행동을 기록하는 기술에서 행동을 이해하는 기술로
웨어러블 카메라는 더 이상 단순히 영상을 촬영하는 장치에 머물지 않고 있습니다. 과거의 카메라가 사용자의 시선 앞에 있는 장면을 기록하는 데 집중했다면, 최근의 웨어러블 카메라는 사람이 어떤 환경에서 움직이고, 어떤 물체와 상호작용하며, 어떤 자세와 동작을 반복하는지를 파악하는 방향으로 발전하고 있습니다. 이는 영상 기술의 변화라기보다 인간 행동 데이터를 산업적으로 활용하려는 흐름이 본격화되고 있다는 의미에 가깝습니다.
이 변화의 배경에는 AI, 컴퓨터비전, 센서 기술, 디지털 헬스케어, 산업안전, 로봇, XR 산업의 성장이 함께 놓여 있습니다. 기업들은 제품을 사용하는 사람의 실제 행동을 더 정확히 이해해야 하며, 실험실 안에서 측정한 정적인 인체치수만으로는 사용 경험 전체를 설명하기 어려워지고 있습니다. 사용자가 걷고, 앉고, 손을 뻗고, 고개를 돌리고, 도구를 조작하는 과정은 제품 적합성, 안전성, 피로도, 접근성, 사용성에 직접적인 영향을 줍니다. 따라서 웨어러블 카메라가 인간 행동 데이터를 보기 시작한 것은 기술의 호기심 때문이 아니라, 산업 현장에서 사람 중심의 의사결정을 더 정밀하게 해야 하는 필요가 커졌기 때문입니다.
Xia, C. and Sugiura, Y. “From Virtual to Real World: Applying Animation to Design the Activity Recognition System.” Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems (CHI EA ’21), ACM, 2021. DOI: 10.1145/3411763.3451677. Image used for editorial and educational reference.
Image Source: https://doi.org/10.1145/3411763.3451677
몸에 붙는 카메라가 마주한 실제 사용자 경험
웨어러블 카메라는 머리, 가슴, 어깨, 안경, 헬멧, 작업복, 보호장비, 의료기기 등에 부착될 수 있습니다. 이때 카메라는 단순한 촬영 장치가 아니라 사람의 몸 위에서 함께 움직이는 장치가 됩니다. 사용자의 시선 방향, 목의 회전, 상체 기울기, 보행 리듬, 팔의 도달 범위, 손의 조작 움직임은 카메라 영상 안에 자연스럽게 반영됩니다. 결국 웨어러블 카메라의 성능은 렌즈나 해상도만으로 결정되지 않고, 사람의 신체 구조와 움직임을 얼마나 잘 이해하고 설계했는지에 따라 달라집니다.
기존 제품 설계에서는 평균 신장, 평균 머리둘레, 평균 어깨너비와 같은 대표값을 기준으로 착용 위치와 장비 크기를 정하는 경우가 많았습니다. 그러나 실제 사용자는 평균값으로 존재하지 않습니다. 머리 모양, 목 길이, 어깨 경사, 흉곽 형태, 보행 습관, 작업 자세, 착용 장비의 조합은 모두 다르며, 같은 위치에 장착한 카메라도 사용자에 따라 흔들림, 시야 가림, 압박감, 피로도, 데이터 품질이 달라질 수 있습니다. 특히 산업현장, 의료·재활 환경, 스포츠 훈련, 고령자 케어, 군·소방 장비처럼 사용자의 움직임이 크고 환경이 복잡한 분야에서는 평균값 중심 설계의 한계가 더 분명하게 드러납니다.
Bock, M., Kuehne, H., Van Laerhoven, K., and Moeller, M. “WEAR: An Outdoor Sports Dataset for Wearable and Egocentric Activity Recognition,” 2024. Licensed under CC BY-NC-SA 4.0. Image used for editorial reference only.
Image Source: https://mariusbock.github.io/wear/
AI와 디지털휴먼이 확장하는 행동 데이터의 가치
앞으로 웨어러블 카메라는 영상 데이터를 단순 저장하는 장치가 아니라, AI가 사람의 행동을 이해하도록 돕는 중요한 데이터 수집 플랫폼이 될 가능성이 큽니다. 카메라 영상은 IMU 센서, 압력 센서, 생체신호, 위치 정보, 3D 인체 데이터와 결합되면서 사용자의 동작 맥락을 더 풍부하게 설명할 수 있습니다. 예를 들어 사람이 물건을 집기 위해 팔을 뻗는 장면은 영상만으로도 일부 해석할 수 있지만, 팔 길이, 어깨 관절 범위, 상체 회전, 손의 도달 위치, 주변 공간과의 거리 데이터를 함께 보면 사용자의 행동을 훨씬 정밀하게 분석할 수 있습니다.
이러한 데이터는 디지털트윈과 디지털휴먼 기술로 연결됩니다. 실제 사용자의 움직임을 3D 인체모델과 연결하면 제품을 만들기 전에 착용 위치, 시야각, 흔들림, 충돌 가능성, 피로 누적 가능성, 작업 효율을 가상환경에서 시뮬레이션할 수 있습니다. 웨어러블 카메라 역시 앞으로는 단순한 하드웨어 성능 경쟁을 넘어, 어떤 사용자에게 어떤 위치와 형태가 가장 적합한지 예측하고 검증하는 방향으로 발전할 것입니다. 결국 신기술의 핵심은 카메라가 사람을 감시하는 것이 아니라, 사람의 실제 움직임을 이해해 더 안전하고 편안하며 정확한 제품과 서비스를 설계하는 데 있습니다.
인간 행동 데이터를 제품 설계 언어로 바꾸는 컴포랩스
컴포랩스는 3D 휴먼 빅데이터, 인체공학 데이터, 동작 기반 인체데이터, 디지털휴먼 모델을 기반으로 산업별 제품과 서비스가 실제 사람에게 어떻게 맞는지를 분석하는 전문기업입니다. 웨어러블 카메라처럼 사람의 몸에 부착되거나, 사람의 움직임을 기반으로 작동하는 제품은 단순한 치수표만으로 설계하기 어렵습니다. 착용 위치, 접촉 부위, 시야 방향, 관절 움직임, 작업 자세, 사용자군의 체형 차이를 함께 고려해야 하며, 이러한 과정에서 정제된 인체 데이터와 분석 모델이 중요한 역할을 합니다.
컴포랩스의 SIZE LAB은 산업에서 바로 활용할 수 있는 3D 인체 형상, 부위별 치수, 관절 정보, 대표 페르소나, AI 학습용 데이터 활용 가능성을 확장하는 기반이 될 수 있습니다. 또한 Doodll은 제품 개발 과정에서 인간과 제품의 적합성 분석, 가상 사용성 시뮬레이션, AI 기반 워크플로우 지원으로 이어질 수 있는 방향성을 가지고 있습니다. 웨어러블 카메라, 헬스케어 디바이스, 스포츠 장비, 작업자 안전장비, XR 인터페이스처럼 사람의 행동을 이해해야 하는 산업에서는 이제 제품 중심 설계에서 사용자 행동 중심 설계로 전환해야 합니다. 컴포랩스는 이 전환 과정에서 인체데이터를 단순 참고자료가 아니라 제품 의사결정의 기준으로 활용할 수 있도록 돕고자 합니다.
English Version
Why Wearable Cameras Are Becoming Human Behavior Data Platforms
