인간 자세 추정(HPE)은 컴퓨터 비전 및 인공지능 분야에서 이미지 또는 비디오를 활용하여 인간의 신체 부위와 자세를 감지하고 추적하는 기술이다. 증강현실, 애니메이션, 피트니스 애플리케이션, 감시 분야에서 널리 사용되며, 단안(monocular) 카메라를 사용하는 HPE 방법은 표준 비디오와 CCTV 영상에 적용 가능할 정도로 높은 범용성을 가진다. 이러한 방법은 2차원(2D)에서 3차원(3D) 자세 추정으로 발전해 왔다. 그러나 실제 환경에서는 실험실 기반 모션 캡처 데이터로 학습된 현재의 3D HPE 방법들이 제한된 학습 데이터, 깊이 모호성, 좌/우 전환, 가림(occlusion) 문제와 같은 어려움에 직면한다. 본 연구에서는 실제 환경의 비디오를 기반으로 네 가지 3D HPE 방법을 그 강점과 약점에 따라 비교하였다. 일상적인 동작에서 발생하는 좌/우 반전 및 관절 위치의 오탐과 같은 이상 현상을 제거하고 수정하기 위해 관절 위치 보정(joint position correction) 기법을 제안하였다. 최적화 방법을 사용하여 3D 휴머노이드 시뮬레이터로부터 관절 각 궤적(joint angle trajectories)을 도출하였으며, 제안된 기법을 통해 보정된 관절 위치를 입력으로 사용하여 직관적이고 정보가 풍부한 인간 활동 인식을 수행하였다. 제안된 방법의 효능은 세 가지 유형의 자유손(자유손) 체조 동작에 적용하고 동작 중 관절 각 궤적을 비교함으로써 검증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.