본 연구는 자세 추정 알고리즘을 활용한 카메라 기반 동작 분석의 국내 연구 동향을 분석하고, 인공지능의 발전과 스포츠, 재활, 자세 분석에서의 적용에 초점을 맞춘다. 방법론으로서 문헌 검색을 수행하였고, 2020년부터 2024년까지 발표된 연구 중 최신성, 관련성, 공인 저널 게재 여부를 기준으로 25편을 선정하였다. 연구 결과는 다학제적 분야 전반에서 카메라 기반 동작 분석의 채택이 증가하는 추세를 보여준다. 스포츠 과학 분야에서는 이러한 기술을 동작 추적을 통해 운동 수행을 향상시키는 데 활용하였으며, 재활 분야에서는 환자의 진행 상황을 지속적으로 모니터링하고 실행 가능한 피드백을 제공하는 데 기여하였다. 널리 사용되는 평가 도구 중 하나인 TGMD-3는 평가자에 의한 주관적이고 노동 집약적인 평가에 의존한다. MediaPipe, PoseNet, OpenPose와 같은 알고리즘의 발전은 수동 개입에 대한 의존도를 줄이면서도 보다 정확하고 효율적인 방식으로 인간의 동작을 평가할 수 있는 잠재력을 지닌다. 또한 본 고찰은 알고리즘의 신뢰성 향상, 평가 방법의 표준화, 엘리트 선수에 국한되지 않고 취약 집단까지 포함할 수 있는 더 넓은 적용 등 여러 도전 과제를 확인하였다. 이러한 제한에도 불구하고, 컴퓨터 비전과 인간 자세 추정의 통합은 동작 분석의 객관성과 접근성을 유의미하게 향상시켜 운동 훈련, 의학적 진단, 작업(인체공학) 평가에서의 잠재적 개선을 제공한다. 향후 연구는 알고리즘의 타당성을 강화하고, 다양한 분야에서의 잠재력을 온전히 발휘하기 위해 학제 간 적용을 탐색해야 한다.

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