본 논문은 과학관 전시물의 선호도를 조사하기 위한 관람객 행동 데이터 수집 및 분석 프레임워크를 제안한다. 제안된 프레임워크는 Human-x-object Interaction(HOI) 기반의 관람객 행동 인식 기법을 중심으로 설계되었으며, 깊이(Depth) 정보를 활용하여 2차원(2D) 이미지 좌표를 3차원(3D) 공간 좌표로 변환함으로써 전시 환경 내에서의 상호작용 관계를 보다 정밀하게 분석할 수 있도록 하였다. 이를 통해 동일한 장면 내에서도 관람객과 전시물 간의 실제 거리 및 상호작용 강도를 반영하는 고정밀 행동 인식이 가능하다. 또한, 본 연구에서는 Zero-Shot 학습 기법을 적용하여, ‘객체(x-object)’의 분류를 행동(Action)의 관점에서 재정의함으로써 학습 데이터에 존재하지 않는 미지의 전시물(Unknown x-object)에 대해서도 적절한 행동 탐지가 가능하도록 하였다. 이러한 접근은 새로운 전시물이나 다양한 형태의 관람 환경에서도 모델의 확장성과 일반화 성능을 확보할 수 있게 한다. 제안된 프레임워크는 비접촉식 카메라 기반의 관람객 행동 데이터를 자동으로 수집·분석하여, 전시물의 흥미도·이해도·몰입도 등 정서적·인지적 반응을 정량적으로 예측하는 데 활용될 수 있다. 이를 통해 과학관 전시물의 효과 분석, 개선 방향 도출, 신규 전시물 개발 등에 필요한 객관적이고 데이터 기반의 기초 자료를 제공하는 것을 목표로 한다.