인간 자세 추정(Human Pose Estimation, HPE)은 사람의 주요 관절 위치를 예측하여 인체의 골격 자세를 추정하는 기술이다. 기존 HPE 연구는 주로 RGB 또는 RGB-D 카메라를 기반으로 발전해 왔으나, 조명 변화나 가려짐 등에 의한 성능 저하가 심하며, 개인 식별이 가능한 영상 정보를 활용한다는 점에서 프라이버시 문제가 존재한다. 이러한 한계를 보완하기 위해 최근에는 4D 레이더 기반 HPE가 주목받고 있다. 4D 레이더는 거리, 속도, 방위각, 고도 정보를 활용하여 비식별적이면서도 환경 변화에 강건한 포인트 클라우드를 제공할 수 있다. 그러나 레이더 포인트 클라우드는 하드웨어 및 대역폭 제약으로 인해 희소하고 노이즈가 많아, 일부 신체 부위가 불안정하게 검출되는 문제가 있다. 본 연구는 이러한 문제를 해결하기 위해 4D 레이더 포인트 클라우드의 연속 프레임을 입력으로 사용하여 시공간 정보를 활용하는 LSTM 기반 HPE 모델을 제안한다. 실험 결과, 단일 프레임의 공간 정보만 활용한 기존 모델 대비 자세 오차(MPJPE)가 약 8.5% 감소하였으며, 정성적 평가에서도 관절 위치가 실제 자세에 더 근접하고 전체 골격 구조가 보다 안정적으로 유지됨을 확인할 수 있었다. |
