AI 동작 분석, 각도 측정에서 부상 예측까지 갈 수 있을까?

FITBETTER 편집부 수정7분 읽기

동작 분석 앱이 무릎 각도를 보여 줘요. 그 숫자로 미래의 부상까지 알 수 있을까요?

삼각대의 스마트폰과 훈련용 마네킹을 표현한 동작분석 표지
글의 주제를 표현한 AI 생성 이미지

스마트폰에 찍힌 건 픽셀뿐이고, 나머지는 모두 계산이에요

삼각대에 세운 스마트폰 앞에서 점프를 하면 화면 속 몸 위에 뼈대가 그려지고, 무릎 각도와 "무릎에 걸린 부하"가 숫자로 뜨는 앱이 있어요. 숫자가 소수점까지 나오니 직접 잰 값처럼 보여요. 그런데 카메라가 실제로 기록한 것은 색깔 점, 그러니까 픽셀뿐이에요. 뼈도, 관절도, 힘도 찍히지 않았어요.

픽셀에서 "부상 위험"까지 가려면 계산을 여러 번 거쳐야 해요. 그 전에 용어 두 개가 필요해요. 포즈 추정은 영상 속에서 어깨·무릎 같은 관절이 있을 법한 자리를 인공지능이 점으로 찍는 일이에요. 모멘트는 물체를 돌리려는 효과의 크기로, 물리 시간에 배우는 돌림힘과 같은 개념이에요.

문을 밀 때 경첩에서 먼 손잡이 쪽을 밀면 쉽게 열리는 것처럼, 같은 힘이라도 회전축에서 멀리 작용할수록 모멘트가 커져요. 무릎이나 발목도 회전축이라서, 운동역학에서는 관절이 받는 부담을 모멘트로 나타내요.

표는 좌우로 움직여 전체 내용을 볼 수 있어요.

단계 값이 만들어지는 방식
① 픽셀 두 대 이상 스마트폰의 영상 기록
② 화면 위 관절 위치 포즈 추정으로 2차원 좌표 계산
③ 3차원 뼈대·각도 삼각측량과 인체 모델로 추정
④ 힘·모멘트 물리 법칙과 모델을 이용한 계산
⑤ 미래 부상 예측 종목·집단별 추적 자료로 별도 검증 필요

각도를 맞히는 일, 힘을 맞히는 일, 다칠 사람을 맞히는 일

"AI 동작 분석은 정확하다"는 문장은 사실 서로 다른 물음 세 개를 한꺼번에 묻고 있어요.

첫째, 관절 각도를 기준 장비만큼 맞게 재나? 그림의 ③번이에요. 여기서 기준 장비는 몸에 반사 표식(마커)을 붙이고 적외선 카메라 여러 대로 찍는 실험실 방식을 말해요. 둘째, 몸 안의 힘과 모멘트를 맞게 계산하나? ④번이에요. 셋째, 그 숫자로 다칠 사람을 미리 가려낼 수 있나? ⑤번이에요.

평균 오차는 6도쯤, 그런데 동작이 빠르고 복잡해지면 흔들렸어요

스마트폰 방식의 대표는 2023년 논문으로 공개된 오픈캡(OpenCap)이에요. 스마트폰 두 대 이상으로 찍은 영상에서 움직임과 힘을 계산하는 공개 소프트웨어예요. 연구진은 100명을 대상으로 한 현장 연구에서, 임상가 한 명이 오픈캡으로 분석을 끝내는 속도가 실험실 방식보다 25배 빨랐다고 보고했어요. 여기서 잰 것은 속도와 비용이에요. "실험실이 필요 없어졌다"가 아니라 "훨씬 빨리, 훨씬 싸게 돌릴 수 있었다"까지가 이 연구가 말한 범위예요.3

정확도는 다른 연구팀들이 따로 검증했어요. 2026년에 나온 메타분석은 오픈캡을 기준 장비와 나란히 비교한 연구 12편을 모았고, 그중 11편에 참여한 184명의 자료를 합쳤어요. 관절 각도의 평균 오차는 약 5.9도였고, 두 장비의 값이 함께 오르내리는 정도는 높은 편이었어요. 연구진의 결론은 "받아들일 만한 수준"이에요. 스마트폰 두 대로 얻은 값치고는 분명히 좋은 성적이에요.1

실험실 장비로 710명을 쟀는데도 다칠 선수는 가려내지 못했어요

이제 셋째 물음이에요. 영상 분석으로 전방 십자인대 부상을 미리 막는다는 이야기의 뿌리는 2005년에 나온 한 연구예요. 여자 선수들의 착지 동작을 실험실에서 잰 뒤 추적했더니, 나중에 다친 선수들은 착지할 때 무릎이 안쪽으로 꺾이는 모멘트가 더 컸다는 결과였어요. 다만 이 결론은 다친 선수가 아홉 명뿐인 자료에서 나왔어요.5

2016년 연구는 여자 엘리트 축구·핸드볼 선수 710명의 착지 검사를 분석하고 이후의 비접촉 십자인대 부상 42건을 확인했어요2. 그런데 이 논문에는 2017년 정정이 있어요. 무릎 내측 변위의 계산 오류를 바로잡은 결과, 부상 선수와 비부상 선수의 차이가 더 이상 나타나지 않았다고 정정문은 설명해요11. 최초 논문의 해당 차이나 예측 수치를 그대로 쓰면 안 돼요.

앱이 내놓은 숫자 앞에서 되물을 것들

기술 기사나 앱 설명을 읽을 때는 그림의 사슬을 옆에 두고 세 가지를 되물으면 돼요.

몇 번 칸의 숫자인가. 각도(③)인지, 계산된 힘(④)인지, 위험 판정(⑤)인지부터 봐요. 아래 칸일수록 추정이 많이 쌓여 있어요.

표는 좌우로 움직여 전체 내용을 볼 수 있어요.

앱·기사가 한 말 사슬의 몇 번 칸인가 무엇 옆에 놓고 비교했나 확인된 것 / 아직 빈 것
(예: "무릎 부하를 계산해 준다")

그래서 스마트폰은 실험실을 대신했을까요

처음의 픽셀에서 다시 출발해 보면 이래요. 스마트폰은 픽셀을 찍고, 인공지능은 거기서 뼈대를 세우고, 인체 모델은 힘을 거꾸로 계산해요. 이 가운데 관절 각도 추정은 기준 장비와 비교해 평균 약 6도의 오차를 보였고, 그 덕에 100명을 재는 일이 예전보다 25배 빨라졌어요. 운동장과 교실까지 측정이 내려온 것은 사실이에요.

하지만 사슬의 마지막 칸인 미래 부상 예측은 측정 정확도만 좋아졌다고 채워지지 않아요. 사용할 종목과 집단에서 따로 검증해야 해요. 화면의 숫자가 어떤 단계에서 나온 것인지 되묻는 것이 이 기술을 이해하는 시작이에요.

꼭 알아야 할 개념 3개

외부 검증
모형을 만든 자료와 다른 환경·대상의 자료에서 성능을 확인해요.
데이터 누출
예측 시점에 알 수 없는 정보가 학습·평가에 섞이는 문제예요.
비교 조건
두 결과를 비교할 때 같게 두거나 따로 적어야 할 조건이에요.카메라 위치을 바꿀 때 다른 조건도 함께 기록해요.

STEP 2 · 체육·전공과 연결

이 주제는 체육과 내 전공에서 어떻게 이어질까요?

체육 수업·실기에서

동작 분석 앱이 무릎 각도를 보여 줘요. 그 숫자로 미래의 부상까지 알 수 있을까요? 영상 관찰 기준 기록처럼 수업 장면을 기록과 연결해 볼 수 있어요.

고교 과목 연결

체육1·체육2 · 운동과 건강 · 스포츠 과학 · 물리학 · 역학과 에너지 · 확률과 통계

전공별로 이렇게 다뤄요

대학에서 배우는 과목 예시

스포츠통계 · 스포츠데이터분석 · 체육측정평가

개설 과목과 내용은 학교마다 달라요.

STEP 3 · 입시로 확장

탐구 활동과 예상 면접 질문

직접 해보는 탐구 활동

쉬움

영상 관찰 기준 기록

바꾸는 것·살펴볼 조건
카메라 위치
재는 것·기록할 자료
같은 동작의 관절 위치 표시
비교하는 방법
촬영 방향에 따라 보이는 정보 비교
중간

프레임별 각도 비교

바꾸는 것·살펴볼 조건
같은 영상의 관찰자·프레임
재는 것·기록할 자료
표시한 점과 각도
비교하는 방법
사람의 판독과 앱 값을 같은 순간에 비교
심화

공개 자료와 내 관찰을 비교해 발표하기

바꾸는 것·살펴볼 조건
본문의 연구 조건과 카메라 위치
재는 것·기록할 자료
공개 자료의 측정 항목·대상과 내 관찰 항목
비교하는 방법
같은 항목만 비교하고 대상·기간이 다른 부분은 구분해 발표하기

예상 면접 질문

Q1. 이 주제에 관심을 가진 계기와 직접 확인해 본 것을 설명해 주세요.

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 예상과 다른 결과가 나왔다면 어떻게 설명할까요? / 측정할 때 어떤 조건을 같게 두었나요?

Q2. 각도를 잘 맞히면 부상도 예측하나요?

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 본문 연구와 내 관찰은 무엇이 다른가요? / 결론을 바꾸려면 어떤 자료가 더 필요한가요?

Q3. 스포츠데이터분석에서 이 주제를 더 공부한다면 무엇을 연구하고 싶나요?

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 어떤 과목의 개념이 필요한가요? / 새로운 대상에서도 같은지 어떻게 확인할까요?

자주 묻는 질문

AI 동작 분석, 각도 측정에서 부상 예측까지 갈 수 있을까?

영상의 관절 각도를 맞히는 일과 앞으로 다칠 사람을 예측하는 일은 달라요. AI가 무엇을 측정했고 다른 대상에서도 맞는지 확인해야 해요.

각도를 잘 맞히면 부상도 예측하나요?

측정 정확도와 미래 사건의 예측은 별도 검증이에요. 새로운 선수와 환경에서 평가했는지도 확인해야 해요.

이 주제로 학교에서 어떤 탐구를 할 수 있나요?

영상 관찰 기준 기록부터 시작할 수 있어요. 카메라 위치을 살펴보고, 같은 동작의 관절 위치 표시을 기록한 뒤 촬영 방향에 따라 보이는 정보 비교를 해 보세요.

스포츠데이터스포츠생체역학스포츠손상
연결 정보
관련 전공
읽는 목적

경기장 AI 카메라의 정확도는 어떻게 읽을까?

AI 카메라는 영상에서 선수 위치와 움직임을 계산해요. 평균 위치 오차와 선수를 놓치는 비율은 다른 성능이에요. 체육 탐구 활동과 전공·면접 연결을 쉽게 정리했어요.

스포츠데이터분석7분 읽기

햄스트링은 왜 다시 다칠까? 예방의 근거와 팀 훈련 사이에 남은 빈칸

햄스트링 예방 프로그램을 넣은 집단에서는 손상이 줄었지만, 현장에서 꾸준히 쓰는 일은 별개의 문제였어요. 예방 효과와 팀의 실행, 이미 다친 선수의 복귀 판단을 나누어 읽어요.

스포츠손상·재활7분 읽기

내 동작을 영상으로 보면 더 잘 배울까?

영상은 동작을 다시 볼 수 있게 해 줘요. 어디를 볼지 기준을 함께 정하면 피드백을 더 구체적으로 사용할 수 있어요. 체육 탐구 활동과 전공·면접 연결을 쉽게 정리했어요.

스포츠교육·지도7분 읽기
참고문헌과 확인 범위 펼쳐보기

참고문헌과 확인 범위

[1] Çabuk, S., Ulupınar, S., İnce, İ., & Özbay, S. (2026). Can OpenCap deliver valid and reliable kinematic data for motion analysis? A systematic review and three-level meta-analysis. Biology of Sport, 43(4), 555–573. https://doi.org/10.5114/biolsport.2026.154942 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [2] Krosshaug, T., Steffen, K., Kristianslund, E., Nilstad, A., Mok, K.-M., Myklebust, G., Andersen, T. E., Holme, I., Engebretsen, L., & Bahr, R. (2016). The vertical drop jump is a poor screening test for ACL injuries in female elite soccer and handball players. The American Journal of Sports Medicine, 44(4), 874–883. https://doi.org/10.1177/0363546515625048 PubMed 공개 초록 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [3] Uhlrich, S. D., Falisse, A., Kidziński, Ł., Muccini, J., Ko, M., Chaudhari, A. S., Hicks, J. L., & Delp, S. L. (2023). OpenCap: Human movement dynamics from smartphone videos. PLOS Computational Biology, 19(10), e1011462. https://doi.org/10.1371/journal.pcbi.1011462 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [4] Turner, J. A., Kiefer, A. W., Bullock, G. S., Kucera, K. L., Cameron, K. L., Boling, M. C., Marshall, S. W., & Padua, D. A. (2026). Reliability and predictive validity of trunk and lower extremity kinematics during a jump-landing task using OpenCap markerless motion capture system. Journal of Biomechanics, 194, 113026. https://doi.org/10.1016/j.jbiomech.2025.113026 PubMed 공개 초록 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [5] Hewett, T. E., Myer, G. D., Ford, K. R., Heidt, R. S., Jr., Colosimo, A. J., McLean, S. G., van den Bogert, A. J., Paterno, M. V., & Succop, P. (2005). Biomechanical measures of neuromuscular control and valgus loading of the knee predict anterior cruciate ligament injury risk in female athletes: A prospective study. The American Journal of Sports Medicine, 33(4), 492–501. https://doi.org/10.1177/0363546504269591 PubMed 공개 초록 — 공개 초록(발췌) · 기존 원고 확인 기록 2026-09-18 [6] Cho, J.-H., Lim, S.-T., & Heo, A.-S. (2025). OpenCap vs. LESS: Sport-specific profiling of dynamic knee valgus. Journal of Clinical Medicine, 14(24), 8879. https://doi.org/10.3390/jcm14248879 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [7] Kanko, R. M., Laende, E. K., Davis, E. M., Selbie, W. S., & Deluzio, K. J. (2021). Concurrent assessment of gait kinematics using marker-based and markerless motion capture. Journal of Biomechanics, 127, 110665. https://doi.org/10.1016/j.jbiomech.2021.110665 PubMed 공개 초록 — 공개 초록 · 기존 원고 확인 기록 2026-09-18 [8] Wade, L., Needham, L., McGuigan, P., & Bilzon, J. (2022). Applications and limitations of current markerless motion capture methods for clinical gait biomechanics. PeerJ, 10, e12995. https://doi.org/10.7717/peerj.12995 PubMed 공개 초록 — 공개 초록(요약 확인) · 기존 원고 확인 기록 2026-09-18 [9] Bahr, R. (2016). Why screening tests to predict injury do not work—and probably never will…: A critical review. British Journal of Sports Medicine, 50(13), 776–780. https://doi.org/10.1136/bjsports-2016-096256 PubMed 공개 초록 — 서지와 초록 요지 · 기존 원고 확인 기록 2026-09-18 [10] 박상헌(한국스포츠정책과학원 연구위원). (2022). 국가대표선수 스포츠과학 밀착지원의 현황과 과제. 대한민국 정책브리핑. https://www.korea.kr/news/policyNewsView.do?newsId=148909942 — 공개 페이지 · 기존 원고 확인 기록 2026-09-18 본문으로 돌아가기

[11] Corrigendum. (2017). The American Journal of Sports Medicine, 45(9), NP28–NP29. https://doi.org/10.1177/0363546517716155 PubMed 공개 초록 — 출판사 정정 내용 확인 2026-10-07. 원논문 2의 무릎 내측 변위 분석 계산 오류와 집단 차이 소실을 반영함. 본문으로 돌아가기

출처·편집 기준: 콘텐츠·편집 기준 · 논술·면접 준비