포즈 추정 도구 완벽 가이드

인간은 움직임을 본능적으로 읽습니다. 누군가 앞으로 몸을 기울이거나 고개를 돌리거나 팔을 들어 올리면, 우리는 그 사람이 무엇을 하는지 즉시 추론할 수 있습니다. 이는 사람들과 상호작용하고 세상을 탐험하는 방식을 형성하는 조용하고 거의 무의식적인 능력입니다.

기술이 일상생활에서 차지하는 비중이 커지면서, 우리가 움직임을 자연스럽게 이해하는 것처럼 기기도 움직임을 이해하기를 바라는 것은 당연합니다. 최근 인공지능, 특히 딥러닝 기반 기술의 발전으로 이러한 일이 가능해지고 있습니다. 특히 컴퓨터 비전은 이미지와 동영상에서 의미를 추출하도록 머신을 지원하며 이러한 발전을 이끌고 있습니다.

예를 들어 포즈 추정은 이미지나 동영상 프레임에서 미리 정의된 신체 키포인트(어깨, 팔꿈치, 엉덩이, 무릎 등)의 위치를 예측하는 일반적인 컴퓨터 비전 작업입니다. 이러한 키포인트를 고정된 스켈레톤 정의를 사용해 연결하면 단순화된 포즈 표현을 구성할 수 있습니다.

Ultralytics YOLO11 및 출시 예정인 Ultralytics YOLO26과 같은 컴퓨터 비전 모델은 포즈 추정과 같은 작업을 지원하며, 피트니스 및 스포츠의 자세 피드백, 안전 모니터링, 인터랙티브 증강 현실 경험 등 실시간 애플리케이션을 구동하는 데 사용할 수 있습니다.

그림 1. 포즈 추정에 Ultralytics YOLO11을 사용하는 모습 (출처)

이 글에서는 포즈 추정 도구를 자세히 살펴보고, 포즈 추정의 작동 방식과 활용 분야, 그리고 현재 이용할 수 있는 주요 모델과 라이브러리를 알아보겠습니다. 시작해 보겠습니다!

포즈 추정이란 무엇인가요?#

포즈 추정은 이미지나 동영상에서 사람 또는 객체가 어떻게 위치해 있는지 시스템이 이해하도록 돕는 컴퓨터 비전 기술입니다. 모든 픽셀을 동일하게 분석하는 대신 머리, 어깨, 팔꿈치, 엉덩이, 무릎, 발목과 같은 일관된 랜드마크 집합을 예측합니다.

대부분의 모델은 이러한 키포인트의 좌표와 각 예측이 정확할 가능성을 나타내는 점수를 출력합니다. 그런 다음 미리 정의된 스켈레톤 레이아웃을 사용해 키포인트를 연결하여 간단한 포즈 표현을 구성할 수 있습니다.

동영상에 프레임 단위로 적용하면 생성된 키포인트를 시간에 따라 연결하여 움직임을 추정할 수 있습니다. 이를 통해 자세 점검, 움직임 분석, 제스처 기반 상호작용과 같은 애플리케이션을 구현할 수 있습니다.

그림 2. 포즈 추정 예시 (출처)

포즈 추정 도구의 필요성#

인간의 움직임에는 많은 정보가 담겨 있습니다. 누군가 몸을 구부리거나 손을 뻗거나 체중을 옮기는 방식은 의도, 노력의 정도, 피로 또는 부상 위험까지 보여줄 수 있습니다. 최근까지 이러한 수준의 세부 정보를 포착하려면 일반적으로 특수 센서, 모션 캡처 수트 또는 통제된 실험실 환경이 필요했습니다.

포즈 추정은 이러한 상황을 바꿉니다. 일반 이미지와 동영상에서 주요 신체 랜드마크를 추출하면 컴퓨터가 표준 카메라를 사용해 움직임을 분석할 수 있습니다. 이를 통해 움직임 분석을 더욱 접근하기 쉽고 확장 가능하며 실제 환경에서 실용적으로 사용할 수 있습니다.

포즈 추정이 영향을 만들어 내는 몇 가지 방법은 다음과 같습니다.

• 더 안전한 작업장: 비전 기반 시스템을 사용하면 부상이 발생하기 전에 위험한 자세, 반복성 긴장 또는 안전하지 않은 물건 들어 올리기 동작을 감지할 수 있습니다.
• 향상된 피트니스 및 스포츠 트레이닝: 비전 AI 솔루션은 실시간으로 자세, 균형 및 기술을 평가하여 웨어러블 기기 없이도 사용자에게 즉각적인 피드백을 제공할 수 있습니다.
• 의료 및 재활: 임상의는 간단한 동영상 녹화를 사용해 원격으로 회복 과정, 자세 및 관절 가동 범위를 추적할 수 있습니다.
• 인터랙티브 경험: 포즈 추정을 활용하면 디지털 아바타와 몰입형 환경이 인간의 움직임을 정확하게 따라가고 반영하기가 쉬워집니다.

포즈 추정 알고리즘의 발전#

포즈를 추정한다는 개념은 수년 전부터 존재해 왔습니다. 초기 접근 방식은 단순한 기하학적 모델과 수작업으로 설계한 규칙을 사용했으며, 일반적으로 통제된 조건에서만 작동했습니다.

예를 들어 사람이 고정된 위치에 가만히 서 있을 때는 시스템이 잘 작동할 수 있지만, 실제 장면에서 걷거나 몸을 돌리거나 객체와 상호작용하기 시작하면 성능이 저하될 수 있습니다. 이러한 방법은 자연스러운 움직임, 변화하는 카메라 각도, 복잡한 배경 및 부분적인 가림 현상을 처리하는 데 어려움을 겪는 경우가 많았습니다.

최신 포즈 추정은 이러한 문제를 처리하기 위해 딥러닝에 의존합니다. 대규모 라벨링 데이터셋으로 합성곱 신경망을 학습하면 모델은 서로 다른 포즈, 사람 및 환경에서 키포인트를 더욱 안정적으로 감지하는 데 도움이 되는 시각적 패턴을 학습합니다.

더 많은 예제를 학습할수록 모델은 예측을 개선하고 새로운 장면에 일반화하는 능력을 높입니다. 이러한 발전에 힘입어 포즈 추정은 작업장 모니터링과 인체공학, 그리고 코치와 분석가가 선수의 움직임을 연구하는 스포츠 분석 등 다양한 실용적 사용 사례를 지원합니다.

포즈 추정 기법의 유형#

포즈 추정은 환경과 측정하려는 대상에 따라 몇 가지 형태로 나뉩니다. 주로 접하게 되는 유형은 다음과 같습니다.

• 2D 포즈 추정: 이 접근 방식은 2차원 이미지나 동영상 프레임에서 신체 키포인트를 감지합니다. 표준 카메라로 잘 작동하고 계산 효율성이 높아 기본적인 움직임 추적, 자세 분석 및 실시간 자세 피드백과 같은 작업에 적합합니다.
• 3D 포즈 추정: 3D 포즈 추정은 이미지 좌표와 함께 깊이를 추정하여 신체 움직임을 공간적으로 이해할 수 있도록 합니다. 이는 스포츠 분석, 재활, 생체역학 및 애니메이션처럼 앞뒤 움직임이 중요한 경우에 특히 유용합니다. 구체적으로 3D 인간 포즈 추정은 3D 공간에서 관절 위치와 움직임을 포착하여 2D 투영에서 발생할 수 있는 모호성을 줄입니다.
• 단일 인물 포즈 추정: 이러한 시스템은 한 번에 한 사람을 추적하도록 설계되었습니다. 안내형 운동 애플리케이션, 화상 통화 또는 움직임 분석 환경처럼 대상이 명확하게 보이는 통제된 또는 반통제된 환경에서 가장 우수한 성능을 내는 경향이 있습니다.
• 다중 인물 포즈 추정: 여러 사람이 있는 장면을 위해 설계된 이 접근 방식은 여러 사람의 포즈를 동시에 감지하고 추적합니다. 작업장, 체육관, 공공장소 및 단체 활동처럼 대상이 서로 겹치거나 가릴 수 있는 혼잡한 환경에서 특히 유용합니다.

그림 3. 3D 공간과 2D 이미지 공간에서의 인간 움직임 이해 (출처)

인간 포즈 추정 모델의 작동 방식 이해하기#

포즈 추정은 다양한 종류의 객체에 적용할 수 있지만, 간단하게 설명하기 위해 인간 포즈 추정에 초점을 맞추겠습니다.

대부분의 인간 포즈 추정 시스템은 대규모 이미지 및 동영상 프레임 모음에서 주요 신체 부위에 라벨이 지정된 주석 데이터셋으로 학습됩니다. 모델은 이러한 예제를 사용해 어깨, 팔꿈치, 엉덩이, 무릎, 발목과 같은 인간 신체 랜드마크와 연결된 시각적 패턴을 학습하므로 새로운 장면에서 키포인트를 정확하게 예측할 수 있습니다.

또 다른 핵심 요소는 모델의 추론 아키텍처로, 키포인트를 감지하고 이를 조합해 전체 포즈를 구성하는 방식을 결정합니다. 일부 시스템은 먼저 각 사람을 감지한 다음 각 사람의 영역 안에서 키포인트를 추정하는 반면, 다른 시스템은 전체 이미지에서 키포인트를 감지한 다음 사람별로 그룹화합니다. 최신 단일 스테이지 설계는 한 번의 처리로 포즈를 예측하여 실시간 사용에 필요한 속도와 정확도의 균형을 맞출 수 있습니다.

이제 다양한 포즈 추정 접근 방식을 자세히 살펴보겠습니다.

바텀업 포즈 추정#

바텀업 접근 방식에서 모델은 전체 이미지를 살펴보고 머리, 어깨, 팔꿈치, 엉덩이, 무릎 및 발목과 같은 신체 키포인트를 먼저 찾습니다. 이 단계에서는 사람을 구분하려고 하지 않습니다. 단순히 장면 전체에서 포즈 스켈레톤에 정의된 모든 키포인트 또는 신체 관절을 감지합니다.

그런 다음 시스템은 점들을 연결하는 두 번째 단계를 수행합니다. 함께 속하는 키포인트를 연결하고 이를 사람마다 하나씩 완전한 스켈레톤으로 그룹화합니다. 각 사람을 먼저 감지할 필요가 없으므로 바텀업 방식은 사람들이 겹치거나 서로 다른 크기로 나타나거나 일부가 가려지는 혼잡한 장면에서 잘 작동하는 경우가 많습니다.

탑다운 포즈 감지#

반대로 탑다운 시스템은 먼저 이미지에서 각 사람을 감지하는 것부터 시작합니다. 모든 사람 주위에 바운딩 박스를 배치하고 각 박스를 분석할 개별 영역으로 취급합니다.

사람을 분리한 후 모델은 해당 영역 내에서 신체 키포인트를 예측합니다. 이러한 단계별 설정은 특히 장면에 사람이 몇 명뿐이고 각 사람이 명확하게 보일 때 매우 정확한 결과를 내는 경우가 많습니다.

단일 스테이지 또는 하이브리드 포즈 추정#

하이브리드라고도 하는 단일 스테이지 모델은 한 번의 처리로 포즈를 예측합니다. 먼저 사람을 감지하고 두 번째로 키포인트를 추정하는 대신 사람의 위치와 신체 키포인트를 동시에 출력합니다.

모든 작업이 하나의 모듈에서 수행되므로 이러한 모델은 더 빠르고 효율적인 경우가 많으며, 실시간 움직임 추적 및 모션 캡처와 같은 실시간 사용 사례에 적합합니다. Ultralytics YOLO11과 같은 모델은 이러한 아이디어를 기반으로 구축되어 속도와 안정적인 키포인트 예측의 균형을 목표로 합니다.

포즈 추정 모델의 학습 및 평가#

어떤 접근 방식을 사용하든 포즈 추정 모델이 실제 환경에서 안정적으로 작동하려면 먼저 신중하게 학습하고 테스트해야 합니다. 일반적으로 신체 키포인트에 라벨이 지정된 대규모 이미지 세트(때로는 동영상도 포함)를 통해 학습하며, 이를 통해 다양한 포즈, 카메라 각도 및 환경을 처리할 수 있습니다.

잘 알려진 포즈 추정 데이터셋으로는 COCO Keypoints, MPII Human Pose, CrowdPose 및 OCHuman이 있습니다. 이러한 데이터셋이 모델이 배포 환경에서 마주할 조건을 반영하지 못하는 경우 엔지니어는 공장 현장, 체육관 또는 병원과 같은 대상 환경에서 추가 이미지를 수집하고 라벨링하는 경우가 많습니다.

그림 4. 컴퓨터 비전을 사용해 추정한 다양한 포즈 (출처)

학습 후에는 표준 벤치마크에서 모델 성능을 평가하여 정확도와 견고성을 측정하고 실제 사용을 위한 추가 튜닝을 진행합니다. 결과는 흔히 평균 정밀도(mAP)를 사용해 보고합니다. mAP는 예측된 포즈와 라벨링된 실제 정답을 비교하여 다양한 신뢰도 임계값에서의 성능을 요약합니다.

많은 포즈 벤치마크에서는 객체 키포인트 유사도 (OKS)를 사용해 예측 포즈를 실제 정답 포즈와 매칭합니다. OKS는 사람의 크기와 각 키포인트의 일반적인 위치 추정 난이도와 같은 요소를 고려하면서 예측 키포인트가 주석이 지정된 키포인트와 얼마나 가까운지 측정합니다.

포즈 모델은 감지된 사람과 개별 키포인트에 대한 신뢰도 점수도 출력합니다. 이러한 점수는 모델의 확신 정도를 나타내며 예측의 순위를 정하고 필터링하는 데 사용됩니다. 이는 가림, 모션 블러 또는 특이한 카메라 각도와 같은 어려운 조건에서 특히 중요합니다.

인기 있는 포즈 추정 도구 및 라이브러리#

오늘날에는 다양한 포즈 추정 도구를 사용할 수 있으며, 각 도구는 속도, 정확도 및 사용 편의성 사이에서 균형을 맞춥니다. 가장 널리 사용되는 도구와 라이브러리는 다음과 같습니다.

• Ultralytics YOLO11: 최첨단 오픈 소스 비전 AI 모델로 개발된 YOLO11은 Ultralytics YOLOv8과 같은 이전 모델을 기반으로 합니다. 포즈 추정을 포함한 다양한 컴퓨터 비전 작업을 지원하면서 속도, 정확도 및 전반적인 효율성을 향상합니다. 노트북부터 엣지 디바이스까지 다양한 플랫폼에서 뛰어난 성능을 제공하는 YOLO11은 여러 실제 배포 환경에 적합한 선택입니다.
• Ultralytics YOLO26: 출시 예정인 차세대 모델로, 높은 정확도를 유지하면서도 더 가볍고 작으며 빠르게 설계되었습니다. 실시간 사용과 간편한 배포를 위해 구축되었으며, 엣지 디바이스부터 대규모 시스템까지 모든 환경에 적합한 모델 크기로 객체 감지, 인스턴스 세그멘테이션 및 포즈 추정과 같은 작업을 지원합니다.
• MediaPipe: 비전 및 머신 러닝 파이프라인 구축을 위한 크로스 플랫폼 프레임워크입니다. 가볍고 모바일 디바이스, 태블릿 및 웹 앱에서 효율적으로 실행되며, 전신 포즈, 얼굴 랜드마크 및 손 추적을 위한 즉시 사용 가능한 솔루션과 모델을 포함합니다.
• OpenPose: 엔드투엔드 오픈 소스 포즈 추정 시스템으로, 다중 인물 키포인트 감지로 널리 알려져 있습니다. 신체, 손 및 얼굴 키포인트를 함께 추정할 수 있으며 연구, 애니메이션 및 움직임 분석에 흔히 사용됩니다.
• MMPose: MMPose는 OpenMMLab 생태계의 PyTorch 기반 포즈 추정 툴킷입니다. 다양한 모델 구현, 학습 유틸리티 및 구성 옵션을 제공하므로 실험과 심층적인 커스터마이징에 유용합니다.
• HRNet 및 AlphaPose: 이들은 현재도 연구에 사용되는 이전 세대 포즈 추정 모델입니다. HRNet은 네트워크 전체에서 고해상도 이미지 특징을 유지하는 포즈 모델 아키텍처로, 키포인트를 정밀하게 위치시키는 데 도움이 됩니다. AlphaPose는 널리 사용되는 다중 인물 포즈 추정 시스템으로, 혼잡하거나 복잡한 장면에서 높은 정확도가 필요할 때 흔히 사용됩니다.

포즈 분석 및 추정의 실제 애플리케이션#

포즈 추정은 일반 동영상을 유용한 움직임 인사이트로 전환하는 데 점점 더 많이 사용되고 있습니다. 이러한 시스템은 프레임 단위로 신체 키포인트를 추적하여 카메라 피드에서 자세, 움직임 및 신체 동작을 추론하므로 다양한 실제 환경에서 이 기술을 실용적으로 활용할 수 있습니다.

예를 들어 의료 및 재활 분야에서 포즈 추적은 임상의가 치료와 회복 중 환자의 움직임을 관찰하고 측정하는 데 도움을 줄 수 있습니다. 일반 동영상 녹화에서 신체 랜드마크를 추출하면 시간에 따른 자세, 관절 가동 범위 및 전반적인 움직임 패턴을 평가할 수 있습니다. 이러한 측정값은 기존 임상 평가를 보완하고 최적화할 수 있으며, 경우에 따라 웨어러블 센서나 특수 장비 없이도 진행 상황을 더욱 쉽게 추적할 수 있습니다.

마찬가지로 스포츠 및 방송 분야에서는 포즈 추정을 통해 동영상 피드에서 직접 선수의 움직임을 분석할 수 있습니다. 흥미로운 예로 전문 스포츠에서 판정과 방송 그래픽에 사용되는 카메라 기반 추적 시스템인 Hawk-Eye가 있습니다. Hawk-Eye는 카메라 뷰에서 선수의 신체 키포인트를 추정하여 스켈레톤 추적도 제공합니다.

적합한 포즈 추정 도구 선택하기#

적합한 포즈 추정 도구를 선택하려면 먼저 컴퓨터 비전 프로젝트의 요구 사항을 이해해야 합니다. 일부 애플리케이션은 실시간 속도를 우선시하는 반면, 다른 애플리케이션은 더 높은 정확도와 세부 정보를 요구합니다.

대상 배포 디바이스도 중요한 차이를 만듭니다. 모바일 앱과 엣지 디바이스에는 일반적으로 가볍고 효율적인 모델이 필요하며, 대규모 모델은 서버나 클라우드 환경에 더 적합한 경우가 많습니다.

이와 함께 사용 편의성도 중요한 요소가 될 수 있습니다. 우수한 문서, 원활한 배포 및 커스텀 학습 지원은 프로젝트를 간소화할 수 있습니다.

간단히 말해 도구마다 뛰어난 영역이 다릅니다. 예를 들어 Ultralytics YOLO 모델은 다양한 실제 포즈 추정 애플리케이션에서 속도, 정확도 및 배포 편의성의 실용적인 균형을 제공합니다.

그림 5. Ultralytics YOLO11을 사용한 동물 포즈 추정 (출처)

핵심 요점#

포즈 추정은 이미지와 동영상에서 신체 키포인트를 감지하여 컴퓨터가 인간의 움직임을 이해하도록 돕습니다. YOLO11 및 YOLO26과 같은 모델을 사용하면 스포츠, 의료, 작업장 안전 및 인터랙티브 경험과 같은 분야를 위한 실시간 애플리케이션을 더욱 쉽게 구축할 수 있습니다. 모델이 계속 더 빠르고 정확해짐에 따라 포즈 추정은 많은 비전 AI 시스템에서 일반적인 기능이 될 가능성이 높습니다.

AI에 대해 더 알고 싶으신가요? 커뮤니티와 GitHub 리포지토리를 확인해 보세요. 로보틱스의 AI와 제조업의 컴퓨터 비전에 대해 알아보려면 솔루션 페이지를 살펴보세요. 라이선싱 옵션을 확인하고 지금 컴퓨터 비전 구축을 시작해 보세요!