2026-01-18

MediaPipe란?

MediaPipe는 Google에서 개발한 실시간 멀티모달 인식 프레임워크로,
카메라 입력을 기반으로 얼굴, 손, 자세, 신체 움직임 등을 빠르고 가볍게 추적할 수 있는 도구이다.

머신러닝 모델을 직접 학습하지 않아도,
이미 학습된 경량화된 파이프라인을 통해 실시간 인식이 가능하다는 점이 가장 큰 특징이다.

MediaPipe의 주요 특징

• 실시간 처리에 최적화
  • CPU 환경에서도 안정적인 FPS 확보 가능
• 사전 학습 모델 제공
  • 별도의 데이터 수집·학습 없이 바로 사용 가능
• 랜드마크 기반 결과 제공
  • 좌표(x, y, z) 형태로 정밀한 포인트 추출
• AI 사용 여부를 선택적으로 분리 가능
  • 모델 추론이 아닌 규칙 기반 판단도 가능

주요 솔루션 종류

1. Face Mesh

• 얼굴의 468개 랜드마크를 추적
• 활용 예:
  • 눈 깜빡임 감지
  • 졸음 탐지
  • 표정 분석
  • 아바타 표정 동기화

2. Pose

• 전신 관절(33개 포인트) 추적
• 활용 예:
  • 자리 이탈 감지
  • 자세 분석
  • 스트레칭/운동 자세 인식

3. Hands

• 손의 21개 랜드마크 추적
• 활용 예:
  • 손동작 인식
  • 제스처 기반 인터랙션

MediaPipe와 AI 모델(YOLO 등)의 차이

👉 졸음, 자리비움, 자세 판단과 같이
명확한 기준이 있는 경우에는 MediaPipe가 더 적합하다.

오늘 배운 핵심 포인트

• MediaPipe는 AI 모델을 직접 학습하지 않아도 실시간 인식이 가능하다.
• 단순 탐지(졸음, 자리비움)는 MediaPipe 단독으로도 충분히 구현 가능하다.
• 복잡한 분류·객체 인식이 필요할 경우에만 YOLO 같은 딥러닝 모델을 고려하면 된다.
• 규칙 기반 판단과 결합하면 AI 의존도를 낮춘 안정적인 서비스 설계가 가능하다.

활용 아이디어 (프로젝트 관점)

• 졸음 감지:
  • 눈 종횡비(EAR) 기반 눈 감김 시간 측정
• 자리비움 감지:
  • Pose 랜드마크 미검출 시간 기준 판단
• 아바타 연동:
  • Face Mesh 랜드마크 → 표정 값 매핑

느낀 점

MediaPipe는
“AI를 써야만 할 것 같은 문제”를 비교적 단순한 구조로 해결할 수 있게 해주는 도구라는 점에서 인상 깊었다.

특히 실시간성이 중요한 서비스에서는
무거운 모델보다 MediaPipe + 규칙 기반 로직이 더 현실적인 선택이 될 수 있음을 느꼈다.