포즈 추정에 Ultralytics YOLO11을 사용하는 방법

인공지능 (AI)의 한 분야인 컴퓨터 비전과 관련된 연구는 1960년대까지 거슬러 올라갑니다. 그러나 딥러닝이 발전한 2010년대에 이르러서야 머신이 이미지를 이해하는 방식에서 획기적인 발전이 이루어졌습니다. 컴퓨터 비전의 최신 발전 중 하나는 최첨단 Ultralytics YOLO11 모델입니다. YOLO11 모델은 Ultralytics의 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)에서 처음 소개되었으며, 포즈 추정을 비롯한 다양한 컴퓨터 비전 작업을 지원합니다.

포즈 추정은 이미지나 동영상에서 사람 또는 객체의 키포인트를 감지하여 위치, 자세 또는 움직임을 파악하는 데 사용할 수 있습니다. 포즈 추정은 스포츠 분석, 동물 행동 모니터링, 로보틱스와 같은 애플리케이션에서 널리 사용되며, 머신이 물리적 동작을 실시간으로 해석하도록 지원합니다. YOLO 시리즈의 이전 모델보다 정확도, 효율성, 속도가 향상된 YOLO11은 실시간 포즈 추정 작업에 적합합니다.

그림 1. 포즈 추정에 Ultralytics YOLO11을 사용하는 예시입니다.

이 글에서는 포즈 추정이 무엇인지 살펴보고 몇 가지 애플리케이션을 소개한 다음, Ultralytics Python 패키지를 사용하여 YOLO11로 포즈를 추정하는 방법을 단계별로 설명합니다. 또한 몇 번의 간단한 클릭만으로 Ultralytics HUB를 사용해 YOLO11과 포즈 추정을 체험하는 방법도 살펴봅니다. 시작해 보겠습니다!

포즈 추정이란 무엇인가요?#

새로운 Ultralytics YOLO11 모델을 포즈 추정에 사용하는 방법을 살펴보기 전에 포즈 추정에 대해 더 자세히 알아보겠습니다.

자세 추정은 이미지나 동영상에서 사람 또는 객체의 자세를 분석하는 데 사용되는 컴퓨터 비전 기술입니다. Ultralytics YOLO11과 같은 딥러닝 모델은 주어진 객체 또는 사람의 키포인트를 식별하고, 위치를 파악하며, 추적할 수 있습니다. 객체의 경우 이러한 키포인트는 모서리, 가장자리 또는 뚜렷한 표면 표시를 포함할 수 있지만, 사람의 경우 이러한 키포인트는 팔꿈치, 무릎 또는 어깨와 같은 주요 관절을 나타냅니다.

포즈 추정은 객체 감지와 같은 다른 컴퓨터 비전 작업과 비교할 때 독특하고 더 복잡합니다. 객체 감지는 이미지에서 객체 주위에 상자를 그려 위치를 찾는 반면, 포즈 추정은 객체의 키포인트가 정확히 어디에 있는지 예측합니다.

그림 2. 사무실에서 사람들의 포즈를 감지하고 추정하는 데 Ultralytics YOLO11을 사용하는 예시입니다.

포즈 추정에는 상향식과 하향식이라는 두 가지 주요 방식이 있습니다. 상향식 접근법은 개별 키포인트를 감지하여 스켈레톤으로 그룹화하는 반면, 하향식 접근법은 먼저 객체를 감지한 다음 객체 내부의 키포인트를 추정하는 데 중점을 둡니다.

Ultralytics YOLO11은 하향식 및 상향식 방법의 장점을 결합합니다. 상향식 접근법과 마찬가지로 키포인트를 수동으로 그룹화할 필요 없이 간단하고 빠르게 처리합니다. 동시에 한 단계에서 사람을 감지하고 포즈를 추정하여 하향식 방법의 정확도를 활용합니다.

Ultralytics YOLO11의 포즈 추정 활용 사례#

포즈 추정에서 Ultralytics YOLO11이 제공하는 다양한 기능은 여러 산업 분야에서 폭넓은 애플리케이션을 가능하게 합니다. YOLO11의 포즈 추정 활용 사례를 몇 가지 자세히 살펴보겠습니다.

Ultralytics YOLO11을 활용한 실시간 포즈 추정: 작업자 안전 개선#

모든 건설 프로젝트에서 안전은 중요한 요소입니다. 통계적으로 건설 현장에서 업무 관련 부상이 더 많이 발생하기 때문에 특히 그렇습니다. 2021년에는 전체 업무 관련 치명적 부상의 약 20%가 건설 현장 또는 그 주변에서 발생했습니다. 중장비와 전기 시스템 같은 일상적인 위험 요소가 존재하므로 작업자의 안전을 지키려면 강력한 안전 조치가 필수적입니다. 표지판과 바리케이드를 설치하고 감독자가 수동으로 모니터링하는 기존 방식은 항상 효과적인 것은 아니며, 감독자가 더 중요한 업무를 수행하지 못하게 하는 경우가 많습니다.

AI를 활용하면 안전을 개선할 수 있으며, 포즈 추정 기반 작업자 모니터링 시스템을 사용하여 사고 위험을 줄일 수 있습니다. Ultralytics YOLO11 모델을 사용하면 작업자의 움직임과 자세를 추적할 수 있습니다. 작업자가 위험한 장비에 너무 가까이 서 있거나 작업을 잘못 수행하는 등의 잠재적 위험을 신속하게 발견할 수 있습니다. 위험이 감지되면 감독자에게 알림을 보내거나 경보를 울려 작업자에게 알릴 수 있습니다. 지속적인 모니터링 시스템은 항상 위험 요소를 감시하고 작업자를 보호하여 건설 현장을 더 안전하게 만들 수 있습니다.

그림 3. Ultralytics YOLO11을 사용한 건설 현장 포즈 추정 예시입니다.

Ultralytics YOLO11을 활용한 가축 모니터링 포즈 추정#

농부와 연구자는 Ultralytics YOLO11을 사용하여 소와 같은 가축의 행동과 움직임을 연구하고, 파행과 같은 질병의 초기 징후를 감지할 수 있습니다. 파행은 다리나 발의 통증으로 인해 동물이 정상적으로 움직이기 어려운 상태입니다. 소의 경우 파행과 같은 질병은 건강과 복지에 영향을 줄 뿐 아니라 낙농장의 생산 문제로도 이어집니다. 연구에 따르면 전 세계 낙농 산업에서 파행은 방목 시스템 소의 8%, 축사 사육 시스템 소의 15~30%에서 발생합니다. 파행을 조기에 감지하고 대응하면 동물 복지를 개선하고 이 질환으로 인한 생산 손실을 줄이는 데 도움이 됩니다.

Ultralytics YOLO11의 포즈 추정 기능은 농부가 동물의 보행 패턴을 추적하고 관절 문제나 감염과 같은 건강 문제를 나타낼 수 있는 이상 징후를 신속하게 식별하는 데 도움이 됩니다. 이러한 문제를 조기에 발견하면 더 빠른 치료가 가능해져 동물의 불편을 줄이고 농부가 경제적 손실을 피하는 데 도움이 됩니다.

비전 AI 기반 모니터링 시스템은 휴식 행동, 사회적 상호작용, 섭식 패턴을 분석하는 데도 도움이 됩니다. 농부는 포즈 추정을 사용하여 스트레스나 공격성의 징후를 관찰할 수도 있습니다. 이러한 인사이트를 활용하면 동물에게 더 나은 생활 환경을 조성하고 복지를 향상할 수 있습니다.

그림 4. 소 포즈 추정 시각화입니다.

피트니스 산업에서 Ultralytics YOLO11의 활용 사례#

포즈 추정은 운동 중인 사람의 자세를 실시간으로 개선하는 데도 도움이 됩니다. Ultralytics YOLO11을 사용하면 헬스장 및 요가 강사가 관절과 팔다리 같은 키포인트에 중점을 두고 운동하는 사람의 신체 움직임을 모니터링하고 추적하여 자세를 평가할 수 있습니다. 수집된 데이터를 이상적인 자세 및 운동 기법과 비교할 수 있으며, 누군가 동작을 잘못 수행하면 강사에게 알림을 보내 부상을 예방할 수 있습니다.

그림 5. 포즈 추정을 사용한 운동 분석입니다.

예를 들어 요가 수업 중 포즈 추정을 사용하면 모든 학생이 올바른 균형과 정렬을 유지하고 있는지 모니터링할 수 있습니다. 컴퓨터 비전과 포즈 추정이 통합된 모바일 애플리케이션은 집에서 운동하는 사람이나 개인 트레이너를 이용할 수 없는 사람도 피트니스를 더 쉽게 이용할 수 있도록 합니다. 이러한 지속적인 실시간 피드백은 사용자가 동작을 개선하고 피트니스 목표를 달성하는 동시에 부상 위험을 줄이는 데 도움이 됩니다.

Ultralytics YOLO11 모델을 활용한 실시간 포즈 추정 체험#

이제 포즈 추정이 무엇인지 살펴보고 몇 가지 애플리케이션을 논의했으므로, 새로운 YOLO11 모델로 포즈 추정을 체험하는 방법을 알아보겠습니다. 시작하려면 두 가지 편리한 방법이 있습니다. Ultralytics Python 패키지를 사용하거나 Ultralytics HUB를 이용하는 방법입니다. 두 옵션을 모두 살펴보겠습니다.

Ultralytics YOLO11을 사용한 추론 실행#

추론을 실행한다는 것은 YOLO11 모델이 학습 세트 외부의 새로운 데이터를 처리하고, 학습한 패턴을 사용하여 해당 데이터를 기반으로 예측을 수행하는 것을 의미합니다. Ultralytics Python 패키지를 사용하면 코드로 추론을 실행할 수 있습니다. 시작하려면 pip, conda 또는 Docker를 사용하여 Ultralytics 패키지를 설치하기만 하면 됩니다. 설치 중 문제가 발생하면 일반적인 문제 가이드에서 유용한 문제 해결 방법을 확인할 수 있습니다.

패키지를 성공적으로 설치한 후 다음 코드는 모델을 로드하고 이미지 속 객체의 포즈를 예측하는 방법을 보여줍니다.

그림 6. Ultralytics YOLO11을 사용한 추론 실행을 보여주는 코드 스니펫입니다.

사용자 지정 Ultralytics YOLO11 모델 학습#

컴퓨터 비전 프로젝트를 진행 중이며 포즈 추정과 관련된 특정 애플리케이션에 사용할 데이터셋이 있다고 가정해 보겠습니다. 그런 다음 애플리케이션에 맞게 파인튜닝하고 커스텀 YOLO11 모델을 학습할 수 있습니다. 예를 들어 키포인트 데이터셋을 사용하여 팔다리, 머리, 꼬리의 위치와 같은 주요 특징을 식별함으로써 이미지 속 호랑이의 포즈를 분석하고 이해할 수 있습니다.

다음 코드 스니펫을 사용하여 Ultralytics YOLO11 포즈 추정 모델을 로드하고 학습할 수 있습니다. 모델은 YAML 구성에서 생성하거나 사전 학습된 모델을 로드하여 학습할 수 있습니다. 또한 이 스크립트를 사용하면 가중치를 전이하고 지정된 데이터셋으로 모델 학습을 시작할 수 있습니다. 예를 들어 포즈 추정을 위한 COCO 데이터셋을 사용할 수 있습니다.

그림 7. Ultralytics YOLO11 커스텀 학습입니다.

새로 학습한 커스텀 모델을 사용하면 컴퓨터 비전 솔루션과 관련된 보지 못한 이미지에서 추론을 실행할 수 있습니다. 학습된 모델은 내보내기 모드를 사용하여 다른 형식으로 변환할 수도 있습니다.

Ultralytics HUB에서 YOLO11 체험하기#

지금까지 기본적인 코딩 지식이 필요한 YOLO11 사용 방법을 살펴보았습니다. 원하는 방식이 아니거나 코딩에 익숙하지 않다면 Ultralytics HUB라는 다른 옵션이 있습니다. Ultralytics HUB는 YOLO 모델의 학습 및 배포 과정을 간소화하도록 설계된 사용자 친화적인 플랫폼입니다. HUB를 사용하면 전문 지식 없이도 데이터셋을 쉽게 관리하고, 모델을 학습하며, 배포할 수 있습니다.

이미지에서 추론을 실행하려면 계정을 만들고 ‘Models’ 섹션으로 이동한 다음 관심 있는 Ultralytics YOLO11 포즈 추정 모델을 선택하면 됩니다. 미리보기 섹션에서 이미지를 업로드하고 아래와 같이 예측 결과를 확인할 수 있습니다.

그림 8. YOLO11을 사용한 Ultralytics HUB의 포즈 추정입니다.

인간 포즈 감지를 위한 Ultralytics YOLO11의 발전#

Ultralytics YOLO11은 다양한 애플리케이션에서 포즈 추정과 같은 작업을 정확하고 유연하게 처리할 수 있는 솔루션을 제공합니다. 건설 현장 작업자의 안전을 개선하는 것부터 가축의 건강을 모니터링하고 피트니스 루틴에서 자세 교정을 지원하는 것까지, YOLO11은 첨단 컴퓨터 비전 기술을 통해 정밀도와 실시간 피드백을 제공합니다.

다양한 모델 변형과 특정 활용 사례에 맞춘 커스텀 학습 기능을 갖춘 YOLO11은 개발자와 기업 모두에게 매우 유용한 도구입니다. Ultralytics Python 패키지를 사용하여 코딩하거나 더 쉽게 구현할 수 있는 Ultralytics HUB를 이용하는 방식에 관계없이 YOLO11은 포즈 추정을 더욱 쉽게 활용할 수 있도록 하며 실질적인 가치를 제공합니다.

더 자세히 알아보려면 GitHub 리포지토리를 방문하고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보세요. 🚀