인체 자세 추정 및 동작 인식은 보안, 의료 및 운동 등 분야에서 중요한 응용 가치를 가지고 있다. 서로 다른 배경과 각도에서 다양한 운동 동작의 인체 자세 추정 및 동작 인식 문제를 해결하기 위해 본 논문에서는 개선된 YOLOv7-POSE 알고리즘을 제안하고, 다양한 촬영 각도의 데이터셋을 직접 촬영하여 학습에 활용하였다. 이 알고리즘은 YOLOv7을 기반으로 하며, 원래 네트워크 모델에 분류 기능을 추가하고 Backbone 주 네트워크에 CA 컨볼루션 어텐션 메커니즘을 도입하여 인체 골격 관절과 동작 분류에 중요한 특징의 인식 능력을 향상시켰다. 기존 모델의 CBS 컨볼루션 커널을 HorNet 네트워크 구조로 대체하여 인체 주요 점 검출 정확도와 동작 분류 정확도를 높였다. Head 층의 공간 피라미드 풀링 구조를 확장 공간 피라미드 풀링 구조로 교체하여 검출 정확도를 향상시키고 모델 수렴 속도를 가속화하였다. 대상 검출 박스의 회귀 함수를 CIOU에서 EIOU로 변경하여 좌표 회귀 정확도를 향상시켰다. 두 그룹의 대비 실험을 설계하였으며 실험 결과 개선된 YOLOv7-POSE가 검증 세트에서 95.7%의 mAP를 달성하였고, 원래 YOLOv7 알고리즘 대비 4% 향상되었으며, 다양한 운동 동작 인식 정확도가 크게 증가하였고 실제 추론 시 주요 점 오검출 및 누락 현상이 크게 감소하고 주요 점 위치 추정 오차가 현저히 낮아졌다.

영상 처리;키포인트 검출;자세 추정;어텐션 메커니즘;확장 공간 피라미드 풀링