Pose-Based Workout Classification and Real-Time Recognition
연구 내용
MediaPipe 기반 관절 좌표와 각도를 입력으로 하는 CNN 앙상블 모델로 운동 자세를 실시간 분류하는 연구
가정 환경에서의 운동 수요가 증가함에 따라 실시간 자세 분류와 피드백 제공이 요구됩니다. 연구에서는 MediaPipe로 사람 신체의 관절 좌표와 각도를 추출한 뒤, CNN이 프레임 단위의 복합 패턴을 학습하도록 구성했습니다. 또한 단일 모델 예측에 의존하기보다 여러 프레임의 정보를 결합하는 앙상블 학습으로 분류의 안정성을 높이는 방향으로 설계합니다. 검증 데이터셋을 통해 팔 들기, 스쿼트, 오버헤드 프레스 등 운동 유형에 대한 정밀도와 재현율을 확인하고, 개인화된 피트니스 추천이나 물리치료 보조 서비스에 적용 가능한 실시간 인식 가능성을 제시합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 실내 운동 지도에서 발생하는 자세 오류를 자동으로 분류하기 위해, 비디오 입력을 기반으로 CNN이 운동 유형을 학습하는 구조를 설정했습니다. 이후 MediaPipe로 관절 좌표와 각도를 추출하여, 원영상의 복잡도를 낮추면서도 운동 동작의 핵심 기하학 정보를 모델 입력으로 활용하도록 개선했습니다. 다음 단계로는 이미지 프레임 간 예측 변동을 줄이기 위해 앙상블 방식으로 여러 프레임의 결과를 통합하고, 운동 클래스별 분류 성능을 평가했습니다. 최종적으로 실시간 동작 분류의 적용 가능성을 확인하여 추천 및 재활 영역으로의 확장 근거를 마련했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Workout Classification Using a Convolutional Neural Network in Ensemble Learning