> 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/spanish/function-blocks/blocks-reference/ai-blocks/pose-estimation.md).

# Pose Estimation

Este bloque de función detecta puntos clave del cuerpo humano y (opcionalmente) dibuja un esqueleto sobre las imágenes entrantes. Úsalo para extraer posiciones de partes del cuerpo seleccionadas con fines de análisis, registro o visualización.

## 📥 Entradas

`Image Any`\
La imagen a analizar (fotograma de cámara, imagen cargada o imagen preprocesada).

`Show Skeleton`\
Entrada booleana para habilitar o deshabilitar el dibujo del esqueleto en la imagen de salida.

## 📤 Salidas

`Image Any`\
La imagen con el esqueleto dibujado (si `Show Skeleton` está habilitado) y marcadores visuales para los puntos clave detectados.

`Selected Body Part Positions`\
Un resultado tipo diccionario que asocia los nombres de las partes del cuerpo seleccionadas con sus posiciones detectadas (x, y). Solo se devuelven los grupos de partes que elijas.

## 🕹️ Controles

`Class Names`\
Lista seleccionable de grupos simplificados de partes del cuerpo (por ejemplo: head, chest, elbow, hand, hip, knee, foot). Marca los grupos que deseas que el bloque reporte.

`Confidence`\
Un control deslizante para ajustar la confianza mínima de detección. Aumentar el valor reduce falsos positivos pero puede omitir detecciones débiles; disminuirlo hace la detección más permisiva.

## ⚙️ Mecanismo de ejecución

* Cuando se proporciona una imagen en `Image Any`, el bloque analiza la imagen e intenta localizar los puntos clave humanos.
* Si `Show Skeleton` es TRUE, el bloque sobrepone las líneas del esqueleto y los marcadores sobre la imagen de salida.
* El bloque devuelve la imagen anotada y un mapeo de los nombres de las partes seleccionadas a sus posiciones detectadas. Si una parte no se detecta con suficiente confianza, se omitirá del mapeo.

## 🎯 Características

* Superposición visual de esqueleto para inspección rápida.
* Grupos de partes seleccionables para limitar las salidas a solo lo que necesitas.
* Control de confianza ajustable para equilibrar sensibilidad y detecciones falsas.
* Adecuado para uso en tiempo real con flujos de cámara en vivo cuando se combina con el bloque de entrada de imagen correspondiente.

## 📝 Instrucciones de uso

1. Proporciona una fuente de imagen en `Image Any` (por ejemplo: `Camera USB`, `Load Image` o `Stream Reader`).
2. Elige qué grupos de partes del cuerpo quieres obtener mediante `Class Names`.
3. Ajusta la sensibilidad de detección usando el control `Confidence`.
4. Opcionalmente, envía un booleano a `Show Skeleton` para activar/desactivar el dibujo del esqueleto.
5. Visualiza la imagen resultante con `Show Image` o guarda/registra las posiciones para uso posterior.

## 💡 Consejos y trucos

* Usa `Camera USB` como fuente de imagen en escenas en tiempo real.
* Redimensiona las imágenes entrantes con `Image Resize` si las personas aparecen muy pequeñas — más píxeles por persona mejora la precisión.
* Ejecuta primero un detector rápido (por ejemplo `Object Detection`) y luego recorta las personas con `Image ROI` para alimentar imágenes individuales de cada persona a este bloque — esto puede aumentar la fiabilidad y reducir el costo de procesamiento.
* Para previsualizar resultados en tu espacio de trabajo, conecta este bloque a `Show Image`.
* Guarda fotogramas que contengan detecciones usando `Image Logger` o exporta coordenadas con `Data to JSON` o `CSV Export` para análisis posterior.
* Combina con `Draw Result On Image` o `Draw Detections` para anotar texto de estado o cajas delimitadoras junto con los esqueletos.

## 🛠️ Solución de problemas

* No se detectan puntos clave: intenta bajar el valor de `Confidence` o aumenta el tamaño de la imagen de entrada con `Image Resize`.
* Puntos clave falsos o inestables: incrementa el control `Confidence` y mejora la iluminación o nitidez (usa `Blur` con cuidado solo para reducir ruido).
* Personas parcialmente fuera de cuadro: emplea un flujo previo de detección/recorte (por ejemplo `Object Detection` → `Image ROI`) para centrar al sujeto antes de usar este bloque.
* Rendimiento lento: reduce la resolución de entrada con `Image Resize` o procesa regiones recortadas de personas en lugar de imágenes de fotograma completo.

Si necesitas registrar o visualizar resultados, usa las combinaciones sugeridas en Consejos y trucos para construir una canalización robusta.