한 장의 CCTV 영상에는 절대 길이의 기준이 없다. 같은 픽셀 높이라도 카메라와 가까운 사람은 더 크게 보인다. 따라서 단안 카메라로 키를 추정하려면 최소한 카메라 기하, 바닥면, 머리·발 위치, 그리고 미터 단위로 환산할 기준 중 일부가 필요하다. AI 탐지기는 머리와 발을 더 안정적으로 찾을 수 있지만 이 기하학적 모호성을 저절로 없애지는 않는다.
검증 기준일: 2026-08-25. 아래의 서지 정보와 수치는 출판사·DOI 원문에서 확인했다. 구현 전에는 DOI의 최신 정정 사항과 데이터 이용 조건을 다시 확인해야 한다.
#먼저 결론
- 카메라가 고정되고 설치 높이·기울기·초점 거리를 추정할 수 있다면 고전적 photogrammetry 또는 간소화한 회귀 모델이 설명 가능성이 높다.
- 사람 탐지가 어려운 실제 감시 환경에서는 AI 검출기가 유용하지만, 검출 성능과 키 추정 오차를 분리해서 평가해야 한다.
- 논문 간 MAE는 촬영 거리, FOV 구역, 자세, 연령 구성, calibration 방식이 다르므로 숫자만 직접 순위화하면 안 된다.
- 발이 가려지거나 사람이 바닥면에 서 있지 않거나 렌즈 왜곡이 보정되지 않으면 추정값은 체계적으로 틀어질 수 있다.
#문제를 식으로 보기
핀홀 카메라에서 3차원 점은 다음 관계로 영상에 투영된다.
s [u, v, 1]ᵀ = K [R | t] [X, Y, Z, 1]ᵀK는 초점 거리와 주점 같은 내부 파라미터, R, t는 세계 좌표계와 카메라 좌표계 사이의 외부 파라미터다. 머리와 발 픽셀만으로 실제 키를 구할 수 없는 이유는 깊이 Z와 실제 길이의 scale이 동시에 미지수이기 때문이다. 아래 연구들은 이 미지수를 서로 다른 방식으로 제한한다.
#세 연구 비교
| 연구 | 입력과 기준 | 핵심 방법 | 원문이 보고한 결과 | 읽을 때 주의할 점 |
|---|---|---|---|---|
| Lee et al. (2008) | 고정 CCTV, 촬영 영역의 기준점 | 3D–2D 선형·비선형 calibration 후 영상에 3D virtual ruler 투영 | 초록은 기존 방법보다 data-convergence 구간에서 더 안정적이라고 보고 | 딥러닝 연구가 아니다. 기존 글의 YOLO·OpenPose 설명은 삭제했다. |
| Li et al. (2015) | 걷는 사람의 머리·발 관측값 | 초점 거리·tilt angle·camera height 세 변수만 nonlinear regression으로 추정 | ground truth 대비 약 1.39 cm MAE | 고정·고위치·낮은 tilt라는 설치 가정에 의존한다. |
| Ratthi et al. (2024) | 단안 감시 영상, 자체 height dataset | YOLOv7-OA와 attention으로 가림 상황의 사람을 검출하고 FOV 조건별 높이 추정 | 논문 highlights와 conference summary는 FOV 영역별 0.02–0.8 cm MAE를 보고 | 1.39 cm와의 비교는 동일 데이터셋 재현 결과가 아니므로 보편적 우월성으로 해석하면 안 된다. |
#1. 기준점과 가상 자: Lee et al. (2008)
이 연구는 촬영 영역의 기준점을 이용해 3차원 공간과 2차원 영상의 관계를 보정하고, 그 관계로 만든 가상의 3D 자를 영상에 투영한다. 핵심은 사람 검출 모델이 아니라 현장 calibration과 photogrammetry다.
- 원문: PubMed 서지·초록
- DOI: 10.1016/j.forsciint.2007.10.008
- 정확한 서지: Joong Lee, Eung-Dae Lee, Hyun-Oh Tark, Jin-Woo Hwang, Do-Young Yoon, Forensic Science International 177(1), 17–23, 2008
원 논문의 방법은 현장 기준점을 확보할 수 있는 법과학적 분석에는 적합하지만, 카메라가 움직이거나 현장 측량을 할 수 없는 상황에는 그대로 적용하기 어렵다.
#2. 세 변수 회귀: Li et al. (2015)
일반적인 감시 카메라가 높은 위치에서 약간 아래를 향한다는 조건을 이용한다. 전체 camera model을 모두 추정하는 대신 초점 거리 f, 기울기 θ, 카메라 높이 Hc만 머리·발 관측값에 맞춘다. vanishing line 검출의 노이즈 민감성을 피한다는 것이 설계의 핵심이다.
- 오픈 액세스 원문: Springer Nature
- DOI: 10.1186/s13640-015-0086-1
- 보고 결과: ground truth 대비 약
1.39 cm MAE
이 결과는 논문이 사용한 설치 조건과 관측 데이터 안에서 해석해야 한다. 카메라가 흔들리거나 바닥이 평면이 아니거나 발 접점이 가려진 장면까지 1.39 cm가 보장된다는 의미는 아니다.
#3. 검출을 강화한 AI 파이프라인: Ratthi et al. (2024)
이 연구는 단안 카메라라는 조건을 유지하면서 YOLOv7-OA와 attention을 이용해 가림에 강한 사람 영역 검출을 시도한다. 카메라 높이, deflection angle, FOV, 연령과 성별 조건을 분석한 점이 이전의 순수 기하 접근과 다르다.
- 출판사 원문: Measurement, article 115133
- DOI: 10.1016/j.measurement.2024.115133
- 저자 제공 conference summary: ICVGIP 2024 PDF
conference summary는 FOV 영역에 따라 0.02–0.8 cm MAE를 제시하지만 2쪽 요약본만으로는 데이터 분할, 표본 수, 반복 실험과 일반화 성능을 충분히 판단하기 어렵다. 따라서 이 글은 해당 숫자를 독립적으로 재현된 사실이 아니라 저자가 보고한 결과로 기록한다.
#실제 구현에서 분리해야 할 오차
- 검출 오차 — bounding box가 머리카락·신발·가림을 어떻게 처리하는가.
- 자세 오차 — 무릎을 굽히거나 걷는 중이면 머리–발 수직 길이가 신장과 다르다.
- 기하 오차 —
K, 왜곡계수, camera pose, 바닥 평면 추정이 틀릴 수 있다. - scale 오차 — 실제 길이를 알려 주는 기준점 또는 알려진 camera height가 부정확할 수 있다.
- 평가 오차 — 같은 사람의 인접 프레임이 train/test에 함께 들어가면 성능이 과대평가된다.
#재현 가능한 평가 설계
- 사람 단위와 촬영 세션 단위로 train/validation/test를 분리한다.
- 거리·FOV 구역·가림·자세·연령대별 MAE와 bias를 함께 보고한다.
- 평균 오차뿐 아니라 95% 구간과 사람별 반복 측정 분산을 기록한다.
- 완벽한 head/foot 좌표를 넣은 oracle 실험과 detector 출력을 넣은 end-to-end 실험을 분리한다.
- calibration parameter에 작은 노이즈를 주어 민감도를 측정한다.
#이 글에서 확정하지 않는 것
이 비교만으로 특정 방법이 모든 환경에서 최고라고 결론 내리지 않는다. 다음 단계는 동일 영상과 동일 분할에서 virtual ruler, three-parameter regression, AI detector + geometry를 나란히 구현하는 것이다. 그래야 검출기의 개선이 실제 키 오차 감소로 이어지는지 판단할 수 있다.