> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/funktionsblocke/blocks-reference/ai-blocks/pose-estimation.md).

# Pose Estimation

Dieser Funktionsblock erkennt Körper-Keypoints von Menschen und zeichnet optional ein Skelett auf eingehenden Bildern. Verwenden Sie ihn, um Positionen ausgewählter Körperteile für Analysen, Protokollierung oder Visualisierung zu extrahieren.

## 📥 Eingänge <a href="#inputs" id="inputs"></a>

`Image Any`\
Das zu analysierende Bild (Kameraframe, geladenes Bild oder vorverarbeitetes Bild).

`Show Skeleton`\
Boolescher Eingang zum Aktivieren oder Deaktivieren der Skelettdarstellung im Ausgabebild.

## 📤 Ausgänge <a href="#outputs" id="outputs"></a>

`Image Any`\
Das Bild mit gezeichnetem Skelett (falls `Show Skeleton` aktiviert ist) und visuellen Markern für erkannte Keypoints.

`Selected Body Part Positions`\
Ein dictionary-ähnliches Ergebnis, das die gewählten Körperteilnamen den erkannten Positionen (x, y) zuordnet. Es werden nur die Körperteilgruppen zurückgegeben, die Sie ausgewählt haben.

## 🕹️ Steuerungen <a href="#controls" id="controls"></a>

`Class Names`\
Eine auswählbare Liste vereinfachter Körperteilgruppen (z. B. head, chest, elbow, hand, hip, knee, foot). Aktivieren Sie die Gruppen, die der Block melden soll.

`Confidence`\
Ein Schieberegler zur Anpassung der Erkennungszuverlässigkeit. Höhere Werte reduzieren False Positives, können aber schwache Erkennungen übersehen; niedrigere Werte machen die Erkennung großzügiger.

## ⚙️ Arbeitsweise <a href="#running-mechanism" id="running-mechanism"></a>

* Sobald ein Bild am Eingang `Image Any` anliegt, analysiert der Block das Bild und versucht, menschliche Keypoints zu lokalisieren.
* Ist `Show Skeleton` auf TRUE gesetzt, überlagert der Block Linien und Marker des Skeletts auf dem Ausgabebild.
* Der Block liefert das annotierte Bild sowie eine Zuordnung der ausgewählten Körperteilnamen zu den erkannten Positionen. Ist ein Körperteil nicht mit ausreichender Sicherheit erkannt, wird es in der Zuordnung weggelassen.

## 🎯 Funktionen <a href="#features" id="features"></a>

* Visuelle Skelett-Overlay zur schnellen Prüfung.
* Auswahlbare Körperteilgruppen, damit nur die benötigten Teile ausgegeben werden.
* Einstellbare Confidence-Steuerung zum Ausbalancieren von Sensitivität und Fehlalarmen.
* Echtzeitgeeignet für Live-Kamerastreams in Kombination mit passenden Bildquellen.

## 📝 Nutzungshinweise <a href="#usage" id="usage"></a>

1. Versorgen Sie `Image Any` mit einer Bildquelle (z. B. `Camera USB`, `Load Image` oder `Stream Reader`).
2. Wählen Sie mit `Class Names` die Körperteilgruppen aus, die ausgegeben werden sollen.
3. Passen Sie die Erkennungssensitivität mit dem `Confidence`-Schieberegler an.
4. Optional: Senden Sie einen Bool-Wert an `Show Skeleton`, um die Skelettzeichnung ein- oder auszuschalten.
5. Betrachten Sie das Ergebnisbild mit `Show Image` oder speichern/protokollieren Sie die Positionen zur weiteren Verarbeitung.

## 💡 Tipps und Tricks <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Verwenden Sie `Camera USB` als Live-Quelle für Echtzeitszenen.
* Vergrößern Sie eingehende Bilder mit `Image Resize`, wenn Personen zu klein erscheinen — größere Personenpixel verbessern die Keypoint-Genauigkeit.
* Führen Sie zuerst einen schnellen Detektor aus (z. B. `Object Detection`) und schneiden Sie Personen mit `Image ROI` zurecht, um einzelne Personenausschnitte an diesen Block zu übergeben — das erhöht Zuverlässigkeit und reduziert Rechenaufwand.
* Zum Vorschauen verbinden Sie diesen Block mit `Show Image`.
* Speichern Sie Frames mit Detektionen über `Image Logger` oder exportieren Sie Koordinaten mit `Data to JSON` bzw. `CSV Export` für spätere Analysen.
* Kombinieren Sie mit `Draw Result On Image` oder `Draw Detections`, um zusätzlich Statustext oder Bounding Boxes zusammen mit den Skeletten darzustellen.

## 🛠️ Fehlersuche <a href="#troubleshooting" id="troubleshooting"></a>

* Keine Keypoints erkannt: Versuchen Sie, den `Confidence`-Wert zu senken oder die Eingangsbildgröße mit `Image Resize` zu erhöhen.
* Falsche oder zittrige Keypoints: Erhöhen Sie den `Confidence`-Wert und verbessern Sie Beleuchtung bzw. Schärfe (`Blur` nur vorsichtig zur Rauschreduktion einsetzen).
* Personen teilweise außerhalb des Bildes: Nutzen Sie eine vorgelagerte Erkennungs-/Zuschneide-Pipeline (z. B. `Object Detection` → `Image ROI`), damit die Person zentriert erkannt wird.
* Langsame Verarbeitung: Reduzieren Sie die Eingangsauflösung mit `Image Resize` oder verarbeiten Sie nur zugeschnittene Personenregionen statt Vollbild.

Wenn Sie Ergebnisse protokollieren oder visualisieren möchten, nutzen Sie die in Tipps und Tricks vorgeschlagenen Kombinationen, um eine robuste Pipeline aufzubauen.