앉아서 생활하는 시간이 늘어나면서 잘못된 자세로 인한 건강 문제에 대한 관심이 높아지고 있습니다. 기존 방법들은 침습적인 센서나 컴퓨터 비전을 사용하며, 두 단계 파이프라인으로 구성되어 있어 높은 침투성, 과도한 계산량, 임베디드 장치에서의 열악한 실시간 성능을 보입니다. 본 논문에서는 YOLOv11-Pose에서 영감을 받아, 임베디드 엣지 장치에서 앉은 자세 인식을 위한 경량 단일 단계 네트워크인 LSP-YOLO를 제안합니다. PConv와 SimAM을 통합한 Light-C3k2 모듈을 설계하여 계산 비용을 줄이면서도 특징 추출 능력을 유지했습니다. 또한, 자세 추정과 분류의 효율적인 융합을 위해 중간 감독을 사용했습니다. LSP-YOLO-n 모델은 1.9MB의 작은 크기로 PC에서 94.2% 정확도와 251 FPS를 달성했습니다. SV830C + GC030A 플랫폼에서도 실시간 고정밀 추론을 시연했습니다. 제안된 방식은 높은 효율성, 경량 설계, 배포 가능성을 특징으로 하며, 스마트 교실, 재활, 인간-컴퓨터 상호 작용 애플리케이션에 적합합니다.
