розробок створених для визначення тіла на зображенні, слід розробляти алгоритми за базі технологій комп’ютерного зору. Ці алгоритми можна застосовувати до різних областей для аналізу та порівняння положень тіла та досягнення різноманітних цілей. Мета. Метою роботи є дослідження ефективності роботи існуючих бібліотек для визначення пози людини на зображенні а також методів порівняння отриманих поз з точки зору швидкості та точності визначення. Методи. Дослідження проводяться в контексті розробки системи визначення правильності виконання фізичних вправ користувачем у режимі реального часу. Бібліотеки OpenPose, PoseNet і BlazePose були проаналізовані на предмет їх придатності для розпізнавання та відстеження частин тіла та рухів на відео у реальному часі. Переваги та недоліки кожної бібліотеки були оцінені на основі їх продуктивності, точності та обчислювальної ефективності. Крім того, були проаналізовані різні алгоритми порівняння поз. Ефективність кожного алгоритму оцінювалася на основі їх здатності точно визначати та порівнювати положення тіла. У результаті поєднання BlazePose і методу зваженої відстані можно досягти найкращої продуктивності в розпізнаванні пози з високою точністю та надійністю в ряді складних сценаріїв. Метод зваженої відстані можна додатково вдосконалити за допомогою таких методів, як нормалізація L2 і вирівнювання пози для підвищення його точності та узагальнення. Загалом поєднання бібліотеки BlazePose та методів зваженої відстані пропонує потужне та ефективне рішення для розпізнавання пози з високим індексом F1. Результати. Існуючі моделі визначення поз показали схожі результати якості визначення з розбігом близько 2%. При розробці крос-платформного програмного продукту значну перевагу в швидкості має бібліотека BlazePose, що має API для роботи безпосередньо в браузері та на мобільних платформах. Крім того, оскільки бібліотека використовує розширену топологію з 33 ключовими точками, вона може бути застосована для ширшого списку завдань. При дослідженні методів порівняння найбільший вплив на результати справила якість визначення пози. Висновки. Серед методів порівняння найкращі результати продемонстрував метод зважених дистанцій. Швидкість визначення поз обернено пропорційна якості визначення і значно перевищує рекомендоване значення – 40мс.encomputer visionbody positionkeypointspose estimationpose comparisonblazeposemediapipetensorflowкомп’ютерний зірположення тілаключові точкивизначення позпорівняння позblazeposemediapipetensorflowArticle