KR101579380B1 - 개인화 수영 영법 실시간 검출 방법 및 시스템 - Google Patents

개인화 수영 영법 실시간 검출 방법 및 시스템 Download PDF

Info

Publication number
KR101579380B1
KR101579380B1 KR1020140081998A KR20140081998A KR101579380B1 KR 101579380 B1 KR101579380 B1 KR 101579380B1 KR 1020140081998 A KR1020140081998 A KR 1020140081998A KR 20140081998 A KR20140081998 A KR 20140081998A KR 101579380 B1 KR101579380 B1 KR 101579380B1
Authority
KR
South Korea
Prior art keywords
swimming
user
data
personalized
detected
Prior art date
Application number
KR1020140081998A
Other languages
English (en)
Inventor
이의진
박태우
황인석
오정민
강성준
최우혁
문미리
송준화
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020140081998A priority Critical patent/KR101579380B1/ko
Application granted granted Critical
Publication of KR101579380B1 publication Critical patent/KR101579380B1/ko

Links

Images

Classifications

    • G06F19/00—

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

개인화 수영 영법 실시간 검출 방법 및 장치가 제시된다. 제안하는 개인화 수영 영법 실시간 검출 방법은 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하는 단계, 상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하는 단계, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 단계, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하는 단계, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계, 상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계를 포함할 수 있다.

Description

개인화 수영 영법 실시간 검출 방법 및 시스템{Method and System for Real-time Detection of Personalization Swimming Type}
본 발명은 수중 상황에서 스마트 단말의 센서를 이용하여 사용자의 수영 영법을 실시간으로 검출 하는 방법 및 시스템에 관한 것이다.
최근 헬스케어에 대한 국민적 관심이 높아짐에 따라, 운동량을 체계적으로 관리하고 모니터링하는 액티비티 모니터링(Activity Monitoring)(또는 Activity Tracking)의 분야가 매우 활성화되고 있다. 다양한 웨어러블 디바이스를 이용하여, 자신의 운동량 혹은 칼로리소모량을 측정하는 제품들이 줄줄이 출시가 되고 있다. 대표적으로 피트빗(Fitbit)에서는 손목에 차는 액티비티 트래커(Activity Tracker)로 큰 인기를 끌고 있다. 이러한 디바이스들은 주로 걷기, 뛰기, 수영 등을 검출하여 운동량을 측정하지만, 단순히 가속도 센서에 의한 움직임의 정도에만 의존하는 경우가 많다. 대부분의 제품개발 또는 연구가 육상에서 하는 운동(예를 들어, 걷기, 달리기, 싸이클링) 등에만 초점이 맞추어져 있으며 수상에서 하는 활동에 대한 연구 개발이 미흡하다. 육상 운동에서 운동 종류 및 운동 단위(예를 들어, 조깅 몇 걸음, 자전거 페달링 몇 바퀴)를 모니터링하여 관리를 하듯이 수영에서도 수영영법을 검출하고 운동 단위(스트로크)를 계수하여 수영 운동의 관리를 체계적으로 하는 것이 가능하다. 하지만 걷기나 달리기와 같은 육상 운동에 비해서 수영의 경우 다양한 영법을 구사할 수 있고 각각의 영법이 독특한 신체 움직임의 특성을 가진다. 따라서, 상대적으로 영법 검출 및 운동 주기 파악 (또는 운동 단위 계수) 에 어려움이 많다.
본 발명이 이루고자 하는 기술적 과제는 육지가 아닌 물 속에서 이루어지는 수영에서 스마트 단말을 이용한 수영 영법을 검출하는 방법 및 시스템을 제공하는데 있다. 제안하는 기술은 가속도센서, 자이로스코프 등의 움직임을 인식할 수 있는 센서들을 이용하여 단순히 현재 영법을 검출하는 것에서 더 나아가, 바로미터와 같은 기압(또는 수압)을 검출할 수 있는 센서를 이용하여 영법을 수행한 타이밍까지 파악하여 정확한 스트로크 개수까지 파악할 수 있는 방법 및 시스템을 제공하고자 한다.
일 측면에 있어서, 본 발명에서 제안하는 개인화 수영 영법 실시간 검출 방법은 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하는 단계, 상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하는 단계, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 단계, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하는 단계, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계, 상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계를 포함할 수 있다.
상기 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계는 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계, 상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍 단계, 상기 입력 받은 데이터를 특징값으로 추출하는 단계, 상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 단계를 포함할 수 있다.
상기 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계는 상기 스마트 단말에 내장된 가속도 센서와 자이로스코프를 통해 x, y, z 축에 대한 데이터 및 기압센서를 통한 데이터를 입력 받을 수 있다.
상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍 단계는 상기 복수의 센서로부터 입력 받는 연속적인 데이터들의 평균을 계산하거나 다양한 신호처리 필터를 사용하여 노이즈를 제거할 수 있다.
상기 입력 받은 데이터를 특징값으로 추출하는 단계는 상기 복수의 센서로부터 입력 받은 복수의 데이터를 누적하여 상기 복수의 데이터에서 최대값, 최소값, 평균값, 표준편차 등의 특징값을 추출할 수 있다. 이때, 최대값, 최소값, 평균값, 표준편차의 특징값 중 적어도 하나를 포함하는 특징값을 추출할 수 있고, 최대값, 최소값, 평균값, 표준편차 이외에 이와 유사한 다른 특징값들을 포함할 수 있다. 또한 상기 복수의 데이터에 대해 주파수 성분을 파악하고 스펙트럴 덴시티 등의 주파수 특징값을 추출할 수 있다.
상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계는 기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출하는 단계를 포함할 수 있다.
상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단할 수 있다.
상기 개인화 수영 영법 실시간 검출 방법을 이용하여 상기 사용자의 운동량을 체계적으로 관리하고 모니터링 할 수 있다.
또 다른 일 측면에 있어서, 본 발명에서 제안하는 개인화 수영 영법 실시간 검출 시스템은 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하고, 검출된 수영 영법을 사용자에게 나타내기 위한 디스플레이부, 상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하고, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 센서부,
상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하고, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 모델생성 및 분류부, 상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 검출부를 포함할 수 있다.
상기 센서부는 상기 검출하고자 하는 사용자의 수영 영법의 x, y, z 축에 대한 데이터를 수집하는 가속도 센서 및 자이로스코프등의 모션 센서, 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 수집하는 기압/수압센서를 포함할 수 있다.
상기 모델생성 및 분류부는 상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍부, 상기 입력 받은 데이터를 특징값으로 추출하기 위한 특징값 추출부, 상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 영법 분류부를 포함할 수 있다.
상기 검출부는 기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출하고, 상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단할 수 있다.
상기 개인화 수영 영법 실시간 검출 시스템은 사용자의 팔에 부착되어 디스플레이 및 음성 안내를 통해 상기 사용자의 운동량을 체계적으로 관리하고 모니터링할 수 있다.
본 발명의 실시예들에 따르면 스마트 단말의 가속도센서와 자이로스코프를 이용하여 현재 센서를 통해 입력되는 사용자의 영법을 분류할 수 있으며, 기압센서인 바로미터를 이용한 피크 검출(Peak Detection)을 통해 영법의 타이밍까지 인식할 수 있다. 이를 통해 사용자는 현재 영법이 무엇인지 알 수 있으며, 영법 별로 각각 몇 번을 수행하였는지 까지 파악할 수 있다. 산업적으로는 수영하는 사람들의 영법 상태를 자동으로 모니터링 할 수 있어, 수영을 이용한 게임을 제작, 또는 영법 별 스트로크 수 카운트를 통한 운동량 측정 등 웨어러블 컴퓨팅 분야에 다양하게 응용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 생성된 개인화 수영 영법 모델에 따라 분류하는 단계를 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 특징값의 개수에 따른 정확도와 성능을 나타낸 그래프이다.
도 4는 본 발명의 일 실시예에 따른 사용자의 수영 영법의 타이밍을 검출하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 시스템을 사용자가 착용하는 모습을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 시스템의 구성을 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 모델생성 및 분류부의 구성을 나타내는 도면이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 방법을 설명하기 위한 흐름도이다.
개인화 수영 영법 실시간 검출 방법은 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하는 단계(110), 상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하는 단계,(120) 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 단계,(130) 상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하는 단계,(140) 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계(150), 상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계(160)를 포함할 수 있다.
단계(110)에서, 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택할 수 있다. 예를 들어, 스마트 단말에 나타난 미리 정해진 복수의 수영 영법 중 하나를 터치하여 선택할 수 있다. 미리 정해진 복수의 수영 영법은 접영, 배영, 평영, 자유형을 포함할 수 있다.
단계(120)에서, 상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집할 수 있다. 예를 들어, A초 후에 스마트 단말에 내장되어 있는 가속도센서, 자이로스코프, 기압/수압센서 등의 센서를 이용하여 데이터를 수집할 수 있다. 실시예에 따른 기압/수압센서로는 바로미터가 사용될 수 있다. 이때, A초 후에 수집을 시작하는 이유는 출발 시 발생하는 노이즈를 없애기 위한 것이다. 예를 들어, 스마트 단말이 A초 후에 "자유형을 해주세요. 5 4 3 2 1"라는 소리를 통한 가이드를 주면 사용자는 수영을 시작함으로써 데이터 수집을 매우 편리하게 할 수 있다.
그리고, B초 후에 데이터 수집을 자동 종료할 수 있다. B초 후에 수집이 자동으로 종료되는 이유는 수영이 끝날 때 발생하는 노이즈를 없애기 위한 것이다. 사용자가 인터페이스를 직접 조작하여 수집을 종료하고, 특정 시간만큼을 잘라낼 수도 있지만, 수중에서는 인터페이스를 조작하기가 힘들어 제안하는 방법과 같이 미리 정해진 시간 동안 자동으로 데이터를 수집할 경우 큰 편리성을 제공할 수 있다.
단계(130)에서, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행할 수 있다. 예를 들어, 접영, 배영, 평영, 자유형 각각에 대하여 사용자로부터 데이터를 수집할 수 있다.
단계(140)에서, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성할 수 있다. 예를 들어, 모든 영법에 대해서 위와 같은 방법으로 데이터를 수집한 후, 기계학습 알고리즘을 이용하여 수영 영법 모델을 생성할 수 있다.
단계(150)에서, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류할 수 있다.
검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계는 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계, 상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍 단계, 상기 입력 받은 데이터를 특징값으로 추출하는 단계, 상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 단계를 포함할 수 있다. 도 2를 참조하여 생성된 개인화 수영 영법 모델에 따라 분류하는 단계에 대하여 더욱 상세히 설명한다.
도 2는 본 발명의 일 실시예에 따른 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 생성된 개인화 수영 영법 모델에 따라 분류하는 단계를 설명하기 위한 흐름도이다.
검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계는 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계(210), 상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍 단계(220), 상기 입력 받은 데이터를 특징값으로 추출하는 단계(230), 상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 단계(240)를 포함할 수 있다.
단계(210)에서, 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받을 수 있다. 예를 들어, 모바일 기기에 탑재된 가속도센서와 자이로스코프를 통해 X, Y, Z 각각 축에 대하여 AccelX, AccelY, AccelZ, GyroX, GyroY, GyroZ의 6종류의 데이터를 입력 받을 수 있다. 그리고 기압센서로부터 1종류의 데이터를 포함하여, 총 7종류의 데이터를 입력 받을 수 있다. 실시예에 따른 기압센서로는 바로미터가 사용될 수 있다.
단계(220)에서, 상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍을 수행할 수 있다. 센서로부터 입력 받은 원시 데이터(Raw Data)의 경우 매우 불안정하고 오차가 많기 때문에, 센서로부터 받은 입력값을 프레이밍 모듈을 통해 노이즈를 최소화할 수 있다. 구체적으로 프레이밍을 하는 방법은 가속도 센서로부터 들어오는 연속적인 샘플 데이터들을 평균을 내어 노이즈를 감소 시킬 수 있다. 예를 들어, 센서로부터 입력 받는 데이터들을 5 샘플마다 프레이밍 하는 경우, VALUEavg = VALUE1 + VALUE2 + VALUE3 + VALUE4 + VALUE5) · (1/5)를 입력되는 샘플 데이터마다 취함으로써 이를 실현할 수 있다. 또는, 지수적 가중치에 기반한 이동식 평균값 추출 (Exponentially weighted moving average) 방법을 사용하거나, 로우패스 또는 밴드패스 필터를 포함하는 다양한 신호처리 필터를 사용함으로써 노이즈를 최소화 할 수도 있다. 이는 부가적인 과정이며, 센서로부터 입력되는 값이 매우 안정적인 경우 이 과정을 생략할 수 있다.
단계(230)에서, 상기 입력 받은 데이터를 특징값으로 추출할 수 있다. 상기 복수의 센서로부터 입력 받은 복수의 데이터를 누적하여 상기 복수의 데이터 중 최대값, 최소값, 평균값, 표준편차 값을 추출할 수 있다. 이때, 최대값, 최소값, 평균값, 표준편차의 특징값 중 적어도 하나를 포함하는 특징값을 추출할 수 있고, 최대값, 최소값, 평균값, 표준편차 이외에 이와 유사한 다른 특징값들을 포함할 수 있다. 다시 말해, 가속도센서와 자이로스코프 내에서 측정되는 특정 시간 구간(T) 내의 값들을 특징값으로 재가공할 수 있다. 예를 들어, 입력 받은 데이터를 특징값으로 추출하는 과정은 센서에서 측정되는 단일 샘플이 아닌, 복수의 샘플을 누적하여 이루어질 수 있다. 대표적인 특징값의 예로는 특정 시간 구간 내의 샘플들의 최대값(Max), 최소값(Min), 평균값(Mean), 표준편차(Variance)값이 될 수 있다. 가속도센서와 자이로스코프의 두 센서로부터 들어온 6종류의 값들에 대해서 적용되기 때문에, 앞에서 언급한 4개의 값들을 시간 구간의 특징값으로 정의한 경우, 6종류의 값 X4 종류의 특징값이 되어 총 24종류의 특징값이 추출된다. 아래는 24종류의 특징값 추출에 대한 예시를 나타낸 것이다.
AccelX: AccelX_Max, AccelX_Min, AccelX_Mean, AccelX_Variance
AccelY: AccelY_Max, AccelY_Min, AccelY_Mean, AccelY_Variance
AccelZ: AccelZ_Max, AccelZ_Min, AccelZ_Mean, AccelZ_Variance
GyroX: GyroX_Max, GyroX_Min, GyroX_Mean, GyroX_Variance
GyroY: GyroY_Max, GyroY_Min, GyroY_Mean, GyroY_Variance
GyroZ: GyroZ_Max, GyroZ_Min, GyroZ_Mean, GyroZ_Variance
이러한 특징값들은 실시예일뿐 일부 변형되거나 추가될 수 있다. 예를 들면 구간 내 값의 변화 과정에서 0 또는 평균값을 횡단한 횟수 (Zero-crossing 또는 Mean-crossing) 를 계수할 수도 있고, 누적된 샘플 데이터에 대해 주파수 성분을 파악하고 스펙트럴 덴시티 또는 엔트로피 등의 주파수 특징값을 추출하거나, PCA와 같은 알고리즘을 적용하여 데이터의 차원을 줄인 후 상기 특징값을 추출 가능하다. 실제로 제안하는 방법의 실험 시에는 X, Y, Z값의 벡터 크기(Magnitude)에 대한 4종류의 특징값을 추출하였다. 가속도센서를 예로 들면 수학식1과 같다.
AccelMag =
Figure 112014062143577-pat00001
Figure 112014062143577-pat00002
수학식1
AccelMag: AccelMag_Max, AccelMag_Min, AccelMag_Mean, AccelMag_Variance
실시예에 따라 수행한 영법 판단 실험 결과, 일정 시간 구간은 2초로 설정하고, 아래와 같은 16개의 특징값들이 최종적으로 사용되었으며, 앞서 언급한 것처럼 실시예의 조건에 따라 아래 특징값들은 줄어들거나 추가될 수 있다. 여기에서 IG(Information Gain)는 각 특징값의 예측력을 표현한 것이다.
<표1>
Figure 112014062143577-pat00003

이 특징값을 기계학습을 통해 수행하면 현재 입력된 특징값들이 어떤 영법을 나타내고 있는지를 검출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 특징값의 개수에 따른 정확도와 성능을 나타낸 그래프이다. 실제 실험에서 Information Gain이 높은 순으로 상위 8개 이상의 특징값들을 사용하면 최소 90%이상의 영법 분류가 가능함을 확인하였다. 참고로 이 과정에서 기계학습 모델을 미리 만들어놓아야 본 발명을 실시할 때, 영법을 분류하는 것이 가능하다. 예를 들어, 여러 사람들의 샘플을 모아 미리 일반적인 수영 모델을 만들어놓을 수도 있고, 경우에 따라서 개인에 맞는 최적화 모델을 따로 만들어놓을 수도 있다. 구체적인 방법은 검출된 특징값들을 입력으로 하였고, 이미 잘 알려진 종래기술인 다양한 기계학습 방법들(Naie Bayes, Support Vector Machines, Decision Tree)을 이용하였다.
단계(240)에서, 상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류할 수 있다. 앞서 생성된 수영 영법 모델을 이용한 기계학습 알고리즘에 추출된 특징값을 입력값으로 하여 사용자의 수영 영법을 분류할 수 있다. 여기에서 해당 모델은 다른 다수의 사용자로부터 미리 만들어진 일반 수영 영법 모델일 수도 있고, 사용자 본인의 데이터로 만든 개인화 수영 영법 모델일 수도 있다.
다시 도 1을 참조하면, 단계(160)에서, 상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단할 수 있다. 이때, 기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출하는 단계를 포함할 수 있다. 다시 말해, 검출된 영법이 언제 수행되었는지 타이밍을 검출하기 위한 단계이다. 실시예에 따른 기압센서로는 바로미터가 사용될 수 있다.
단계(150)에서는 일정 시간이 지날 때마다(예를 들어, 0.5초) 연속적으로 현재 영법을 분류하기 때문에, 정확한 영법의 진행상태가 어떠한지, 어느 정도 영법이 진행되었는지에 대해 알기 어렵다. 도 3에서 보이는 것과 같이, 기압센서를 이용하면 수영 시 팔이 들어가고 나가는 타이밍을 정확하게 판단할 수 있기 때문에, 매우 정확한 영법 타이밍을 검출할 수 있다.
도 4는 본 발명의 일 실시예에 따른 사용자의 수영 영법의 타이밍을 검출하는 방법을 설명하기 위한 도면이다.
도 4(a)는 접영(butterfly)의 전체 동작을 나타내는 도면이고, 도 4(b)는 제안하는 방법에서 사용된 기압센서인 바로미터의 측정예를 나타낸 도면이다.
도 4(a)를 참조하면, 접영(butterfly)의 전체 동작 중 기압계의 값이 가장 최고값을 가질 때, 해당 센서가 가장 깊은 물 속에 있다(420)고 판단하였고 이를 스트로크가 이루어진 타이밍(430)으로 간주할 수 있다. 또한 센서가 물 속에 있는 경우에는 일정 임계치를 상한으로 값이 올라가지 않는 특징이 있기 때문에, 정확한 판단이 가능하다. 또한, 실시예의 조건에 따라서 최저값을 이용하여 타이밍을 검출할 수도 있다. 뿐만 아니라, 알려진 피크 검출(Peak Detection) 테크닉을 이용하여 이를 처리할 수도 있다.
이러한 방법을 이용한 바로미터의 측정 결과는 도 4(b)와 같이, 사용자의 수영 영법의 타이밍을 검출하고, 이에 따라 시간 별로, 접영(Butterfly)(411), 평영(Breaststroke)(412), 배영(Backstroke)(413), 자유형(Freestyle)(414)의 영법을 분류할 수 있다.
이와 같이, 상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단할 수 있다
도 5는 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 시스템을 사용자가 착용하는 모습을 설명하기 위한 도면이다.
제안하는 개인화 수영 영법 실시간 검출 시스템은 가속도센서, 자이로스코프, 기압센서를 내장하고 있는 스마트 단말을 통해 동작할 수 있다. 실제로 수중 상황을 가정하기 때문에, 방수 장비가 갖추어진 일반 스마트 단말이 대표적인 그 예가 될 수 있다. 또한, 앞서 설명한 것과 같이 본격적으로 수영 영법과 그 타이밍을 검출하기 전에, 수영 영법에 대한 센서별 데이터 수집 및 이를 이용하여 기계학습 알고리즘을 이용한 수영 영법 모델 생성 과정이 동반될 수 있다.
이러한 제안하는 개인화 수영 영법 실시간 검출 방법 및 시스템은 사용자의 운동량을 체계적으로 관리하고 모니터링할 수 있다. 다시 말해, 개인화 트레이닝 프로세스가 포함된 개인화 수영 영법 실시간 검출 방법 및 시스템을 통해 사용자 개인별로 모델을 만들어 운동량을 체계적으로 관리하고 모니터링 하는 성능이 크게 향상되었다.
또한, 접영, 평영, 배영, 자유형의 4가지 영법 이외에도 돌핀킥, 턴 등의 다른 행위들이 수영장에서 발생할 수 있다. 제안하는 개인화 수영 영법 실시간 검출 방법 및 시스템은 턴하는 동작 및 돌핀킥 등 수중에서 동작하는 사용자의 움직임을 분류할 수 있다.
제안하는 개인화 수영 영법 실시간 검출 시스템(510)은 도 5와 같이 사용자의 팔 또는 팔목 등에 부착되어 디스플레이(511) 및 이어폰(512)을 이용한 음성 안내를 통해 상기 사용자의 운동량을 체계적으로 관리하고 모니터링이 가능할 수 있다.
도 6은 본 발명의 일 실시예에 따른 개인화 수영 영법 실시간 검출 시스템의 구성을 나타내는 도면이다.
도 6에 도시한 바와 같이, 대화 기반 검색 시스템은 디스플레이부(610), 센서부(620), 모델생성 및 분류부(630) 및 검출부(640)로 이루어진 프로세서(600), 메모리(601), 네트워크 인터페이스(602)를 포함하여 구성될 수 있다.
메모리(601)는 OS(operating system)와 개인화 수영 영법 실시간 검출 시스템의 루틴에 해당되는 명령어를 포함하는 프로그램이 저장될 수 있다. 개인화 수영 영법 실시간 검출 시스템은 수중 상황에서 스마트 단말의 센서를 이용하여 사용자의 수영 영법을 실시간으로 검출 결과를 제공할 수 있다. 도 1 내지 도 5를 통해 설명한 개인화 수영 영법 실시간 검출 방법에서 수행되는 단계들은 메모리(601)에 저장된 프로그램에 의해 실행될 수 있다. 예를 들어, 메모리(601)는 하드디스크, SSD, SD 카드 및 기타 저장매체일 수 있다.
네트워크 인터페이스(602)는 대화 기반 검색 서비스를 이용하는 사용자 단말들과의 통신을 위해 대화 기반 검색 시스템을 네트워크에 결합할 수 있다.
프로세서(600)는 메모리(601)에 저장된 프로그램의 명령어에 따라 처리하는 장치로서, CPU 등의 마이크로프로세서가 포함될 수 있다. 프로세서(600)의 세부 구성은 다음과 같다.
디스플레이부(610)는 스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하고, 검출된 수영 영법을 사용자에게 나타낼 수 있다.
센서부(620)는 디스플레이부에서 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하고, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행할 수 있다. 센서부(620)는 검출하고자 하는 사용자의 수영 영법의 x, y, z 축에 대한 데이터를 수집하는 가속도 센서 및 자이로스코프를 포함할 수 있다. 또한, 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 수집하는 기압센서를 포함할 수 있다. 실시예에 따른 기압센서로는 바로미터가 사용될 수 있다.
모델생성 및 분류부(630)는 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하고, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류할 수 있다. 이러한 모델생성 및 분류부(630)는 프레이밍부, 특징값 추출부, 영법 분류부를 포함할 수 있다. 도 7을 참조하여 더욱 상세히 설명한다.
도 7은 본 발명의 일 실시예에 따른 모델생성 및 분류부의 구성을 나타내는 도면이다.
모델생성 및 분류부(700)는 프레이밍부(710), 특징값 추출부(720), 영법 분류부(730)를 포함할 수 있다.
프레이밍부(710)는 센서로부터 입력 받은 데이터의 노이즈를 제거할 수 있다. 센서로부터 입력 받은 원시 데이터(Raw Data)의 경우 매우 불안정하고 오차가 많기 때문에, 센서로부터 받은 입력값을 프레이밍 모듈을 통해 노이즈를 최소화할 수 있다. 구체적으로 프레이밍을 하는 방법은 가속도 센서로부터 들어오는 연속적인 샘플 데이터들을 평균을 내어 노이즈를 감소 시킬 수 있다. 예를 들어, 센서로부터 입력 받는 데이터들을 5 샘플마다 프레이밍 하는 경우, VALUEavg = VALUE1 + VALUE2 + VALUE3 + VALUE4 + VALUE5) · (1/5)를 입력되는 샘플 데이터마다 취함으로써 이를 실현할 수 있다. 이는 부가적인 과정이며, 센서로부터 입력되는 값이 매우 안정적인 경우 이 과정을 생략할 수 있다.
특징값 추출부(720)는 입력 받은 데이터를 특징값으로 추출할 수 있다. 센서로부터 입력 받은 복수의 데이터를 누적하여 상기 복수의 데이터 중 최대값, 최소값, 평균값, 표준편차 값을 추출할 수 있다. 이때, 최대값, 최소값, 평균값, 표준편차의 특징값 중 적어도 하나를 포함하는 특징값을 추출할 수 있고, 최대값, 최소값, 평균값, 표준편차 이외에 이와 유사한 다른 특징값들을 포함할 수 있다.다시 말해, 가속도센서와 자이로스코프 내에서 측정되는 특정 시간 구간(T) 내의 값들을 특징값으로 재가공할 수 있다. 예를 들어, 입력 받은 데이터를 특징값으로 추출하는 과정은 센서에서 측정되는 단일 샘플이 아닌, 복수의 샘플을 누적하여 이루어질 수 있다. 대표적인 특징값의 예로는 특정 시간 구간 내의 샘플들의 최대값(Max), 최소값(Min), 평균값(Mean), 표준편차(Variance)값이 될 수 있다. 가속도센서와 자이로스코프의 두 센서로부터 들어온 6종류의 값들에 대해서 적용되기 때문에, 앞에서 언급한 4개의 값들을 시간 구간의 특징값으로 정의한 경우, 6종류의 값 X4 종류의 특징값이 되어 총 24종류의 특징값이 추출된다.
영법 분류부(730)는 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류할 수 있다. 앞서 생성된 수영 영법 모델을 이용한 기계학습 알고리즘에 추출된 특징값을 입력값으로 하여 사용자의 수영 영법을 영법을 분류할 수 있다. 여기에서 해당 모델은 다른 다수의 사용자로부터 미리 만들어진 일반 수영 영법 모델일 수도 있고, 사용자 본인의 데이터로 만든 개인화 수영 영법 모델일 수도 있다.
다시 도 6을 참조하면, 검출부(640)는 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단할 수 있다. 검출부(640)는 기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출할 수 있다. 그리고, 상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단할 수 있다. 이러한 개인화 수영 영법 실시간 검출 시스템은 사용자의 팔 또는 팔목 등에 부착되어 디스플레이 및 음성 안내를 통해 상기 사용자의 운동량을 체계적으로 관리하고 모니터링할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (13)

  1. 개인화 수영 영법 실시간 검출 방법에 있어서,
    스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하는 단계;
    상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하는 단계;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 단계;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하는 단계;
    검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계; 및
    상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계
    를 포함하고,
    상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계는,
    기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출하는 단계를 포함하는 개인화 수영 영법 실시간 검출 방법.
  2. 제1항에 있어서,
    상기 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계는,
    복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계;
    상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍 단계;
    상기 입력 받은 데이터를 특징값으로 추출하는 단계; 및
    상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 단계
    를 포함하는 개인화 수영 영법 실시간 검출 방법.
  3. 제2항에 있어서,
    상기 복수의 센서로부터 상기 검출하고자 하는 사용자의 수영 영법에 대한 데이터를 입력 받는 단계는,
    상기 스마트 단말에 내장된 가속도 센서와 자이로스코프를 통해 x, y, z 축에 대한 데이터 및 기압센서를 통한 데이터를 입력 받는
    개인화 수영 영법 실시간 검출 방법.
  4. 제2항에 있어서,
    상기 입력 받은 데이터를 특징값으로 추출하는 단계는,
    상기 복수의 센서로부터 입력 받은 복수의 데이터를 누적하여 상기 복수의 데이터 중 최대값, 최소값, 평균값, 표준편차 값 중 적어도 하나를 포함하는 특징값을 추출하는
    개인화 수영 영법 실시간 검출 방법.
  5. 제2항에 있어서,
    상기 입력 받은 데이터를 특징값으로 추출하는 단계는,
    상기 복수의 센서로부터 입력 받은 복수의 데이터에 대한 주파수 성분을 분석하여 주파수 특징값을 추출하는
    개인화 수영 영법 실시간 검출 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단하는
    개인화 수영 영법 실시간 검출 방법.
  8. 개인화 수영 영법 실시간 검출 방법에 있어서,
    스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하는 단계;
    상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하는 단계;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 단계;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 또는 일부를 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하는 단계;
    검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 단계; 및
    상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 단계
    를 포함하고,
    상기 개인화 수영 영법 실시간 검출 방법을 이용하여 상기 사용자의 운동량을 체계적으로 관리하고 모니터링이 가능한
    개인화 수영 영법 실시간 검출 방법.
  9. 개인화 수영 영법 실시간 검출 시스템에 있어서,
    스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하고, 검출된 수영 영법을 사용자에게 나타내기 위한 디스플레이부;
    상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하고, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 센서부;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하고, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 모델생성 및 분류부; 및
    상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 검출부
    를 포함하고,
    상기 검출부는,
    기압센서로부터 상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 검출하는 개인화 수영 영법 실시간 검출 시스템.
  10. 제9항에 있어서,
    상기 센서부는,
    상기 검출하고자 하는 사용자의 수영 영법의 x, y, z 축에 대한 데이터를 수집하는 가속도 센서 및 자이로스코프; 및
    상기 검출하고자 하는 사용자의 수영 영법의 타이밍을 수집하는 상기 기압센서
    를 포함하는 개인화 수영 영법 실시간 검출 시스템.
  11. 제9항에 있어서,
    상기 모델생성 및 분류부는,
    상기 입력 받은 데이터의 노이즈를 제거하기 위한 프레이밍부;
    상기 입력 받은 데이터를 특징값으로 추출하기 위한 특징값 추출부;
    상기 추출된 특징값을 상기 생성된 개인화 수영 영법 모델에 적용하여 상기 검출하고자 하는 상기 사용자의 수영 영법을 분류하는 영법 분류부
    를 포함하는 개인화 수영 영법 실시간 검출 시스템.
  12. 제9항에 있어서,
    상기 검출부는,
    상기 수영 영법의 타이밍이라고 판단되는 시점에서, 상기 생성된 개인화 수영 영법 모델에 적용하여 분류된 상기 사용자의 수영 영법을 상기 사용자의 현재 영법으로 판단하는
    개인화 수영 영법 실시간 검출 시스템.
  13. 개인화 수영 영법 실시간 검출 시스템에 있어서,
    스마트 단말을 이용하여 미리 정해진 복수의 수영 영법 중 데이터를 수집하기 위한 수영 영법을 선택하고, 검출된 수영 영법을 사용자에게 나타내기 위한 디스플레이부;
    상기 선택된 수영 영법에 대하여 미리 정해진 시간 동안 사용자로부터 데이터를 수집하고, 상기 미리 정해진 복수의 수영 영법 각각에 대하여 상기 사용자로부터 데이터를 수집하는 단계를 반복 수행하는 센서부;
    상기 미리 정해진 복수의 수영 영법 각각에 대하여 데이터를 모두 수집한 후, 상기 사용자의 개인화 수영 영법 모델을 생성하고, 검출하고자 하는 상기 사용자의 수영 영법에 대한 데이터를 센서로부터 입력 받아 상기 생성된 개인화 수영 영법 모델에 따라 분류하는 모델생성 및 분류부; 및
    상기 분류된 수영 영법 데이터를 상기 검출하고자 하는 사용자의 수영 영법의 타이밍과 비교하여 현재 사용자의 수영 영법을 판단하는 검출부
    를 포함하고,
    상기 개인화 수영 영법 실시간 검출 시스템은,
    사용자의 팔에 부착되어 디스플레이 및 음성 안내를 통해 상기 사용자의 운동량을 체계적으로 관리하고 모니터링이 가능한
    개인화 수영 영법 실시간 검출 시스템.
KR1020140081998A 2014-07-01 2014-07-01 개인화 수영 영법 실시간 검출 방법 및 시스템 KR101579380B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140081998A KR101579380B1 (ko) 2014-07-01 2014-07-01 개인화 수영 영법 실시간 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140081998A KR101579380B1 (ko) 2014-07-01 2014-07-01 개인화 수영 영법 실시간 검출 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101579380B1 true KR101579380B1 (ko) 2015-12-22

Family

ID=55081945

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140081998A KR101579380B1 (ko) 2014-07-01 2014-07-01 개인화 수영 영법 실시간 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101579380B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210108672A (ko) 2020-02-26 2021-09-03 한림대학교 산학협력단 기계학습 기반의 스마트 킥판을 이용한 사용자의 수중 동작 분석 시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009160179A (ja) * 2007-12-28 2009-07-23 Panasonic Electric Works Co Ltd 活動量計および活動量測定システム
WO2013106143A1 (en) * 2012-01-09 2013-07-18 Invensense, Inc. Activity classification in a multi-axis activity monitor device
JP2014042757A (ja) * 2012-08-28 2014-03-13 Seiko Instruments Inc 電子機器、泳法判別方法、及び泳法判別プログラム
JP2014042756A (ja) * 2012-08-28 2014-03-13 Seiko Instruments Inc 生体情報検出装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009160179A (ja) * 2007-12-28 2009-07-23 Panasonic Electric Works Co Ltd 活動量計および活動量測定システム
WO2013106143A1 (en) * 2012-01-09 2013-07-18 Invensense, Inc. Activity classification in a multi-axis activity monitor device
JP2014042757A (ja) * 2012-08-28 2014-03-13 Seiko Instruments Inc 電子機器、泳法判別方法、及び泳法判別プログラム
JP2014042756A (ja) * 2012-08-28 2014-03-13 Seiko Instruments Inc 生体情報検出装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210108672A (ko) 2020-02-26 2021-09-03 한림대학교 산학협력단 기계학습 기반의 스마트 킥판을 이용한 사용자의 수중 동작 분석 시스템 및 방법

Similar Documents

Publication Publication Date Title
Quaid et al. Wearable sensors based human behavioral pattern recognition using statistical features and reweighted genetic algorithm
US10653339B2 (en) Time and frequency domain based activity tracking system
CN105411593B (zh) 用于识别步态任务的方法和设备
KR101690649B1 (ko) 다축 활동 모니터 디바이스로의 활동 분류
US9700241B2 (en) Gait analysis system and method
US20190209050A1 (en) Wearable device and method of using same to monitor motion state
US11047706B2 (en) Pedometer with accelerometer and foot motion distinguishing method
RU2658282C2 (ru) Расширение игрового процесса с использованием устройства отслеживания физической активности
JP6361951B2 (ja) 電子機器、泳法判別方法、及び泳法判別プログラム
JP2016513999A5 (ko)
Jensen et al. Classification of kinematic swimming data with emphasis on resource consumption
CN111288986B (zh) 一种运动识别方法及运动识别装置
JP2014502548A5 (ko)
CN102707806A (zh) 一种基于加速度传感器的运动识别方法
CN107644032A (zh) 离群点检测方法和装置
EP2624171B1 (en) Method and node for analysing periodic movements
CN108021888B (zh) 一种跌倒检测方法
SE1350894A1 (sv) Metod och system för bestämning av utförandeindikatorer förperiodiska rörelser
JP2018513722A5 (ko)
CN112057066A (zh) 心率的检测方法、可穿戴设备及计算机存储介质
CN109603142A (zh) 一种哑铃运动的识别计数方法及其装置
CN109784178A (zh) 基于手势识别的参数调节方法、装置及健身设备
US20220142850A1 (en) Method and apparatus for recognizing gait task
KR101579380B1 (ko) 개인화 수영 영법 실시간 검출 방법 및 시스템
US10569135B2 (en) Analysis device, recording medium, and analysis method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20181203

Year of fee payment: 4