피트니스 애플리케이션의 AI 포즈 추정

Maksym Tatariants, 데이터 사이언스 엔지니어 모비 데브.

인간 포즈 추정은 상당히 새롭지만 빠르게 진화하는 기술을 말하며 피트니스 및 댄스 애플리케이션에서 중요한 역할을 수행하여 실제 세계에 디지털 콘텐츠를 배치할 수 있게 해줍니다.

간단히 말하면, 인간 자세 추정의 개념은 인간의 자세를 감지하고 처리할 수 있는 컴퓨터 비전 기반 기술입니다. 이 기술의 가장 중요하고 핵심적인 부분은 인체 모델링입니다. 현재 인간 자세 추정 시스템에서는 골격 기반, 윤곽 기반, 볼륨 기반의 세 가지 신체 모델이 가장 두드러집니다.

골격 기반 모델

이 모델은 무릎, 발목, 손목, 팔꿈치, 어깨와 같은 관절(키포인트) 세트와 신체 팔다리의 방향으로 구성됩니다. 이 모델은 유연성이 뛰어나서 3차원 및 2차원 인간 포즈 추정에 모두 적합합니다. 3차원 모델링을 통해 솔루션은 RGB 이미지를 사용하고 관절의 X, Y 및 Z 좌표를 찾습니다. 2차원 모델링에서는 RGB 이미지를 분석하는 것과 동일하지만 X 및 Y 좌표를 사용합니다.

윤곽 기반 모델

이 모델은 대략적인 너비뿐만 아니라 몸통과 팔다리의 윤곽을 사용합니다. 여기에서 솔루션은 신체 프레임의 실루엣을 취하고 해당 프레임워크 내에서 신체 부위를 직사각형 및 경계로 렌더링합니다.

볼륨 기반 모델

이 모델은 일반적으로 일련의 3차원 스캔을 사용하여 신체의 모양을 캡처하고 이를 모양 및 기하학적 메시의 프레임워크로 변환합니다. 이러한 모양은 포즈 및 신체 표현의 3D 시리즈를 생성합니다.

3D 인간 포즈 추정 작동 방식

피트니스 애플리케이션은 3차원 인간 포즈 추정에 의존하는 경향이 있습니다. 이러한 앱의 경우 인간 포즈에 대한 정보가 많을수록 좋습니다. 이 기술을 사용하여 앱 사용자는 운동 또는 운동 루틴에 참여하는 자신을 기록합니다. 그런 다음 앱은 사용자의 신체 움직임을 분석하여 실수나 부정확성에 대한 수정을 제공합니다.

이 유형의 앱 순서도는 일반적으로 다음 패턴을 따릅니다.

• 첫째, 운동을 하는 동안 사용자의 움직임에 대한 데이터를 수집합니다.
• 다음으로 사용자의 움직임이 얼마나 정확했는지 또는 부정확했는지 확인합니다.
• 마지막으로 사용자가 저지른 실수를 인터페이스를 통해 보여줍니다.

현재 휴먼포즈 기술의 기준은 COCO 토폴로지. COCO 토폴로지는 얼굴에서 팔, 다리에 이르기까지 몸 전체에 걸쳐 17개의 랜드마크로 구성되어 있습니다. COCO는 유일한 인체 포즈 프레임워크가 아니라 가장 일반적으로 사용되는 프레임워크입니다.

이러한 유형의 프로세스는 일반적으로 사용자의 자세를 추정할 때 관절을 추출하기 위해 딥 머신 러닝 기술을 활용합니다. 그런 다음 기하학 기반 알고리즘을 사용하여 발견된 내용을 이해합니다(감지된 관절의 상대적 위치 분석). 동적 비디오를 소스 데이터로 사용하는 동안 시스템은 단일 이미지가 아닌 일련의 프레임을 사용하여 키포인트를 캡처할 수 있습니다. 결과적으로 시스템은 인접한 프레임의 정보를 사용하여 현재 프레임에서 인체 위치에 관한 불확실성을 해결할 수 있으므로 사용자의 실제 움직임을 훨씬 더 정확하게 렌더링할 수 있습니다.

피트니스 애플리케이션에서 3D 포즈 추정을 사용하는 현재 기술 중 가장 정확한 접근 방식은 먼저 모델을 적용하여 2D 키포인트를 감지한 다음 다른 모델로 2D 감지를 처리하여 3D 키포인트 예측으로 변환하는 것입니다. 

. 연구 우리는 최근에 2D -> 3D 키포인트 변환을 수행하기 위해 확장된 시간 컨볼루션을 적용한 컨볼루션 신경망과 함께 단일 비디오 소스를 사용했습니다.

현재 출시된 모델을 분석한 후 VideoPose3D가 대부분의 AI 기반 피트니스 애플리케이션의 요구 사항에 가장 적합한 솔루션이라는 결론을 내렸습니다. 이 시스템을 사용하는 입력은 2D 키포인트 세트를 감지할 수 있어야 합니다. COCO 2017 데이터 세트에서 사전 훈련된 모델이 다음으로 적용됩니다. 2D 검출기. 

현재 관절 또는 키포인트의 위치를 ​​가장 정확하게 예측하기 위해 VideoPose3D는 짧은 시간 동안 여러 프레임을 사용하여 2D 포즈 정보를 생성할 수 있습니다. 

3D 포즈 추정의 정확도를 더욱 높이기 위해 둘 이상의 카메라가 동일한 운동이나 루틴을 수행하는 사용자의 대체 시점을 수집할 수 있습니다. 그러나 여러 비디오 스트림 입력을 처리하려면 더 큰 처리 능력과 특수 모델 아키텍처가 필요합니다.

최근에 Google 공개 그들의 BlazePose 시스템은 분석된 키포인트의 수를 33개로 늘려 인간 포즈를 추정하기 위한 모바일 장치 지향 모델, COCO 키포인트 세트의 상위 집합 및 두 가지 다른 토폴로지인 BlazePalm 및 BlazeFace입니다. 결과적으로 BlazePose 모델은 신체 의미를 표현하여 손 모델 및 얼굴 모델과 일치하는 포즈 예측 결과를 생성할 수 있습니다.

기계 학습 기반 인간 포즈 추정 시스템 내의 각 구성 요소는 빨라야 하며 포즈 감지 및 모델 추적을 위해 프레임당 최대 몇 밀리초가 소요됩니다. 

BlazePose 파이프라인(포즈 추정 및 추적 구성 요소 포함)은 실시간으로 다양한 모바일 장치에서 작동해야 하기 때문에 파이프라인의 각 개별 부분은 계산 효율성이 매우 높고 200-1000 FPS에서 실행되도록 설계되었습니다. .

사람의 존재 여부와 위치를 알 수 없는 비디오의 포즈 추정 및 추적은 일반적으로 두 단계로 수행됩니다. 

첫 번째 단계에서는 물체 감지 모델을 실행하여 사람의 존재를 찾거나 사람의 부재를 식별합니다. 사람이 감지된 후 포즈 추정 모듈은 사람이 포함된 지역화된 영역을 처리하고 키포인트의 위치를 ​​예측할 수 있습니다.

이 설정의 단점은 추가 계산 리소스를 소비하는 모든 프레임에 대해 실행하기 위해 개체 감지 및 포즈 추정 모듈이 모두 필요하다는 것입니다. 그러나 BlazePose의 작성자는 이 문제를 해결하고 다음과 같은 다른 키포인트 감지 모듈에서 효율적으로 활용할 수 있는 영리한 방법을 고안했습니다. 페이스메시 와 MediaPipe 손.

아이디어는 개체 감지 모듈(BlazePose의 경우 얼굴 감지기)을 사용하여 첫 번째 프레임에서 포즈 추적을 시작하는 데만 사용할 수 있는 반면 사람의 후속 추적은 포즈 정렬 후 포즈 예측만 사용하여 수행할 수 있다는 것입니다. 포즈 추정 모델을 사용하여 예측되는 매개변수.

얼굴은 외모의 변화가 상대적으로 적고 특징의 높은 대비로 인해 신경망에 대한 몸통의 위치에 대해 가장 강한 신호를 생성합니다. 결과적으로 모든 개인 사용 사례에서 사람의 머리를 찾을 수 있다는 생각에 근거한 일련의 정당한 가정을 통해 포즈 감지를 위한 빠르고 낮은 오버헤드 시스템을 만드는 것이 가능합니다.

인간 포즈 추정의 과제 극복

피트니스 앱에서 자세 추정을 사용하는 것은 예를 들어 대부분의 요가 요법에서 수백 가지 아사나와 같은 다양한 인간 자세 범위의 문제에 직면합니다. 

또한 신체는 특정 카메라로 캡처한 특정 팔다리를 가리는 경우가 있으며, 사용자는 신체 특징과 외모를 가리는 다양한 의상을 입을 수 있습니다.

사전 훈련된 모델을 사용하는 동안 비정상적인 신체 움직임이나 이상한 카메라 각도로 인해 인간 포즈 추정의 오류. 3D 인체 모델 렌더링의 합성 데이터를 사용하거나 문제의 도메인에 특정한 데이터로 미세 조정하여 이 문제를 어느 정도 완화할 수 있습니다.

좋은 소식은 대부분의 약점을 피하거나 완화할 수 있다는 것입니다. 이를 위한 핵심은 올바른 학습 데이터와 모델 아키텍처를 선택하는 것입니다. 또한, 인간 포즈 추정 기술 분야의 발전 경향은 현재 우리가 직면하고 있는 일부 문제가 향후 몇 년 동안 관련성이 떨어질 것임을 시사합니다.

마지막 단어

인간의 자세 추정은 게임에서 애니메이션, 증강 현실, 로봇 공학에 이르기까지 피트니스 앱 영역 밖에서 인간의 움직임을 추적하는 다양한 잠재적 미래 용도를 보유하고 있습니다. 그것은 가능성의 전체 목록을 나타내지는 않지만 인간 포즈 추정이 디지털 환경에 기여할 가능성이 가장 높은 일부 영역을 강조합니다.