포즈 추정을 활용해 달리기 동작 개선하기

달리기는 전 세계적으로 인기 있는 운동입니다. 미국에서는 약 5천만 명이 정기적으로 달리거나 조깅하며, 일본에서는 2024년에 달리기가 가장 인기 있는 스포츠였습니다.

어디서나 달리는 사람들을 볼 수 있으며, 특히 이른 아침이나 늦은 저녁에 자주 볼 수 있습니다. 공원, 거리, 해변은 서로 다른 속도와 다양한 이유로 움직이는 사람들로 가득합니다.

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

자세나 보폭의 작은 변화도 경기력, 편안함, 부상 위험에 영향을 줄 수 있으며, 여기에는 허리 통증과 같은 문제도 포함됩니다. 신체가 어떻게 움직이는지 주의 깊게 살피면 달리는 사람들이 더 건강한 상태를 유지하고 지구력, 근력 또는 전반적인 체력 향상 등 훈련에서 더 많은 효과를 얻는 데 도움이 됩니다.

하지만 달리는 동안 이러한 세부 사항을 포착하기는 어렵습니다. 단 몇 분 안에도 많은 일이 일어나며, 수백 번의 발걸음은 쉽게 놓칠 수 있습니다. 이때 컴퓨터 비전이 활용됩니다. 컴퓨터 비전은 이미지를 분석하고 동영상을 프레임 단위로 분해하여 실시간으로 포착하기 어려운 패턴을 드러낼 수 있는 AI 분야입니다.

포즈 추정은 이러한 접근 방식의 핵심 요소입니다. 포즈 추정은 신체 관절과 시간에 따른 관절의 움직임을 추적하는 데 사용할 수 있는 컴퓨터 비전 작업입니다. Ultralytics YOLO11과 곧 출시될 Ultralytics YOLO26 같은 모델은 포즈 추정을 지원하며, 프레임 전반에서 달리는 사람의 움직임을 일관되게 추적할 수 있어 실시간 분석을 훨씬 실용적으로 만듭니다.

그림 1. YOLO11과 포즈 추정을 사용하여 달리며 훈련하는 선수를 분석한 모습입니다. (출처)

이 글에서는 올바른 달리기 자세가 어떤 모습인지 살펴보고, Ultralytics YOLO 모델을 사용해 달리기 기술을 분석하고 개선하는 방법을 알아봅니다. 시작해 보겠습니다!

올바른 달리기 자세가 중요한 이유#

달리기의 다양한 요소를 살펴보기에 앞서, 일상적인 훈련에서 달리기 자세가 중요한 이유를 자세히 알아보겠습니다.

가볍게 조깅하러 나가든 구체적인 목표를 향해 노력하든, 모든 달리기 선수는 자신의 노력이 결실을 맺기를 바랍니다. 하지만 자세, 과도한 보폭, 타이밍의 사소한 문제가 조용히 누적되면 달리기가 필요 이상으로 힘들게 느껴지고 하체와 관절에 추가적인 부담을 줄 수 있습니다.

신체 역학에 주의를 기울이면 달리기 선수는 더 안전하게 달리고, 달리기 부상 위험을 줄이며, 심장 건강 개선, 근육 강화, 전반적인 체력 향상과 같은 이점을 얻을 수 있습니다. 올바른 달리기 자세는 신체가 하나의 조화로운 시스템으로 움직이는 것에서 시작됩니다.

몸통이 약간 앞으로 기울어진 상태로 정렬되고 팔과 다리가 균형 있게 움직이면 에너지가 더 효율적으로 사용되고 동작이 더 부드러워지며 부상 위험이 줄어듭니다. 시간이 지나면서 자세는 근육이 서로 협력하는 방식에도 영향을 줍니다.

균형 잡힌 움직임은 근력 운동과 달리기 중 안정성, 자세, 지구력, 더 나은 정렬을 돕습니다. 초보자에게 이는 발전의 기반이 되는 탄탄한 토대를 마련합니다. 엘리트 선수에게는 피로로 인한 문제와 장기적인 불편함의 위험을 줄이면서 경기력을 향상시킵니다.

올바른 달리기 자세의 징후 파악하기#

달리는 사람들이 자신의 움직임에 더 세심한 주의를 기울이기 시작하면 달리기 방식 전반에서 특정 패턴이 나타납니다. 사람마다 달리는 방식은 조금씩 다르지만, 이러한 공통 요소는 효율적인 달리기가 일반적으로 어떤 모습인지 보여 줍니다.

달리기 자세란 달리는 동안 자세, 균형, 움직임이 함께 작용하는 방식을 의미합니다. 이는 몸이 앞으로 나아가는 동안 어떻게 정렬과 협응을 유지하는지를 설명합니다. 이러한 세부 사항을 살펴보면 달리기 선수는 부드럽고 통제된 움직임과 과도한 힘이나 불편함을 유발할 수 있는 습관을 파악할 수 있습니다.

다음은 올바른 달리기 자세에서 흔히 볼 수 있는 몇 가지 요소입니다:

• 다리 움직임과 보폭: 올바른 달리기 자세는 일반적으로 편안한 무릎 들어 올리기와 자연스럽게 느껴지는 일정한 보폭에서 비롯됩니다. 보폭과 보폭 빈도가 중요하며, 매 걸음마다 발을 너무 멀리 앞으로 뻗으면 균형이 흐트러질 수 있습니다. 부드러운 지면 밀어내기는 달리기를 가볍고 효율적으로 느끼게 합니다.
• 발 착지와 무게 중심: 달리기 선수는 뒤꿈치, 중족부 또는 전족부 등 다양한 방식으로 발을 착지합니다. 정확히 어느 부위에 착지하는지나 뒤꿈치 착지 자체보다 중요한 것은 매 걸음마다 몸이 얼마나 부드럽게 이동하는가입니다. 중심을 유지하면 불필요한 움직임이 줄고 동작이 더 안정적으로 유지됩니다.
• 근육 협응: 달리기에는 둔근, 대퇴사두근, 햄스트링, 고관절 굴곡근을 비롯한 여러 근육군이 사용됩니다. 이러한 근육이 균형 있게 함께 작용하면 움직임이 더 안정적으로 유지되고 부상 위험이 줄어듭니다.

그림 2. 달리기 보행을 이해하고 더 나은 달리기 선수가 되기 위한 주요 신체 지점입니다. (출처)

많은 달리기 선수는 달리는 방식을 개선하기 위해 러닝화, 코칭, 자세 지침에도 의존합니다. 적절한 러닝화는 편안함을 높이고 관절에 가해지는 부담을 줄일 수 있으며, 특히 아직 근력과 꾸준함을 기르는 초보자에게 도움이 됩니다.

또한 달리기 코치와 함께 훈련하거나 자세에 중점을 둔 훈련 계획을 따르면 올바른 달리기 자세를 이해하고, 비효율적인 습관을 교정하며, 시간이 지남에 따라 부상 위험을 줄이는 데 도움이 됩니다. 특히 초보자는 올바른 달리기 자세를 일찍 배우면 실력이 향상될수록 달리기를 더 쉽고 안전하며 즐겁게 느낄 수 있습니다.

달리기 분석에 포즈 추정을 활용하는 방법 이해하기#

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

단순히 한 프레임에서 달리는 사람을 감지하는 대신, 시간에 따른 다양한 신체 부위의 움직임을 추적하여 세밀한 보행 및 달리기 생체역학 분석을 지원합니다. 포즈 추정의 주요 장점 중 하나는 표준 카메라로 작동하므로 다양한 실제 환경에서 활용할 수 있다는 점입니다.

YOLO11과 같이 포즈 추정을 지원하는 모델은 러닝머신 위에서든 야외에서든 달리는 사람을 프레임 단위로 추적할 수 있습니다. 모델은 어깨, 둔근, 무릎, 발목, 팔꿈치와 같은 주요 지점을 식별하여 시간에 따른 신체 움직임을 연결하고 전반적인 동작과 관절 굴곡 패턴을 드러냅니다.

그림 3. 포즈 추정을 사용하여 워밍업 운동 중 주요 신체 지점을 추적할 수 있습니다. (출처)

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

이러한 작은 변화를 일관되게 포착하기는 쉽지 않습니다. 포즈 추정이 달리기 코치를 대체하지는 않지만, 달리기 전반에서 자세, 타이밍, 협응을 더 쉽게 확인할 수 있도록 돕는 시각적 보조 수단으로 활용될 수 있습니다. 시간이 지나면 기술을 더 간편하게 비교하고 작은 조정 사항을 파악하는 데도 도움이 됩니다.

Ultralytics YOLO 모델이 달리기 기술 분석을 지원하는 방법#

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

YOLO11과 같은 Ultralytics YOLO 포즈 모델은 즉시 사용할 수 있으며 COCO-Pose와 같은 대규모 라벨링 데이터셋으로 사전 학습되어 제공됩니다. 따라서 일반적인 인체 주요 지점을 감지하고 추적하며, 이러한 지식을 다양한 애플리케이션에 적용할 수 있습니다.

동영상 프레임 전반에서 신체 주요 지점을 추적하여 얻은 인사이트를 사용하면 시간에 따른 사람들의 움직임을 연구할 수 있습니다. 이를 통해 달리기 기술의 핵심 요소인 자세, 보폭 패턴, 관절 움직임, 협응을 분석할 수 있습니다.

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

예를 들어 개가 달리는 방식을 분석하는 솔루션을 구축하는 것이 목표라면, 개에 특화된 라벨링 포즈 데이터로 모델을 학습할 수 있습니다. 그러면 모델은 원래 학습에서 얻은 일반적인 포즈 추정 기능을 유지하면서 개의 신체 구조와 움직임 패턴을 학습합니다.

그림 4. 포즈 추정을 위해 개에서 감지된 주요 신체 지점입니다. (출처)

포즈 추정을 활용한 허들링 기술 분석 살펴보기#

이제 포즈 추정의 작동 방식을 더 잘 이해했으므로, 이를 허들링 기술 분석에 적용하는 방법을 예시를 통해 살펴보겠습니다.

허들링은 빠르고 기술적으로 까다로운 스포츠입니다. 한 번의 주행 중 발의 접지, 도약, 착지는 1초도 안 되는 짧은 순간에 일어납니다.

이러한 동작은 매우 빠르게 일어나므로 육안이나 수동 동영상 검토만으로 중요한 세부 사항을 관찰하기가 어려울 수 있습니다. 그 결과 보폭 리듬, 타이밍, 지면 접촉의 작지만 의미 있는 차이를 놓치는 경우가 많습니다.

컴퓨터 비전 기반 포즈 추정은 표준 동영상 영상을 구조화된 데이터로 변환하여 이러한 문제를 해결합니다. 예를 들어 최근 한 연구에서 연구진은 Ultralytics YOLOv8 기반 모델을 사용해 하체 주요 지점을 추적했습니다. Ultralytics YOLO 모델의 이전 세대인 YOLOv8은 포즈 추정을 지원하며 YOLO11과 같은 최신 모델의 기반을 제공합니다.

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

보행 분석에 컴퓨터 비전을 사용할 때의 장단점#

다음은 달리기 기술 분석에 포즈 추정을 사용할 때 얻을 수 있는 주요 이점입니다:

• 객관적인 피드백: 포즈 추정은 개인적인 판단이 아니라 측정된 신체 주요 지점을 기반으로 일관된 시각 데이터를 제공합니다. 따라서 관절 가동 범위를 평가할 때 주관성을 줄이는 데 도움이 됩니다.
• 자기 검토: 달리기 선수는 지속적인 코칭 지원 없이 자신의 움직임 패턴을 분석할 수 있으므로, 취미 목적의 훈련이나 독립적인 훈련에 유용합니다.
• 그룹 확장성: 동일한 워크플로를 여러 달리기 선수에게 적용할 수 있으므로, 수동 관찰이 비현실적인 팀, 훈련 그룹 또는 연구에 적합합니다.

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

• 카메라 설정: 카메라 각도가 부정확하거나 프레이밍이 일관되지 않으면 관절 각도, 보폭 패턴, 스텝 수를 정확하게 포착하는 데 지장이 생길 수 있습니다.
• 가림: 신체 일부가 가려지거나 여러 달리기 선수가 프레임에서 겹치면 정확도가 떨어집니다.
• 환경 요인: 그림자, 고르지 않은 지면, 움직이는 배경을 포함한 야외 환경은 측정의 일관성에 영향을 줄 수 있습니다.

핵심 요점#

Ultralytics YOLO 모델과 포즈 추정은 달리기 분석을 더욱 쉽게 활용할 수 있도록 합니다. 이러한 기술을 사용하면 일반 동영상에서 신체 움직임, 관절 각도, 보폭 패턴을 추적하여 달리기 자세에 대한 명확한 인사이트를 얻을 수 있습니다. 이 도구는 달리기 선수와 코치가 비효율적인 동작을 파악하고, 개선 사항을 추적하며, 실시간으로 부상 위험을 관리하는 데 도움이 됩니다.

GitHub 저장소를 방문하고 커뮤니티에 참여하여 AI에 대해 더 알아보세요. 솔루션 페이지에서 로보틱스의 AI와 자동차 산업의 컴퓨터 비전에 대해 알아보세요. 지금 비전 AI를 시작할 수 있도록 라이선스 옵션을 확인해 보세요!