인간 자세 추정(Human Pose Estimation, HPE)은 이미지나 비디오로부터 인간의 신체 부위와 자세를 탐지하고 추적하기 위한 컴퓨터 비전 및 AI 기법이다. 증강현실, 애니메이션, 피트니스 응용, 감시 분야에서 널리 사용되며, 단안(모노큘러) 카메라를 이용하는 HPE 방법은 일반적인 비디오 및 CCTV 영상에 적용 가능하다는 점에서 매우 범용적이다. 이러한 방법들은 2D 자세 추정에서 3D 자세 추정으로 발전해 왔다. 그러나 실험실 기반 모션 캡처 데이터를 사용하여 학습된 현재의 3D HPE 방법들은 실제 환경에 적용할 때 제한된 학습 데이터, 심도 인식의 모호성, 좌/우 전환, 그리고 가림(occlusion) 문제와 같은 어려움에 직면한다. 본 연구는 실제 환경의 비디오를 대상으로 두 가지 대표적인 3D HPE 방법을 평가하여 그 강점과 약점을 비교한다. 이어서 일상적인 동작에서 나타나는 좌/우 반전 및 관절 위치의 오탐과 같은 이상 현상을 제거하고 수정하기 위한 데이터 처리 기법을 제안한다. 마지막으로, 제안한 인간 관절 데이터 처리 기법을 적용하여 보정된 관절 좌표 데이터(input)로 3D 휴머노이드 시뮬레이터에 기반한 최적화 방법을 수행함으로써 관절 각도 궤적을 얻는다. 제안하는 3D HPE 방법의 효용성은 3차원 맨손 체조 동작 3종에 적용하고, 동작 동안의 관절 각도 궤적을 비교함으로써 검증한다.

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