행동인식 및 동작 분석을 활용한 서비스 시장이 지속적으로 확장되고 있다. 컴퓨터 비전 기술 중 하나인 Human Pose Estimation(HPE)은 사람의 몸에 별도의 측정 장비를 부착하지 않고, 여러 대의 적외선 카메라를 설치할 필요 없이 동작 분석이 가능한 장점을 가진다. 단안 카메라를 기반한 추정 방식은 일상생활에서 활용도가 매우 높으며 다양한 분야에서 적용이 가능하다.
최근 2차원을 넘어 3차원 자세 추정 연구의 높은 성능을 달성했다. 하지만 학습데이터의 부족, 깊이의 모호성, 폐색 영역에 대한 추정 문제는 여전히 남아있다. 또한, 3차원 추정을 위해 실험실 환경에서 모션 캡처(MoCap) 장비를 통해 흭득된 학습데이터는 실제 환경(in the wild) 적용에 어려움이 있다.
본 연구는 선행 3차원 자세 추정 알고리즘의 체계적인 비교를 통해 장단점을 파악하고, 대표적인 자세 추정 알고리즘인 MediaPipePose(MPP)와 HybrIK 구현을 통해 실제 환경에 적용하여 성능 비교를 통한 실제 환경에서의 응용 가능성에 대해 고찰한다. 나아가 딥러닝 모델이 가지는 한계점을 개선하고 정확도를 향상시키는 방법을 제안한다. 일상생활에서 흔히 발생하는 좌우 반전, 오검출에 대한 이상치를 제거하고 보정 및 23 자유도를 가지는 휴머노이드 모델로 재구성한다. 이를 통해 3차원 관절 각도를 추정할 수 있다. RGB 이미지에서 이상치가 제거된 3차원 인체 골격좌표를 추출하고 관절 각도를 추정하는 기술은 다양한 분야에서 활용이 가능하다. 특히, 임상, 재활 치료 분야에서 적용 가능할 것으로 기대된다.