포즈 추정

포즈 추정이란 관절, 랜드마크 또는 기타 뚜렷한 특징과 같은 키포인트를 찾아 사람이나 물체의 위치와 방향을 식별하는 컴퓨터 비전 작업입니다. 결과물은 일련의 좌표 세트를 연결하여 골격 구조를 형성할 수 있어 이미지나 동영상 내에서 물체의 자세와 움직임을 자세히 파악할 수 있습니다. 이 기술은 피트니스 트래킹부터 로봇 공학에 이르기까지 동작, 제스처 또는 특정 신체 구성을 인식해야 하는 애플리케이션의 기본이 되는 기술입니다.

포즈 추정 작동 방식

포즈 추정 모델은 시각적 데이터를 분석하여 미리 정의된 키포인트의 위치를 예측합니다. 사람의 포즈를 추정할 때 일반적으로 어깨, 팔꿈치, 엉덩이, 무릎과 같은 주요 관절이 키포인트입니다. 그런 다음 이러한 키포인트를 연결하여 신체의 구조와 현재 자세를 나타내는 골격을 만듭니다. 이 프로세스에는 두 가지 주요 방법이 있습니다:

• 하향식 접근 방식: 이 방법은 먼저 객체 감지기를 사용하여 이미지의 각 사람 또는 객체를 경계 상자로 식별하고 분리합니다. 그런 다음 각 상자의 내용을 개별적으로 분석하여 특정 인스턴스에 대한 키포인트를 찾습니다. 직관적이지만 성능은 초기 객체 감지에 따라 크게 달라집니다.
• 상향식 접근 방식: 이 접근 방식은 전체 이미지에서 모든 키포인트(예: 모든 팔꿈치와 모든 무릎)를 감지한 다음 이러한 키포인트를 별개의 골격으로 그룹화하는 것으로 시작합니다. 이 방법은 처리 시간이 사람 수에 영향을 받지 않으므로 사람이 많은 장면에서 더 효율적일 수 있습니다.

실시간 애플리케이션에서 속도와 정확성의 균형을 맞추기 위해 Ultralytics YOLO11에 사용되는 것과 같은 최신 아키텍처는 두 가지 접근 방식의 장점을 결합하는 경우가 많습니다.

포즈 추정과 다른 컴퓨터 비전 작업 비교

포즈 추정은 다른 일반적인 컴퓨터 비전 작업에 비해 더 세분화된 수준의 분석을 제공합니다. 이러한 작업은 서로 연관되어 있지만 다른 용도로 사용됩니다:

• 물체 감지 은 물체 주위에 직사각형 경계 상자를 그려서 물체를 식별하고 위치를 파악하는 데 중점을 둡니다. "물체가 무엇인가요?", "어디에 있나요?"라는 질문에 답하지만 물체의 자세나 관절에 대한 정보는 제공하지 않습니다.
• 인스턴스 세분화 은 픽셀 수준에서 각 객체의 정확한 모양을 설명함으로써 객체 감지를 한 단계 더 발전시킵니다. 그러나 객체 감지와 마찬가지로 객체의 내부 구성은 설명하지 않습니다.

포즈 추정은 물체나 사람의 위치와 움직임을 해석하는 고유한 기능으로, 행동과 동작을 더 깊이 이해하는 데 매우 중요합니다.

실제 애플리케이션

움직임을 분석할 수 있는 기능은 여러 산업 분야에 걸쳐 광범위한 응용 분야를 열어줍니다.

• 의료 분야의 AI 및 물리치료 자세 추정 시스템은 재활 운동을 수행하는 환자를 모니터링하여 올바른 자세를 유지하고 시간 경과에 따른 진행 상황을 추적하는 데 도움이 됩니다. 이러한 시스템은 간단한 카메라를 통해 환자의 움직임을 분석하여 실시간 피드백을 제공함으로써 수동 평가 없이도 부상을 예방하고 회복 결과를 개선하는 데 도움을 줄 수 있습니다.
• 스포츠 분석 및 피트니스: 코치와 운동선수는 자세 추정을 사용해 동작에 대한 상세한 생체역학적 분석을 수행합니다. 예를 들어 골퍼의 스윙, 농구 선수의 슈팅 폼, 달리기 선수의 걸음걸이를 추적하여 개선이 필요한 부분을 파악하고 부상 위험을 줄일 수 있습니다. 이 기술은 운동 모니터링 앱에도 통합되어 사용자에게 올바른 운동 방법을 안내합니다.
• 모션 캡처와 애니메이션: 엔터테인먼트 업계에서 포즈 추정은 배우가 센서가 달린 특수 수트를 착용해야 하는 기존 모션 캡처 기술에 대한 마커 없는 대안을 제공합니다. 이를 통해 디지털 캐릭터를 애니메이션화하는 과정을 간소화하여 접근성과 효율성을 높일 수 있습니다.
• 동물 행동 모니터링: 연구자들은 자연 서식지에서 태그 없이도 포즈 추정을 적용하여 동물을 연구할 수 있습니다. 과학자들은 다양한 종의 자세와 움직임을 추적함으로써 사회적 상호작용과 야생동물 보호 노력에 필수적인 기타 행동에 대한 통찰력을 얻을 수 있습니다.

주요 이점 및 과제

포즈 추정은 상당한 이점을 제공하지만 특정 제한 사항도 있습니다.

이점

• 비용 효율적입니다: 표준 카메라를 사용하므로 고가의 특수 하드웨어나 센서가 필요하지 않습니다.
• 비침습적: 물리적 마커나 태그 없이도 사람과 동물의 움직임을 추적할 수 있습니다.
• 풍부한 데이터: 다른 컴퓨터 비전 작업에서는 얻을 수 없는 자세와 동작에 대한 자세한 정보를 제공합니다.

과제

• 오클루전: 신체 부위가 시야에서 가려지거나 다른 물체나 사람과 겹치면 정확도가 크게 떨어질 수 있습니다.
• 환경적 요인: 열악한 조명 조건, 모션 블러, 복잡한 배경은 모델 성능에 부정적인 영향을 미칠 수 있습니다.
• 데이터 요구 사항: 정확한 모델을 학습하려면 COCO-Pose 데이터 세트와 같이 크고 다양한 데이터 세트가 필요하며, 학습 데이터에 잘 표현되지 않은 포즈나 피사체에 대해서는 모델이 잘 일반화되지 않을 수 있습니다.