자세 추정을 활용해 달리기 기술을 완성하는 방법

달리기는 전 세계적으로 인기 있는 운동입니다. 미국에서는 약 5천만 명이 정기적으로 달리거나 조깅합니다.

특히 이른 아침이나 저녁 늦은 시간에는 어디서나 달리는 사람들을 볼 수 있습니다. 공원, 거리, 해변에는 다양한 속도로 여러 이유를 가지고 움직이는 사람들이 가득합니다.

어떤 사람들은 훈련 계획을 따르고, 어떤 사람들은 활동량을 유지하거나 머리를 식히기 위해 가볍게 달립니다. 많은 사람에게 달리기는 매일 쉽게 몸을 움직이는 방법일 뿐입니다. 하지만 그렇다고 해서 달리기가 보이는 것만큼 단순한 것은 아닙니다.

자세나 보폭의 작은 변화도 허리 통증과 같은 문제를 비롯해 운동 능력, 편안함, 부상 위험에 영향을 미칠 수 있습니다. 몸의 움직임에 주의를 기울이면 러너는 더 건강하게 달리고 지구력, 근력, 전반적인 체력 향상 등 훈련에서 더 많은 효과를 얻을 수 있습니다.

하지만 달리는 동안 이러한 세부 사항을 포착하기는 어렵습니다. 단 몇 분 사이에도 많은 일이 일어나고 수백 번의 발걸음이 이어져 놓치기 쉽습니다. 이때 컴퓨터 비전이 활용됩니다. 컴퓨터 비전은 이미지와 비디오를 분석하여 움직임을 프레임 단위로 분해하고 실시간으로 알아차리기 어려운 패턴을 드러내는 AI의 한 분야입니다.

자세 추정은 이 접근 방식의 핵심 요소입니다. 자세 추정은 신체 관절과 시간에 따른 움직임을 추적하는 데 사용할 수 있는 컴퓨터 비전 작업입니다. Ultralytics YOLO11과 최신 모델인 Ultralytics YOLO26 같은 모델은 자세 추정을 지원하며, 프레임 전반에서 러너의 움직임을 일관되게 추적할 수 있어 실시간 분석의 실용성을 크게 높입니다.

그림 1. YOLO11과 포즈 추정을 활용한 선수의 달리기 및 훈련 분석. (출처)

이 글에서는 올바른 달리기 자세가 어떤 모습인지, 그리고 Ultralytics YOLO 모델을 사용해 달리기 기술을 분석하고 개선하는 방법을 살펴보겠습니다.

올바른 달리기 자세가 중요한 이유#

달리기의 여러 요소를 살펴보기 전에, 일상적인 훈련에서 달리기 자세가 중요한 이유를 자세히 알아보겠습니다.

가볍게 조깅을 하거나 구체적인 목표를 위해 노력하는 등 모든 러너는 자신의 노력이 성과로 이어지기를 바랍니다. 하지만 자세, 과도하게 긴 보폭, 타이밍의 사소한 문제도 누적되어 달리기를 필요 이상으로 힘들게 하고 하체와 관절에 부담을 더할 수 있습니다.

신체 역학에 주의를 기울이면 러너는 더욱 안전하게 달리고 달리기 부상 위험을 줄이며 심장 건강 개선, 근력 강화, 전반적인 체력 향상 등의 이점을 얻을 수 있습니다. 올바른 달리기 자세는 신체가 조화로운 시스템으로 움직이는 데서 시작합니다.

몸통을 약간 앞으로 기울인 상태로 정렬하고 팔과 다리가 균형 있게 움직이면 에너지를 더 효율적으로 사용하고 움직임이 더 부드러워지며 부상 위험도 줄어듭니다. 시간이 지나면 자세는 근육이 서로 협력하는 방식에도 영향을 줍니다.

균형 잡힌 움직임은 안정성, 자세, 지구력을 뒷받침하고 근력 운동과 달리기 중 정렬을 개선합니다. 초보자에게는 이를 바탕으로 성장할 수 있는 튼튼한 기반이 됩니다. 엘리트 러너의 경우 피로로 인한 문제와 장기적인 불편감의 위험을 줄이는 동시에 운동 능력을 향상시킵니다.

올바른 달리기 자세의 징후 파악하기#

러너가 자신의 움직임에 더 주의를 기울이기 시작하면 다양한 달리기 방식에서 특정한 패턴이 나타납니다. 사람마다 달리는 방식은 조금씩 다르지만, 이러한 공통 요소는 효율적인 달리기가 대체로 어떤 모습인지 이해하는 데 도움이 됩니다.

달리기 자세란 달리는 동안 자세, 균형, 움직임이 함께 작용하는 방식을 말합니다. 앞으로 나아갈 때 신체가 어떻게 정렬되고 조화를 이루는지 설명합니다. 이러한 세부 사항을 살펴보면 러너는 부드럽고 통제된 움직임과 불필요한 힘이나 불편함을 유발할 수 있는 습관을 구분할 수 있습니다.

올바른 달리기 자세에서 흔히 볼 수 있는 요소는 다음과 같습니다.

• 다리 움직임과 보폭: 올바른 달리기 자세는 대개 무릎을 편안하게 들어 올리고 자연스럽게 느껴지는 일정한 보폭을 유지하는 데서 비롯됩니다. 보폭 길이와 보폭 빈도가 중요하며, 발을 내디딜 때마다 너무 멀리 앞으로 뻗으면 균형이 흐트러질 수 있습니다. 부드럽게 지면을 밀어내면 가볍고 효율적으로 달릴 수 있습니다.
• 발 착지와 무게 중심: 러너는 뒤꿈치, 중족부, 전족부 등 서로 다른 방식으로 발을 착지합니다. 정확한 착지 위치나 뒤꿈치 착지 자체보다 중요한 것은 각 발걸음에서 몸이 얼마나 부드럽게 이동하는지입니다. 중심을 유지하면 불필요한 움직임이 줄고 안정성이 높아집니다.
• 근육 협응: 달리기에는 둔근, 대퇴사두근, 햄스트링, 고관절 굴곡근을 비롯한 여러 근육군이 관여합니다. 이러한 근육이 균형 있게 함께 작용하면 움직임이 더욱 안정적으로 유지되고 부상 위험이 줄어듭니다.

그림 2. 달리기 보행을 이해하고 더 나은 러너가 되기 위한 주요 신체 지점. (출처)

많은 러너는 달리는 방식을 개선하기 위해 러닝화, 코칭, 자세 지침에도 의존합니다. 적절한 러닝화는 편안함을 높이고 관절에 가해지는 부담을 줄일 수 있으며, 특히 아직 근력과 꾸준함을 키우는 중인 초보 러너에게 도움이 됩니다.

또한 러닝 코치와 함께 훈련하거나 자세에 중점을 둔 훈련 계획을 따르면 러너가 올바른 달리기 자세를 이해하고 비효율적인 습관을 교정하며 시간이 지나도 부상 위험을 낮추는 데 도움이 됩니다. 특히 초보자는 올바른 달리기 자세를 일찍 익히면 실력이 향상되는 동안 달리기를 더 쉽고 안전하며 즐겁게 느낄 수 있습니다.

포즈 추정을 활용한 달리기 분석 방법 이해하기#

자세 추정은 이미지나 동영상에서 사람 또는 객체의 위치와 움직임을 파악하기 위해 주요 지점을 식별하고 추적하는 컴퓨터 비전 작업입니다. 특히 사람 자세 추정을 사용하면 프레임별로 인체의 움직임을 추적할 수 있습니다.

포즈 추정은 한 프레임에서 러너를 단순히 감지하는 대신 시간에 따른 신체 각 부위의 움직임을 따라가므로 보행과 달리기 생체 역학을 상세하게 분석할 수 있습니다. 포즈 추정의 주요 장점 중 하나는 일반 카메라로 작동하므로 다양한 실제 환경에서 활용할 수 있다는 점입니다.

포즈 추정을 지원하는 YOLO11과 같은 모델은 러닝머신에서든 야외에서든 프레임 단위로 러너를 추적할 수 있습니다. 모델은 어깨, 둔부, 무릎, 발목, 팔꿈치와 같은 주요 지점을 식별하고 시간에 따른 신체 움직임을 연결하여 전반적인 움직임과 관절 굴곡 패턴을 드러냅니다.

그림 3. 준비 운동 중 주요 신체 지점을 추적하는 데 포즈 추정을 활용할 수 있습니다. (출처)

예를 들어 스쿼트나 런지 같은 일반적인 운동 동작에서는 타이밍과 협응력이 신체의 움직임에 큰 영향을 미칩니다. 보폭, 신체 정렬, 발의 위치가 조금만 달라져도 속도, 균형, 제어력, 부상 위험에 영향을 줄 수 있습니다.

이러한 작은 변화를 일관되게 포착하기는 쉽지 않습니다. 자세 추정이 달리기 코치를 대체하지는 않지만, 달리기를 거듭하는 동안 자세, 타이밍, 협응력을 더 쉽게 확인할 수 있도록 돕는 시각 자료로 활용할 수 있습니다. 시간이 지나면 기술을 비교하고 작은 변화를 알아차리는 일도 쉬워집니다.

Ultralytics YOLO 모델이 달리기 기술 분석을 지원하는 방법#

다음으로 Ultralytics YOLO 모델이 포즈 추정과 같은 작업을 어떻게 지원하는지 살펴보겠습니다.

YOLO11과 같은 Ultralytics YOLO 자세 추정 모델은 별도의 설정 없이 사용할 수 있으며 COCO-Pose 같은 대규모 레이블 데이터셋으로 사전 학습되어 있습니다. 따라서 일반적인 인체 주요 지점을 탐지하고 추적하며, 그 지식을 다양한 애플리케이션에 적용할 수 있습니다.

비디오 프레임 전반에서 신체 키포인트를 추적해 얻은 인사이트를 사용하면 시간이 지남에 따라 사람들의 움직임을 연구할 수 있습니다. 이를 통해 달리기 기술의 핵심 요소인 자세, 보폭 패턴, 관절 움직임, 협응을 분석할 수 있습니다.

더 구체적인 인사이트가 필요하면 이러한 모델을 커스텀 학습할 수 있습니다. 처음부터 모델을 학습하는 대신, 사전 학습된 YOLO 포즈 모델을 추가 레이블 데이터로 파인튜닝할 수 있습니다.

예를 들어 개의 달리기 방식을 분석하는 솔루션을 구축하려는 경우, 모델을 Dog-Pose 데이터셋과 같이 개에 특화된 레이블 포즈 데이터로 학습할 수 있습니다. 그러면 원래 학습에서 얻은 일반적인 자세 추정 기능을 유지하면서 개의 신체 구조와 움직임 패턴을 학습합니다.

그림 4. 포즈 추정을 위해 개에서 감지한 주요 신체 지점. (출처)

허들 기술 분석에 포즈 추정을 활용하는 방법 살펴보기#

포즈 추정의 작동 방식을 더 잘 이해했으니, 이제 허들 기술 분석에 포즈 추정을 적용하는 사례를 살펴보겠습니다.

허들은 속도가 빠르고 기술적 난도가 높은 스포츠입니다. 한 번 달리는 동안 발이 지면에 닿고, 도약하고, 착지하는 과정이 1초보다 짧은 순간에 일어납니다.

이러한 동작은 매우 빠르게 일어나므로 육안으로 관찰하거나 비디오를 수동으로 검토해 중요한 세부 사항을 파악하기가 어렵습니다. 그 결과 보폭 리듬, 타이밍, 지면 접촉의 작지만 의미 있는 차이를 놓치는 경우가 많습니다.

컴퓨터 비전 기반 포즈 추정은 일반 비디오 영상을 구조화된 데이터로 변환하여 이 문제를 해결합니다. 예를 들어 최근 연구에서 연구자들은 하체 키포인트를 추적하기 위해 Ultralytics YOLOv8 기반 모델을 사용했습니다. Ultralytics YOLO 모델의 이전 세대인 YOLOv8은 포즈 추정을 지원하며 YOLO11과 같은 최신 모델의 기반을 제공합니다.

이 연구에서는 허들 달리기 중 스텝 타이밍, 보폭 패턴, 지면 접촉을 분석하기 위해 발목, 뒤꿈치, 엄지발가락과 같은 주요 지점에 초점을 맞췄습니다. 연구자들은 시간에 따라 이러한 주요 지점을 추적하여 실제 훈련 환경에서 스텝 진행 상황, 타이밍, 움직임 패턴을 면밀히 모니터링할 수 있었습니다.

보행 분석에 컴퓨터 비전을 사용할 때의 장단점#

달리기 기술을 분석하기 위해 포즈 추정을 사용할 때 얻을 수 있는 주요 이점은 다음과 같습니다.

• 객관적인 피드백: 포즈 추정은 개인적인 판단이 아니라 측정된 신체 키포인트를 기반으로 일관된 시각 데이터를 제공합니다. 이를 통해 관절 가동 범위를 평가할 때 주관성을 줄일 수 있습니다.
• 자가 분석: 러너는 지속적인 코칭 지원 없이 자신의 움직임 패턴을 분석할 수 있으므로 취미로 달리거나 독립적으로 훈련하는 경우에 유용합니다.
• 그룹 확장성: 동일한 워크플로를 여러 러너에게 적용할 수 있으므로 수동 관찰이 비실용적인 팀, 훈련 그룹 또는 연구에 적합합니다.

포즈 추정은 여러 장점을 제공하지만, 다음과 같은 한계도 고려해야 합니다.

• 카메라 설정: 카메라 각도가 올바르지 않거나 프레이밍이 일관되지 않으면 관절 각도, 보폭 패턴, 스텝 수를 정확하게 포착하기 어려울 수 있습니다.
• 가림: 신체 일부가 가려지거나 여러 러너가 프레임에서 겹치면 정확도가 떨어집니다.
• 환경적 요인: 그림자, 고르지 않은 지면, 움직이는 배경 등 야외 환경이 측정의 일관성에 영향을 줄 수 있습니다.

핵심 요점#

Ultralytics YOLO 모델과 자세 추정을 통해 달리기 분석의 접근성이 높아지고 있습니다. 일반 동영상에서 신체 움직임, 관절 각도, 보폭 패턴을 추적해 달리기 자세에 대한 명확한 인사이트를 얻을 수 있습니다. 이러한 도구는 러너와 코치가 비효율적인 동작을 발견하고, 개선 상황을 추적하고, 부상 위험을 실시간으로 관리하는 데 도움이 됩니다.

GitHub 저장소를 방문하고 커뮤니티에 참여해 AI에 대해 더 알아보세요. 솔루션 페이지에서 스포츠 컴퓨터 비전과 로봇공학 AI에 대해 살펴보세요. 지금 비전 AI를 시작하려면 라이선스 옵션을 확인하세요!