KR102245338B1 - 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법 - Google Patents

Abstract

본 발명의 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법은,
본 발명은 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법에 관한 것으로서, 통신망으로 연결된 스마트밴드, 스마트단말 및 운동관리서버를 통해 전문적인 휘트니스를 사용자 스스로 수행하고 관리할 수 있는 시스템과 방법에 관한 것이다.
이에 따라, 본 발명의 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법은,
운동정보에 관한 연산을 수행하는 운동관리서버; 사용자의 신체에 착용되어 운동동작을 측정하는 스마트밴드; 운동관리서버 및 스마트밴드와 통신망으로 연동하는 스마트단말;을 포함하며,
운동관리서버는,
운동유형별 프로그램을 데이터베이스로 구축한 표준트레이닝디비; 사용자의 신체정보, 운동이력을 관리하는 사용자기준디비; 사용자의 운동횟수, 동작을 측정하는 횟수측정알고리즘; 및 사용자의 운동동작이 정확한지 검증하는 동작검증알고리즘;을 더 포함하되,
표준트레이닝디비는,
운동종류 별 운동방법을 전문 트레이너가 시현하며 바른 운동동작과 잘못된 운동동작으로 구분해 설명하는 표준셀프운동법;
운동종류 별 바른 운동동작을 X축, Y축, Z축 별로 각속도와 가속도를 검출하고 센서신호값을 산출하여 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 설정하는 표준측정방법; 및
사용자의 신체정보 및 문진체크정보, 운동유형에 따라 운동종류, 횟수, 순서, 기간을 운동단계 별로 구분 설정하여 개인별 운동 프로그램을 설정하는 셀프운동프로그램; 을 더 포함하며,
사용자가 표준셀프운동법에 따라 셀프운동프로그램의 운동동작을 수행하면 표준측정방법이 적용된 횟수측정알고리즘이 사용자의 운동횟수를 측정하고 동작검증알고리즘이 사용자의 운동동작이 바르게 수행되었는지 검증하는 것을 포함하는 것을 특징으로 한다.

Description

웨어러블 기반 셀프형 운동관리 시스템 및 그 방법{Self Fitness Management System and Method Based on Wearable Device}

본 발명은 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법에 관한 것으로서, 통신망으로 연결된 스마트밴드, 스마트단말 및 운동관리서버를 통해 전문적인 휘트니스를 사용자 스스로 수행하고 관리할 수 있는 시스템과 방법에 관한 것이다.

보다 상세하게는 본 발명의 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법은, 휘트니스 활동을 통해 건강을 증진하고자 하는 사용자가 원격지의 운동관리서버와 통신망으로 연결된 스마트기기를 통해 운동목적을 설정하고 문진체크를 통해 신체능력이 파악되면 해당 목적과 신체능력에 적합한 운동프로그램을 운동관리서버가 처방하고, 각 단계별 운동프로그램마다 스마트단말을 통해 전문 트레이너가 바른 동작과 틀린 동작을 구분 설명하여 쉽게 따라 할 수 있도록 하되 사용자가 착용한 스마트밴드에서 측정되는 사용자의 운동동작에 따른 가속도, 각속도, 심박수 등을 원격관리서버에서 횟수측정알고리즘을 이용하여 사용자가 정확한 동작으로 목표량에 맞게 운동했는지 실시간으로 파악하여 사용자에게 피드백함으로써 바른 동작으로 매회 적정 운동량을 수행하도록 하여 사용자가 선택한 운동목적에 부합될 수 있도록 빠르고 극대화된 운동효과를 창출하고자 하는 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법에 관한 것이다.

경제수준의 향상과 과학기술이 발전, 교통수단의 보급 확대 및 육체노동의 감소 등 복합적 요인에 의해 현대인들의 신체적 활용은 줄어들고 동시에 건강관리에 대한 관심은 폭발적으로 증가하고 있다.

이에 많은 사람들이 휘트니스 센터를 찾아 운동을 하고는 있으나, 개인마다 운동의 목적은 근육 증진, 다이어트 등 신체능력 향상 뿐 아니라 부상치료 후 재활, 성인병 예방 등 다양한데다 개인별로 신체능력이 상이하여 각 운동기구 별로 획일적인 운동방법이 제시되기 어렵고 오히려 역효과를 유발할 수 있는 측면이 있다.

그러나 전문적인 능력을 보유한 트레이너를 통해 운동 관리를 받고자 하는 경우에 그 비용이 상당하여 지속적으로 수행하기에 경제적 부담이 크고, 게다가 트레이너 별로 전문분야가 다르고 지식의 수준이 다르기 때문에 사용자 개인별 특정 상황에 최적화된 운동방법이 올바로 처방된다고 보장하기 어려운 문제도 발생한다.

따라서 개인별로 상이한 운동목적과 신체능력에 적합한 최적의 운동종류와 운동방법이 각 분야 전문 트레이너의 처방에 따라 단계별 운동프로그램으로 결정되고, 상기 운동프로그램을 수행하면서 당회 목표운동량을 매회 제시받고 기구별 운동을 함에 있어 동작이 정확한지, 필요 운동량은 달성하는지 등을 수시로 점검받음과 동시에 경제적으로 부담이 없는 비용으로 지속적으로 수행할 수 있는 운동관리 시스템이 필요한 실정이다.

대한민국 공개특허공보 10-2016-0074820

본 발명은 상기 종래 기술상의 제반 문제점을 감안하여 이를 해결하고자 창출된 것으로, 개인별로 상이한 운동목적과 신체능력에 적합한 최적의 운동종류와 운동방법이 각 분야 전문 트레이너의 처방에 따라 단계별 운동프로그램으로 결정되고, 상기 운동프로그램을 수행하면서 당회 목표운동량을 매회 제시받고 기구별 운동을 함에 있어 동작이 정확한지, 필요 운동량은 달성하는지 등을 수시로 점검받음과 동시에 스마트기기를 활용하여 경제적으로 부담이 없는 비용으로 지속적으로 수행할 수 있는 운동관리 시스템 및 방법을 제공하는데 그 목적이 있다.

본 발명의 상기 목적과 여러 가지 장점은 이 기술분야에 숙련된 사람들에 의해 본 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.

본 발명은 상기 목적을 달성하기 위한 것으로,

운동정보에 관한 연산을 수행하는 운동관리서버; 사용자의 신체에 착용되어 운동동작을 측정하는 스마트밴드; 운동관리서버 및 스마트밴드와 통신망으로 연동하는 스마트단말;을 포함하며,

운동관리서버는,

운동유형별 프로그램을 데이터베이스로 구축한 표준트레이닝디비; 사용자의 운동횟수, 동작을 측정하는 횟수측정알고리즘; 사용자의 운동동작이 정확한지 검증하는 동작검증알고리즘;을 더 포함하되,

표준트레이닝디비는,

운동종류 별 운동방법을 전문 트레이너가 시현하며 바른 운동동작과 잘못된 운동동작으로 구분해 설명하는 표준셀프운동법;

운동종류 별 바른 운동동작을 X축, Y축, Z축 별로 각속도와 가속도를 검출하고 센서신호값을 산출하여 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 설정하는 표준측정방법; 및

사용자의 신체정보 및 문진체크정보, 운동유형에 따라 운동종류, 횟수, 순서, 기간을 운동단계 별로 구분 설정하여 개인별 운동 프로그램을 설정하는 셀프운동프로그램; 을 더 포함하며,

사용자가 표준셀프운동법에 따라 셀프운동프로그램의 운동동작을 수행하면 표준측정방법이 적용된 횟수측정알고리즘이 사용자의 운동횟수를 측정하고 동작검증알고리즘이 사용자의 운동동작이 바르게 수행되었는지 검증하는 것을 포함하는 것을 특징으로 한다.

일 실시예에 따르면,

사용자기준디비는,

스마트밴드를 착용한 사용자가 본인에게 설정된 셀프운동프로그램의 운동종류 별 준비과정 운동을 소정의 횟수로 시범 실시하고 표준그래프를 산출하며 각 마루의 범위를 사용자기준최대값으로 특정하고, 각 골의 범위를 사용자기준최소값으로 특정하는 것을 더 포함하며,

횟수측정알고리즘은,

사용자가 셀프운동프로그램에 따라 본과정의 운동동작을 실시하면, 스마트밴드에서 운동동작으로부터 기준축 상의 실시간 센서신호값을 검출하고, 운동관리서버에서 실시간 센서신호값을 사용자기준최대값 및 사용자기준최소값과 비교하여 운동횟수를 산출하며 할당된 운동횟수를 실시하는지 측정하는 것을 더 포함하며,

표준측정방법은,

표준그래프를 마루의 개수가 단일인 유형과 복수인 유형으로 구분하여 설정하고, 복수의 마루 유형은 각 마루의 높낮이 차이에 따라 유형을 세분화하며, 마루 및 골의 형상의 유사성에 따라 운동종류 별 운동횟수와 동작의 정확성을 측정하는 기준을 설정하는 것을 더 포함하며,

동작검증알고리즘은,

사용자의 운동동작 시 생성되는 그래프를 머신러닝의 딥신경망 모델을 이용한 지도학습 과정을 적용하여 전처리한 후 실시간으로 표준그래프와 비교하여 스마트단말에 시연함으로써 사용자의 운동동작이 바른 동작인지 잘못된 동작인지를 검증할 수 있는 것을 더 포함하는 것을 특징으로 한다.

일 실시예에 따르면,

횟수측정알고리즘은,

운동동작을 수행하면서 생성된 표준그래프를 소정 개수의 구간으로 분할하고, 각 분할 구간을 상승 및 하강 방향으로 구분하여 측정한 뒤, 연속적인 4개의 구간을 묶어서 상승 및 하강으로 구분 표시하여 도출될 수 있는 총 16가지 방향패턴을 정의하고,

사용자의 본과정 운동동작을 기준축 상에서 자이로센서값과 가속도센서값으로 측정하여 다음의 수학식

< 센서신호값 = α×이전 각도+자이로센서값(deg/sec)×적분할 시간(dt)) + (1-α)×가속도센서값 (단, α는 상수) > 에 따라

센서신호값을 산출하되, 소정 주기에 맞춰 연속적으로 다수 시행하여 본과정 파동그래프를 도출하며,

본과정 파동그래프를 소정 개수의 구간으로 분할하고, 전체 분할 구간을 시간 순서에 따라 1개 구간씩 지연시키며 4개 구간을 하나씩 묶어 16가지 방향패턴 중 일 방향패턴과 각각 매칭시켜 본과정 방향패턴을 산출하며,

본과정 방향패턴 중 상승패턴 시 측정된 최대값이 사용자기준최대값을 지나고 하강패턴 시 측정된 최소값이 사용자기준최소값을 지나면 사용자가 바른 동작으로 운동동작을 1회 실시한 것으로 판단하여 전체 본과정 파동그래프를 대상으로 사용자의 운동동작 횟수를 측정하는 것을 더 포함하며,

본과정 파동그래프가 형성하는 방향패턴 중 사용자기준최대값 및 사용자기준최소값과 매칭되는 교차점이 발견되지 않고 표준그래프와 상이한 형태로 형성되면 사용자의 운동동작을 잘못된 동작으로 판단하는 것을 더 포함하는 것을 특징으로 한다.

일 실시예에 따르면, 사용자의 문진체크정보는 트레이닝 시작 전 생성되어 사용자별 맞춤형 셀프운동프로그램을 산출하고, 트레이닝 시작 후 수시로 체크하여 시작 전과 비교하며 운동 향상도를 측정할 수 있는 것을 더 포함하되,

문진체크정보는 체성분분석기를 통해 측정하여 산출하는 것과, 신체정보를 체성분 분석정보로 변환하는 신체정보 체성분 변환 공식에 따라 산출되는 것 중 적어도 하나 이상의 방법으로 실시되는 것을 더 포함하는 것을 특징으로 한다.

본 발명의 실시예에 따른 웨어러블 기반 셀프형 운동관리 방법은,

운동생리학적 이론을 적용한 운동유형별 셀프 프로그램을 데이터베이스로 구축하는 표준트레이닝디비 단계;

사용자의 신체정보, 운동목적 및 트레이닝이력을 관리하는 사용자기준디비 단계;

사용자가 신체정보, 문진체크정보, 운동유형을 설정하면 사용자 고유의 셀프운동프로그램이 설정되며, 사용자가 셀프운동프로그램에 따라 운동동작을 실시하면 운동횟수, 동작 정확성을 측정하는 횟수측정알고리즘 단계;

사용자의 운동동작이 바른 동작인지 잘못된 동작인지를 검증하는 동작검증알고리즘 단계;를 포함하되,

표준트레이닝디비 단계는,

복수의 운동기구에 따른 운동종류 별 다수의 운동방법을 특정하고 바른 동작과 잘못된 동작을 전문 트레이너가 시현하여 표준셀프운동법을 동영상으로 제작하는 단계;

스마트밴드를 착용한 전문 트레이너의 바른 운동동작을 X축, Y축, Z축 별로 자이로센서값과 가속도센서값을 검출한 후 이를 근거로 수학식 < 센서신호값 = α×이전 각도+자이로센서값(deg/sec)×적분할 시간(dt)) + (1-α)×가속도센서값 (단, α는 상수) >에 따라 센서신호값을 산출한 후 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 표준측정방법을 설정하는 단계;

사용자 신체정보, 문진체크정보, 운동유형에 따라 각 사용자에게 적합한 운동종류, 횟수, 순서, 기간을 운동단계별로 설정한 개인별 맞춤 셀프운동프로그램을 데이터베이스로 구축하는 셀프운동프로그램 단계;를 더 포함하고,

사용자기준디비 단계는,

사용자가 스마트밴드를 착용하고 본인에게 설정된 셀프운동프로그램의 운동종류 별 준비과정 운동을 소정의 횟수로 시범 실시하는 단계;

사용자가 실시한 각 운동종류 별로 표준측정방법에 의해 기준축 상의 표준그래프를 산출하며 각 마루의 범위를 사용자기준최대값으로 특정하고, 각 골의 범위를 사용자기준최소값으로 특정하여 데이터베이스로 저장하는 단계;를 더 포함하며,

횟수측정알고리즘 단계는,

전문트레이너에 의해 생성된 표준그래프를 소정 개수의 구간으로 분할하고, 각 분할구간을 상승 및 하강 방향으로 구분하여 측정한 뒤, 연속적인 4개의 구간을 묶어서 상승 및 하강으로 구분 표시하여 총 16가지 방향패턴을 정의하는 단계;

사용자가 스마트밴드를 착용하고 셀프운동프로그램에 따라 본과정 운동동작을 실시하는 단계;

스마트밴드에서 운동동작으로부터 기준축 상의 실시간 센서신호값을 산출하되, 소정 주기에 맞춰 연속적으로 다수 시행하여 본과정 파동그래프를 검출하는 단계;

본과정 파동그래프를 소정 개수의 구간으로 분할하고, 전체 분할구간을 시간 순서에 따라 1개 구간씩 지연시키며 4개 구간을 하나씩 묶어 16가지 방향패턴 중 일 방향패턴과 각각 매칭시켜 본과정 방향패턴을 산출하는 단계;

본과정 방향패턴을 표준그래프의 16가지 방향패턴과 비교하는 단계;

본과정 방향패턴 중 상승패턴 시 측정된 최대값이 사용자기준최대값을 지나고 하강패턴 시 측정된 최소값이 사용자기준최소값을 지나면 사용자가 바른 동작으로 운동동작을 1회 실시한 것으로 판단하며 전체 본과정 파동그래프를 대상으로 사용자의 운동동작 횟수를 측정하는 단계;

산출된 운동동작 횟수가 셀프운동프로그램에 할당된 횟수와 동일하면 해당 운동종류 운동이 완료된 것으로 판단하여 사용자에게 고지하는 단계;

본과정 파동그래프가 형성하는 방향패턴 중 사용자기준최대값 및 사용자기준최소값과 매칭되는 교차점이 발견되지 않고 표준그래프와 상이한 형태로 형성되면 사용자의 운동동작을 잘못된 동작으로 판단하여 재 운동을 지시하는 단계;

셀프운동프로그램에 할당된 단계별 모든 운동의 운동횟수를 달성하면 당일 목표 운동량을 완성한 것으로 판단하고 다음 운동량을 설정하여 고지하는 단계;를 더 포함하며,

동작검증알고리즘 단계는,

사용자의 운동동작 시 생성되는 그래프를 머신러닝의 딥신경망 모델을 이용한 지도학습 과정을 적용하여 실시간으로 전처리하는 단계;

사용자 운동동작의 전처리된 그래프를 트레이너의 표준그래프와 스마트단말에 동시에 시연함으로써 사용자 스스로 동작의 차이를 비교하며 동작의 정확성을 검증하는 단계;를 더 포함하는 것을 특징으로 한다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 웨어러블 기반 셀프형 운동관리 시스템 및 그 방법에 의하면 다음과 같은 효과를 얻을 수 있다.

첫째, 웨어러블 타입의 스마트밴드, 스마트단말 등 스마트기기를 이용하여 각 분야별 전문 트레이너에 의해 설명되는 바른 동작과 틀린 동작을 동영상으로 보며 정확한 동작으로 따라할 수 있다.

둘째, 다이어트, 재활, 성인병 예방, 근육증진 등 다양한 운동목적별로 맞춤 운동프로그램이 설정될 수 있을 뿐 아니라, 부분다이어트, 바쁜 직장인 다이어트, 한국형 맞춤 다이어트 등 각 운동목적별로 세분화된 운동프로그램을 설정할 수 있다.

셋째, 개인별 운동목적과 신체능력에 따라 최적화된 운동종류와 운동방법으로 구성된 특화된 운동프로그램이 처방되어진다.

넷째, 매회 목표 운동량이 제시되고, 사용자의 동작 및 운동량이 정확하게 수행되는지 여부가 실시간으로 파악되어 운동관리서버에서 운동결과를 사용자에게 피드백을 하여, 정확한 동작에 의해 목표 운동량을 달성하도록 지속적으로 유도한다.

다섯째, 피트니스 센터 내에서 트레이너의 절대 부족, 개인운동 지도의 가격 부담, 트레이너의 신체 접촉 부담 등의 이유로 대부분의 피트니스 회원들이 비과학적, 비효율적인 운동관리가 이뤄지는 현실 속에서 웰니스(Wellness)를 개인이 스스로 구현할 수 있는 유용한 방안을 제시할 수 있다.

도 1은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 구성을 간략히 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 방법의 순서도이다.
도 3은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 셀프운동프로그램 처방 프로세스이다.
도 4는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서를 표시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값을 산출하는 공식이다.
도 6은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값을 그래프로 변환한 도면이다.
도 7은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값의 그래프 중에서 표준그래프를 도출하는 도면이다.
도 8은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 횟수측정알고리즘에서 설정한 16가지 방향패턴을 나타내는 도면이다.
도 9의 (a)는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 신체정보 및 문진체크정보 입력 화면이고, 도 9의 (b)는 신체정보를 체성분으로 변환하는 공식을 나타내는 도면이다.
도 10은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 바른 동작과 잘못된 동작을 나타내는 그래프이다.
도 11은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 규칙적인 동작 유형과 불규칙적인 동작 유형을 나타내는 그래프이다.
도 12는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 바른 동작에 대해 전처리한 그래프이다.
도 13은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작을 체크하는 딥신경망 절차를 나타내는 도면이다.

본 발명을 충분히 이해하기 위해서 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 보다 상세하게 설명하기로 한다.

본 발명 설명에 앞서, 이하의 특정한 구조 내지 기능적 설명들은 단지 본 발명의 개념에 따른 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 개념에 따른 실시예들은 여러 가지 형태로 변형되어 실시될 수 있으며, 본 발명의 범위가 아래에서 상세히 설명하는 실시예로 한정되는 것으로 해석되어서는 안 된다.

또한 본 발명의 개념에 따른 실시예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로, 특정 실시예들은 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다.

그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시 형태에 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경물, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 실시예는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공 되어지는 것이다. 따라서 도면에서의 요소의 형상 등은 보다 명확한 설명을 강조하기 위해서 과장되어 표현될 수 있다.

각 도면에서 동일한 부재는 동일한 참조부호로 도시한 경우가 있음을 유의하여야 한다. 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략된다.

도 1은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 구성을 간략히 도시한 블록도이고, 도 2는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 방법의 순서도이며, 도 3은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 셀프운동프로그램 처방 프로세스이다.

도 4는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서를 표시한 도면이고, 도 5는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값을 산출하는 공식이며, 도 6은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값을 그래프로 변환한 도면이고, 도 7은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 3축 가속도센서 값의 그래프 중에서 표준그래프를 도출하는 도면이다.

도 8은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 횟수측정알고리즘에서 설정한 16가지 방향패턴을 나타내는 도면이고, 도 9의 (a)는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 신체정보 및 문진체크정보 입력 화면이고, 도 9의 (b)는 신체정보를 체성분으로 변환하는 공식을 나타내는 도면이며, 도 10은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 바른 동작과 잘못된 동작을 나타내는 그래프이고, 도 11은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 규칙적인 동작 유형과 불규칙적인 동작 유형을 나타내는 그래프이다.

도 12는 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작 시 바른 동작에 대해 전처리한 그래프이고, 도 13은 본 발명의 일 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템의 운동동작을 체크하는 딥신경망 절차를 나타내는 도면이다.

본 발명의 바람직한 실시예에 따른 웨어러블 기반 셀프형 운동관리 시스템(10)은 운동관리서버(100), 스마트밴드(200) 및 스마트단말(300)을 포함한다.

운동관리서버(100)는 운동정보에 관한 연산을 수행하는 서버로써, 운동기구를 이용한 무산소 운동 정보를 기 저장하고 사용자에게 운동 정보를 제공하며 사용자가 셀프 운동을 수행 시 적절하게 진행되고 있는 지 측정하고 결과를 알려주는 기능을 할 수 있다.

스마트밴드(200)는 사용자의 신체 중 팔과 같이 운동 시 주로 사용되는 부위에 착용될 수 있으며, 사용자의 운동동작을 X축, Y축, Z축 등 3차원으로 측정할 수 있다.

스마트단말(300)은 운동관리서버(100)에서 사용자에게 제공하는 운동 정보를 화면을 통해 출력하여 사용자에게 알려주는 기능을 할 수 있다.

운동관리서버(100), 스마트밴드(200), 스마트단말(300)은 상호 유무선의 통신망으로 연결되어 데이터를 송수신할 수 있다.

본 발명의 설명에 있어 스마트밴드(200) 및 스마트단말(300)의 기능에 대해서는 운동관리서버(100)의 구성과 기능에 포함하여 부연 설명되도록 한다.

본 발명의 웨어러블 기반 셀프형 운동관리 시스템(10)의 바람직한 실시예에 따라, 운동관리서버(100)는 표준트레이닝디비(110), 사용자기준디비(120), 횟수측정알고리즘(130), 동작검증알고리즘(140)을 포함하여 구성될 수 있다.

표준트레이닝디비(110)는, 운동생리학적 이론을 적용하여 개발한 운동유형별 셀프 프로그램을 데이터베이스로 구축하여 구성될 수 있다.

표준트레이닝디비(110)는 이를 위해 표준셀프운동법(111), 표준측정방법(112), 셀프운동프로그램(113)을 포함하여 구성될 수 있다.

표준셀프운동법(111)은 각각의 운동기구를 이용한 무산소 운동종류를 세분화하고, 각 운동종류 별로 전문 트레이너가 바른 운동동작과 잘못된 운동동작을 구분하여 설명하며 동영상으로 제작될 수 있다.

표준셀프운동법(111)은 본 발명의 일 실시예에 따라서 운동종류를 총 108가지로 세분화하여 생성할 수 있으며, 108개의 운동종류 별로 전문 트레이너가 동영상으로 운동방법을 설명하여 사용자가 스마트단말(300)을 보며 따라하도록 할 수 있다.

표준셀프운동법(111)은 전문 트레이너가 바른 운동동작과 잘못된 운동동작을 구분하여 설명함으로써 사용자가 셀프 운동을 통해서 범할 수 있는 잘못된 동작을 사전에 인지하고 바르게 운동하게 하며, 사용자 스스로 운동을 하더라도 전문 트레이너가 직접 코칭해 주는 것과 같은 효과를 거둘 수 있도록 유도할 수 있다.

표준측정방법(112)은 상기 표준셀프운동법(111)에 따라 사용자가 운동동작을 수행했을 때 상기 운동동작이 정확한지, 운동횟수는 개인별로 처방된 할당 운동횟수만큼 정확히 했는지 측정하기 위해 구축되어 사용될 수 있다.

표준측정방법(112)의 생성을 위해, 다수의 전문 트레이너가 스마트밴드(200)를 착용한 상태에서 108개의 운동동작을 바른 운동동작으로 상당수의 횟수로 반복 시행할 수 있다.

그러면 스마트밴드(200)에서 트레이너의 운동동작을 인지하여, X축, Y축, Z축 별로 자이로센서값과 가속도센서값을 검출하여 3축에 대하여 센서신호값을 산출한다.

센서신호값을 이용하여 3축에 대하여 도 4의 수학식에 따라 각각 각속도를 측정한 후 이를 도 5의 파동그래프의 형태로 변환시킬 수 있게 된다.

3축에 대해 생성된 센서신호값에 의해 생성된 파동그래프는 X축, Y축, Z축 별로 각각 다른 형태를 형성하게 되는데, 이때 3축 중에서 1개 축에서는 반복적으로 규칙성을 나타내는 파동그래프가 존재하게 된다.

이는 각 운동종류에 따른 운동동작이 3축 중 특정 방향에 대해서는 일정한 동선으로 반복적으로 움직이는 형상으로 구성되기 때문이다.

따라서 전문 트레이너가 바른 동작으로 해당 운동종류에 대해 운동동작을 취하면 해당 운동종류에 대해서는 3축 중 1개의 축에서는 일정한 형상의 파동그래프가 나타나게 된다.

이렇게 특정 축에 대해서 반복적인 규칙성을 나타내는 파동그래프를 표준측정방법(112)에서는 표준그래프로 특정하고 해당 특정 축을 기준축으로 특정할 수 있다.

가령 1번 운동을 실시하면 X축 상에서만 마루와 골이 각각 한 개씩인 일정 주기의 파동그래프가 반복해서 나타난다면 X축이 기준축이 되고, 표준그래프는 마루와 골이 각각 하나씩으로 진폭이 구성되는 파동그래프로 정의될 수 있다.

표준그래프는 파동그래프 중 반복적이고 규칙적인 형태로 파동되는 특성을 가진 그래프를 의미하는데, 이때 표준그래프의 규칙성은 한 주기 당 마루의 개수가 1개인 유형과 마루의 개수가 2개인 유형을 포함하여 나타날 수 있다.

또한 마루의 개수가 2개인 유형은 세부적으로는 앞서 형성된 선행 마루의 진폭이 높고 지연 형성된 후행 마루의 진폭이 낮은 것과, 선행 마루와 후행 마루의 진폭이 동일한 것과, 선행 마루보다 후행 마루의 진폭이 더 높은 것 등 3가지의 유형으로 세분화될 수 있다.

이에 본 설명에서는 마루가 1개인 유형의 표준그래프를 대상으로 하며, 마루가 2개인 표준그래프에 대한 특성은 마루가 1개인 유형의 표준그래프의 특성에 준하여 발현되며 해석될 수 있다.

그리고 표준그래프와 같이 반복적인 규칙성이 나타나지 않는 불규칙 운동 그래프가 형성될 수도 있는데 본 발명에서는 규칙적 특성을 가지는 표준그래프의 상기 4가지 유형을 중점적으로 대상으로 한다.

표준측정방법(112)은 본 발명의 일 실시예에 따른 108개 운동동작 전부에 대해 각각의 표준그래프와 기준축을 파악하고 이를 각 운동동작 별로 매핑시킨 뒤 이를 데이터베이스로 저장하여 관리한다.

표준측정방법(112)은 사용자가 셀프 운동을 할 때 처방된 운동프로그램에 따라 설정된 운동횟수를 모두 수행하는지, 정확한 동작으로 수행하는지를 컴퓨팅 연산으로 자동 판단할 수 있도록 하며, 이를 통해 사용자가 셀프 운동을 하더라도 전문 트레이너가 곁에서 감독하며 체크해주는 효과를 가질 수 있도록 할 수 있다.

셀프운동프로그램(113)은 사용자에게 개별로 처방되는 고유의 운동계획 프로그램이다.

셀프운동프로그램(113)은 사용자가 본 발명의 서비스에 회원가입 한 이후 신체정보, 문진체크정보을 입력하고 운동을 하고자 하는 목적에 따라 운동유형을 선택하면 사용자의 신체적 특성과 운동목적에 적합한 맞춤형 단계별 프로그램으로 처방된다.

가령 운동유형은 다이어트운동, 재활운동, 성인병 예방운동, 전문선수를 위한 근육운동 등을 포함하여 대분류될 수 있다.

이에 각각의 대분류는 소분류로 세분화될 수 있는데 예를 들어 다이어트운동은 부분다이어트, 바쁜 직장인을 위한 다이어트, 한국형 맞춤 다이어트 등을 포함하여 구성될 수 있으며, 성인병 예방운동은 당뇨병, 고혈압 등 질병의 종류에 따라 세분화되어 구성될 수 있다.

따라서 사용자가 신체정보, 문진체크정보를 입력한 후 바쁜 직장인을 위한 다이어트 유형을 선택하면 운동관리서버(100)는 사용자의 정보와 운동목적을 근거로 하여 사용자에게 최적화된 셀프운동프로그램(113)을 표준트레이닝디비(110)에서 추출하여 처방하게 된다.

일예를 들어 설명하자면 가령 사용자는 상기 입력한 정보와 선택한 운동유형에 따라 2단계로 구성된 셀프운동프로그램(113)을 처방받을 수 있다.

이때 1단계는 108개 운동종류 중 1번 운동 10회, 5번 운동 8회, 17번 운동 12회, 33번 운동 10회, 85번 운동 5회로 구성되고, 2단계는 7번 운동 6회, 25번 운동 9회, 46번 운동 12회, 73번 운동 10회, 101번 운동 6회로 구성될 수 있다.

사용자는 각 단계별 운동을 정해진 순서에 따라 실시해야 하며, 각 운동이 끝날 때마다 운동관리서버(100)에서 스마트밴드(200)의 측정값을 통해 해당 운동이 맞게 수행되었는지 횟수와 동작을 체크하여 스마트단말(300)을 통해 사용자에게 알려주면 다음 운동으로 넘어갈 수 있다.

이때 사용자에게 고지되지는 않으나, 각 운동종류 별로 기준축과 표준그래프가 이미 기 설정되어 표준측정방법(112)에 저장된 상태로써, 각 운동이 진행될 때 실시간으로 횟수와 동작을 체크하는 것이 포함된다.

일정 기간 경과 후 1단계 운동의 총 횟수가 종료되면 2단계로 레벨업하여 셀프운동프로그램(113)을 수행할 수 있다.

셀프운동프로그램(113)은 사용자가 선택한 운동유형 및 신체정보에 따라 해당 프로그램을 수행하는 전체 목표 기간을 설정하고, 각 단계별 운동의 권장 실시기간을 명시하며, 특정 단계에서 권장 실시기간을 초과하여 지체되는 경우 안내 메시지를 통해 독려할 수 있도록 구성될 수 있다.

사용자기준디비(120)는, 사용자의 기본적인 신체정보, 문진체크정보와 사용자 별로 상이하게 나타날 수 있는 운동동작의 기준값을 포함한 트레이닝이력을 관리할 수 있다.

사용자기준디비(120)는 사용자가 본 발명의 웨어러블 기반 셀프형 운동관리 시스템(10)에 회원가입을 하면서 입력하는 신체정보 즉, 성명, 성별, 안정시 심박수, 나이, 몸무게, 신장을 포함하여 구성될 수 있다.

사용자기준디비(120)는 또한 문진체크정보로써 운동경험, 실시했던 운동의 종류 및 실시기간과 중단기간, 체지방량, 근육량, 기초대사량, 복부비만률, 체지방률, 비만도 등을 포함하여 구성될 수 있다.

이때 문진체크정보는 회원가입 시 회원정보를 생성하면서 측정하여 입력할 수 있고, 또한 운동프로그램을 처방받아 수행하는 중간에 각 수행단계 또는 수시로 문진체크를 하여 갱신할 수 있다.

이를 통해 사용자는 운동프로그램을 수행하면서 변화되는 신체상태를 확인하면서 운동 향상도를 파악하고 측정할 수 있다.

문진체크정보는 체성분분석기를 통해 측정하여 산출할 수 있으되, 체성분분석기가 없는 경우 신체정보를 통해 체성분을 연산해 낼 수 있는 신체정보 체성분 변환 공식에 따라 문진체크정보를 산출할 수 있다.

한편 사용자기준디비(120)는 사용자기준최대값(121)과 사용자기준최소값(122)을 특정하여 사용자별 데이터베이스로 구축할 수 있다.

보다 상세히 설명하면, 각각의 운동종류 별로 행해지는 바른 운동동작은 동일하게 구성되지만 이를 수행하는 사용자에 따라서 생성되는 표준그래프가 형성하는 진폭은 다르게 생성될 수 있다.

가령 108개의 운동종류 중 1번 운동의 기준축은 X축이고 표준그래프는 주기 T에 최대값 10과 최소값 10을 가지며 주기 T 동안에 마루와 골이 각각 하나씩 형성되는 형태로 구성된다고 가정할 때,

다수의 사용자는 1번 운동을 하면서 X축에 일정한 형태의 표준그래프가 형성되는 것은 동일하나, 주기 및 최대값, 최소값이 상이하게 나타날 수 있어 표준그래프에서 형성된 주기와 최대값, 최소값을 그대로 각 사용자에게 적용할 수 없다.

이는 사용자가 성별, 나이, 체성분, 성향 등의 차이로 이해 급하게 빨리 운동하는 사람, 느리게 운동하는 사람, 동작이 큰 사람과 작은 사람 등 천차만별로 달라질 수 있기 때문이다.

따라서 동일한 주기 T를 적용했을 때 마루와 골이 1개씩 나오는 표준유형의 사람, 5개씩 나오는 사람, 마루만 1개 나오는 사람 등 다양하게 나타날 수 있다.

이에 본 발명의 웨어러블 기반 셀프형 운동관리 시스템(10)에서는 사용자의 운동횟수를 측정하는 데 있어 주기를 사용하는 것은 정확도가 현저히 떨어지므로 진폭을 이용하여 운동횟수를 정확히 측정하는 알고리즘을 고안하였다.

이를 위해 셀프운동프로그램(113)은 각 운동종류별로 운동동작을 시행하기에 앞서 준비과정 운동과 본과정 운동을 구분하여 실시하게 된다.

준비과정 운동에서 사용자가 바른 운동동작을 정확하게 수행하면 사용자 고유의 파동그래프가 형성이 될 수 있으며, 여기서 산출된 최대값, 최소값을 본과정의 운동동작에 비교하여 운동횟수 및 동작의 정확성을 측정하는 수단으로 활용할 수 있게 된다.

이를 위해 사용자기준디비(120)에서는 사용자가 스마트밴드(200)를 착용하고 셀프운동프로그램(113)에 따라 운동종류 별 운동동작을 준비과정으로 시행한다.

본 발명의 일 실시예로써 사용자는 각 운동종류 별로 4 ~ 5회 준비과정으로 운동동작을 시행할 수 있으며, 표준측정방법(112)에 의해 상기 운동종류에 매핑된 기준축 상에서 사용자의 운동동작에 대해 표준그래프를 산출하게 된다.

가령 사용자가 1번 운동에 대해 준비운동을 5회 실시했다면 이에 산출된 표준그래프에는 기본 유형으로써 5개의 마루와 5개의 골을 가진 형태가 형성될 수 있다.

이때 각각의 마루와 골은 그 진폭이 매회 상이하게 나타날 수 있으나, 그 편차는 크지 않으며, 따라서 사용자가 1번 운동을 했을 때 분포되는 마루와 골의 범위는 한정되어 특정될 수 있다.

따라서 각 마루 값을 최대값으로 설정하고 5개의 최대값이 형성되는 범위 또는 평균값을 사용자 고유의 최대값 범위를 의미하는 사용자기준최대값(121)으로 특정할 수 있다.

마찬가지로 각 골의 값을 최소값으로 설정하고 5개의 최소값이 형성되는 범위 또는 평균값을 사용자 고유의 최소값 범위를 의미하는 사용자기준최소값(122)으로 특정할 수 있다.

이때 사용자기준최대값(121)은 5개의 최대값 중 중간값에 보정상수값을 더하여 산출할 수도 있고, 또는 5개 최대값의 평균값에 보정상수값을 더하여 산출할 수도 있다.

마찬가지로 사용자기준최소값(122)은 5개의 최소값 중 중간값에 보정상수값을 더하여 산출할 수도 있고, 또는 5개 최소값의 평균값에 보정상수값을 더하여 산출할 수도 있다.

사용자기준디비(120)는 준비과정 운동을 통해 사용자기준최대값(121)과 사용자기준최소값(122)을 설정한 뒤 이를 개인별 데이터베이스롤 저장하여 관리하며, 사용자가 본과정의 운동을 시행할 때 나타나는 최대값과 최소값에 비교하여 횟수를 측정하는 기준값으로 활용할 수 있다.

횟수측정알고리즘(130)은, 표준측정방법(112)에 근거하고 사용자기준디비(120)를 활용하여 사용자의 운동횟수 및 동작의 정확성을 측정하는 알고리즘이다.

횟수측정알고리즘(130)은 사용자가 스마트밴드(200)를 착용하고 셀프운동프로그램(113)에 따라 본과정의 운동동작을 실시하게 되면 스마트밴드(200)에서 측정되는 사용자의 운동동작을 본 발명의 일 실시예에 따라 정의된 16가지 방향패턴을 이용하여 분석한 뒤 이를 표준측정방법(112)에 근거하여 사용자기준디비(120)와 비교하는 절차로써 진행될 수 있다.

즉 사용자가 스마트밴드(200)를 착용하고 운동종류 별 운동동작을 수행하면 스마트밴드(200)에서는 해당 운동종류에 매핑된 기준축을 대상으로 센서신호값을 추출하여 해당 운동종류에 매핑된 표준그래프를 생성하게 된다.

이후 횟수측정알고리즘(130)은 고유의 16가지 방향패턴을 이용하여 사용자가 생성한 표준그래프에서 최대값과 최소값을 추출하여 이를 사용자기준최대값(121) 및 사용자기준최소값(122)과 비교하는 절차를 가질 수 있다.

이를 상세히 설명하자면, 횟수측정알고리즘(130)은 사용자가 운동동작을 수행하면서 생성하는 표준그래프를 소정 개수의 구간으로 분할할 수 있다.

이때 표준그래프 하나를 분할하는 분할주기는 사전에 사용자기준최대값(121) 및 사용자기준최소값(122)을 통해 얻은 정보를 통해 가령 0.1초 또는 0.5초 등의 유형으로 설정될 수 있다.

가령 하나의 표준그래프를 생성하는데 5초가 소요되었고 분할주기가 0.5초라고 가정하면 표준그래프는 10개 구간으로 분할될 수 있다.

이에 횟수측정알고리즘(130)은 각 분할구간을 상승 방향인지, 하강 방향인지를 개별적으로 구분한 뒤 이를 플러스(+)와 마이너스(-)로 매핑할 수 있다.

따라서 연속적으로 4개의 분할구간을 묶은 뒤 이를 구성하는 각각의 분할구간을 플러스(+)와 마이너스(-)로 매핑을 하면 총 16가지 종류의 방향패턴이 형성될 수 있다.

즉 4개의 분할구간을 1,2,3,4번 구간이라고 하면 1~4번 구간이 모두 플러스(+)인 유형, 1~3번은 플러스(+)이고 4번은 마이너스(-)인 유형인 것부터, 1~3번은 마이너스(-)이고 4번은 플러스(+)인 유형, 1~4번 구간이 모두 마이너스(-)인 유형까지 총 16가지의 분할구간 유형이 생성될 수 있다.

횟수측정알고리즘(130)은 상기 16가지 유형을 16가지 방향패턴으로 정의하고 저장할 수 있다.

횟수측정알고리즘(130)은, 사용자가 생성한 표준그래프를 상기의 예로써 10개의 구간으로 분할하였다면, 시작시점부터 분할구간을 4개씩 묶어서 16가지 방향패턴 중 하나와 매칭시키고 이후 시간의 순서에 따라 1개 구간씩 지연시키며 4개 구간을 순서대로 묶으면서 16가지 방향패턴 중 일 방향패턴에 매칭시킬 수 있다.

사용자의 상기 본과정 운동동작 시 생성된 방향패턴을 본과정 방향패턴이라고 정의하면, 본과정 방향패턴을 구성하는 4개의 분할구간 중 골이 형성된 지점, 즉 플러스(+)에서 마이너스(-)로 전환되는 시점이 최대값이 될 수 있는 확률이 존재하는 것으로 해석될 수 있다.

하지만 단순히 플러스(+)에서 마이너스(-)로 전환되는 것만으로는 최대값이라고 단정하기 어렵기 때문에 횟수측정알고리즘(130)에서는 플러스(+)에서 마이너스(-)로 전환되는 시점의 구간에서 측정된 골의 진폭이 준비과정 운동에서 측정된 사용자기준최대값(121)에 포함되는지 여부를 체크하게 된다.

이때 본과정 방향패턴 중 플러스(+)에서 마이너스(-)로 전환되는 시점의 상승 방향 플러스(+) 구간이 사용자기준최대값(121)에 포함되어 지나면 본과정 운동의 표준그래프가 최대값을 지났다고 판단할 수 있다.

마찬가지 방법으로 마이너스(-)에서 플러스(+)로 전환되는 시점의 구간에서 측정된 마루의 진폭이 사용자기준최소값(122)에 포함되어 지나면 본과정 운동의 표준그래프가 최소값을 지났다고 판단할 수 있다.

본과정 운동의 표준그래프가 사용자기준최대값(121)과 사용자기준최소값(122)을 지나면 횟수측정알고리즘(130)은 사용자가 해당 운동종류를 바른 운동동작으로 1회 실시하였다고 판단할 수 있게 된다.

상기 과정을 반복하면서 횟수측정알고리즘(130)은 사용자가 총 실시한 운동횟수를 측정할 수 있게 되고, 운동횟수를 측정할 수 있는 것은 사용자가 바른 동작으로 실시한 것으로 판단할 수 있게 된다.

이때 본과정 방향패턴에서 측정되는 최대값과 최소값이 사용자기준최대값(121) 및 사용자기준최소값(122)을 지나지 않고 본과정의 파동그래프가 계속 진행된다면 사용자가 잘못된 동작으로 운동을 하는 것으로 판단할 수 있다.

이에 횟수측정알고리즘(130)은 소정의 시간 동안 본과정의 방향패턴이 사용자기준최대값(121)과 사용자기준최소값(122)에 포함되지 않고 진행된다면 사용자에게 스마트단말(300) 및 스마트밴드(200)를 통해서 동작이 잘못되었음을 고지하고 재 운동을 명할 수 있다.

이때 필요시 사용자의 선택에 따라 바른 운동동작이 시연되도록 스마트단말(300)에 표시할 수 있다.

동작검증알고리즘(140)은 운동동작 시 생성되는 그래프들을 머신러닝의 딥신경망(Deep Neural Network) 모델을 이용하여 지도학습(Supervised Learning)시켜서 사용자가 운동동작 수행 시 바른 동작과 잘못된 동작인지를 구분하여 알려주도록 할 수 있다.

상기 딥신경망 모델을 이용한 지도학습 과정을 상세히 설명하면 다음과 같다.

먼저, 사용자가 특정 운동동작에 대해 바른 동작으로 수행하면 도 9의 (a)와 같이 파동그래프 패턴을 X축, Y축, Z축에 대해 각각 생성할 수 있다.

마찬가지로 동일한 운동동작에 대해 잘못된 동작으로 수행하면 도 9의 (b)와 같이 파동그래프 패턴을 X축, Y축, Z축에 대해 각각 생성할 수 있다.

다음으로, X축, Y축, Z축에 대한 파동그래프 패턴 중 패턴이 규칙적으로 생성되어 운동횟수를 측정하기 좋은 축, 즉 기준축의 표준그래프를 선택하고, 이를 딥신경망의 입력값으로 사용하기 위해 전처리할 수 있다.

이때 전처리란 가로축(시간)에 대한 세로축(각도) 값을 일정한 간격으로 샘플링하는 공정을 의미하며 도 10과 같은 전처리 그래프를 생성할 수 있다.

다음으로, 모든 운동동작들에 대해 트레이너를 포함한 많은 실험 참가자들로부터 각각 바른 동작과 잘못된 동작에 대한 그래프 데이터를 충분히 생성하여 학습데이터 세트를 구축한다.

학습데이터 세트는 학습데이터 : 테스트데이터 = 8 : 2 의 비율로 분리하여 구축한다.

그리고 샘플링된 세로축(각도) 데이터 개수만큼 딥신경망의 입력층을 구성하고 이에 따라 적절한 개수의 은닉층과 출력층을 구성한다.

이때 하나의 은닉층의 노드수는 일반적으로 입력층 노드 수의 절반 정도의 크기로 하여 구성하고, 출력층은 운동동작의 분류 결과로써 바른 동작을 나타내는 예스(Yes)와 잘못된 동작을 나타내는 노(No)로 구성한다.

또한 학습 알고리즘은 오류 역전파(Error back-Propagation) 알고리즘으로 하고, 최적화 알고리즘은 경사 하강 추적법 또는 아담(Adam) 알고리즘으로 수행한다.

상기 딥신경망의 입력층, 은닉층, 출력층의 관계 및 절차는 도 11에 도시되어 있다.

학습데이터 세트에 대해 딥신경망 모델로 충분히 학습시켜서 입력 데이터 세트에 대한 최적의 가중치 조합을 구축하고 나면 실제 환경에 적용한다.

새로운 사용자가 본 발명의 웨어러블 기반 셀프형 운동관리 시스템(10)을 사용하여 셀프로 운동을 수행하려고 할 때, 특정 운동동작을 한 번 수행하고 나면 바른 동작, 즉 표본이 되는 동작에 대한 표준그래프와 방금 사용자가 수행한 운동동작에 대한 그래프를 스마트단말(300)에 동시에 표시하여 표본 동작과 자신의 동작의 차이를 비교할 수 있게 해줄 수 있다.

또한 사용자의 동작에 대한 그래프 샘플링 값을 서버에 있는 딥신경망으로 보내 바른 자세와 행위로 운동을 수행하였는지, 아니면 잘못된 자세와 행위로 운동을 수행했는지 여부를 추론한 후 바르지 않다고 결과가 나올 경우 스마트단말에 메시지를 출력하거나 또는 스마트밴드의 소정의 알람 등을 이용하여 사용자에게 고지함으로써 운동동작을 다시 체크하도록 할 수 있다.

한편 본 발명의 다른 실시예로써 블루투스 기반의 근거리 무선통신 장치인 비콘이 추가적으로 포함되어 사용될 수 있다.

비콘은 운동기구에 장착이 된 상태로 구비될 수 있으며, 사용자가 스마트밴드(200)를 착용하고 운동기구에 가까이 가면 사용자가 해당 운동기구를 이용한 운동을 할 것으로 예측하여 스마트단말(300)에 해당 운동기구를 이용한 운동종류 중 사용자에게 처방된 운동동작 동영상, 운동횟수, 권장 수행시간 등을 나열하여 보여줄 수 있다.

비콘이 없는 상태에서 사용자는 각 운동기구를 옮겨다니면서 스마트단말(300)을 특정 위치에 거치한 상태에서 셀프운동프로그램(113)에 적시된 운동종류를 터치하여 해당 운동동작의 운동횟수, 동영상을 직접 확인하도록 하여야 한다.

이상의 설명을 토대로 하는 본 발명의 바람직한 실시예에 따른 웨어러블 기반 셀프형 운동관리 방법은 다음과 같다.

웨어러블 기반 셀프형 운동관리 방법은 표준트레이닝디비(110) 단계(S100), 사용자기준디비(120) 단계(S200), 횟수측정알고리즘(130) 단계(S300), 동작검증알고리즘(140) 단계(S400)를 포함하여 구성될 수 있다.

표준트레이닝디비(110) 단계(S100)는, 운동생리학적 이론을 적용한 운동유형별 셀프 프로그램을 데이터베이스로 구축하는 단계로 정의될 수 있다.

사용자기준디비(120) 단계(S200)는 사용자의 신체정보, 운동목적 및 트레이닝이력을 관리하는 단계이고, 횟수측정알고리즘(130) 단계(S300)는 사용자가 신체정보, 문진체크정보, 운동유형을 설정하면 사용자 고유의 셀프운동프로그램(113)이 설정되며, 사용자가 셀프운동프로그램(113)에 따라 운동동작을 실시하면 운동횟수, 동작 정확성을 측정하는 단계이다.

표준트레이닝디비(110) 단계(S100)는 다수의 전문 연구원과 전문 트레이너에 의해서 운동생리학을 기반으로 한 대량의 데이터를 토대로 표준화된 데이터베이스가 기 구축되어 운동관리서버(100)에 저장되어 관리되는 단계이다.

이에 반해 사용자기준디비(120) 단계(S200)는 사용자가 운동관리서버(100)로부터 처방받은 셀프운동프로그램(113)을 준비과정 운동으로 실시하면 생성되는 단계이며,

횟수측정알고리즘(130) 단계(S300)는 사용자가 셀프운동프로그램(113)에 따라 본과정 운동을 실시하면 스마트밴드(200)로부터 실시간으로 수행되는 단계이다.

따라서 표준트레이닝디비(110) 단계(S100)가 제일 우선하고 다음으로 사용자기준디비(120) 단계(S200) 및 횟수측정알고리즘(130) 단계(S300)가 이어서 수행될 수 있으며, 다만 횟수측정알고리즘(130) 단계(S300)에서는 표준트레이닝디비(110) 단계(S100) 및 사용자기준디비(120) 단계(S200)에서 기 구축된 데이터베이스와 알고리즘이 호출되어 사용되는 것을 포함한다.

상기와 같은 단계별 특성과 상호 관계를 바탕으로 웨어러블 기반 셀프형 운동관리 방법을 순차적으로 설명하면 다음과 같다.

표준트레이닝디비(110) 단계(S100)에서는,

우선 표준셀프운동법(111)을 동영상으로 제작하는 단계가 실행되는데, 이는 복수의 운동기구에 따른 운동종류 별 다수의 운동방법을 특정하고 바른 동작과 잘못된 동작을 전문 트레이너가 시현하여 스마트단말(300)을 통해 사용자가 보고 배울 수 있도록 준비된다.(S110)

다음은 표준측정방법(112)을 설정하는 단계로써, 스마트밴드(200)를 착용한 전문 트레이너가 상기 운동종류별 바른 운동동작을 실시하면 X축, Y축, Z축 별로 자이로센서값과 가속도센서값을 검출한 후 이를 근거로 다음의 수학식

< 센서신호값 = α×이전 각도+자이로센서값(deg/sec)×적분할 시간(dt)) + (1-α)×가속도센서값 (단, α는 상수) >

에 따라 센서신호값을 산출한 후 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 표준측정방법(112)을 설정한다.(S120)

다음 셀프운동프로그램(113) 단계에서는, 사용자의 신체정보, 문진체크정보, 운동유형에 따라 조성될 수 있는 대량의 조합에 따라 각 사용자에게 적합한 운동종류, 횟수, 순서, 기간을 운동단계별로 설정하여 처방하는 개인별 맞춤형 셀프운동프로그램(113)을 생성하여 데이터베이스로 구축한다.(S130)

사용자기준디비(120) 단계(S200)에서는,

우선 사용자가 스마트밴드(200)를 착용하고 본인이 입력한 신체정보, 문진체크정보 및 운동유형에 따라 처방받은 셀프운동프로그램(113)을 운동종류 별로 준비과정 운동으로써 소정의 횟수를 시범 실시한다.(S210)

다음 절차로써, 사용자가 실시한 각 운동종류 별로 스마트밴드(200)에서는 표준측정방법(112)에 의해 기준축을 대상으로 센서신호값을 검출하며 표준그래프를 생성한다.

그리고 사용자의 준비과정 운동동작으로부터 생성된 표준그래프에서 사용자기준최대값(121)과 사용자기준최소값(122)을 특정하고 이를 사용자 고유의 데이터베이스로 저장한다.(S220)

횟수측정알고리즘(130) 단계(S300)에서는,

기 구축 단계로써 16가지 방향패턴을 정의하는 것을 우선 실시한다.

16가지 방향패턴을 정의하는 단계에서는, 전문 트레이너의 운동동작에 의해 운동종류 별로 생성된 표준그래프를 소정 개수의 구간으로 분할하고, 각 분할구간을 상승 및 하강 방향으로 구분하여 측정한 뒤, 연속적인 4개의 구간을 묶어서 상승 및 하강으로 구분 표시하며 총 16가지의 방향패턴을 정의한다.(S310)

이후 실시간 측정 단계로써,

사용자가 스마트밴드(200)를 착용하고 셀프운동프로그램(113)에 따라 본과정 운동동작을 실시하는 단계가 실시된다. (S320)

동시에 스마트밴드(200)에서 운동동작으로부터 기준축 상의 실시간 센서신호값을 산출하게 된다.

상기 센서신호값 산출은 소정 주기에 맞춰 연속적으로 다수 시행되며 이에 따라 본과정 파동그래프를 검출한다.(S330)

다음으로 본과정 파동그래프를 소정 개수의 구간으로 분할하고, 전체 분할구간을 시간 순서에 따라 1개 구간씩 지연시키며 4개 구간을 하나씩 묶어 16가지 방향패턴 중 일 방향패턴과 각각 매칭시켜 본과정 방향패턴을 산출한다.(S340)

본과정 방향패턴을 표준그래프의 16가지 방향패턴과 비교한다.(S350)

본과정 방향패턴 중 상승패턴 시 측정된 최대값이 사용자기준최대값(121)을 지나고 하강패턴 시 측정된 최소값이 사용자기준최소값(122)을 지나면 사용자가 바른 동작으로 운동동작을 1회 실시한 것으로 판단하며 전체 본과정 파동그래프를 대상으로 사용자의 운동동작 횟수를 측정한다.(S360)

산출된 운동동작 횟수가 셀프운동프로그램(113)에 할당된 횟수와 동일하면 해당 운동종류 운동이 완료된 것으로 판단하여 사용자에게 고지한다.(S370)

본과정 파동그래프가 형성하는 방향패턴 중 사용자기준최대값(121) 및 사용자기준최소값(122)과 매칭되는 교차점이 발견되지 않고 표준그래프와 상이한 형태로 형성되면 사용자의 운동동작을 잘못된 동작으로 판단하여 재 운동을 지시한다.(S380)

셀프운동프로그램(113)에 할당된 단계별 모든 운동의 운동횟수를 달성하면 당일 목표 운동량을 완성한 것으로 판단하고 다음 운동량을 설정하여 고지한다.(S390)

동작검증알고리즘(140) 단계(S400)에서는,

사용자의 운동동작 시 생성되는 그래프를 머신러닝에 의한 도 11의 딥신경망 모델을 이용한 지도학습 과정을 적용하여 실시간으로 전처리한다.(S410)

이후 사용자 운동동작의 전처리된 그래프를 스마트단말에 표준그래프와 동시에 시연함으로써 사용자 스스로 동작의 차이를 비교하며 동작의 정확성을 검증할 수 있다.(S420)

이상의 단계로써 웨어러블 기반 셀프형 운동관리 방법이 완료될 수 있다.

이상에서 설명된 본 발명의 실시예는 예시적인 것에 불과하며, 본 발명이 속한 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 잘 알 수 있을 것이다.

그러므로 본 발명은 상기의 상세한 설명에서 언급되는 형태로만 한정되는 것은 아님을 잘 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

또한, 본 발명은 첨부된 청구범위에 의해 정의되는 본 발명의 정신과 그 범위 내에 있는 모든 변형물과 균등물 및 대체물을 포함하는 것으로 이해되어야 한다.

10 : 웨어러블 기반 셀프형 운동관리 시스템
100 : 운동관리서버
110 : 표준트레이닝디비
111 : 표준셀프운동법
112 : 표준측정방법
113 : 셀프운동프로그램
120 : 사용자기준디비
121 : 사용자기준최대값
122 : 사용자기준최소값
130 : 횟수측정알고리즘
140 : 동작검증알고리즘
200 : 스마트밴드
300 : 스마트단말

Claims (5)

1. 운동정보에 관한 연산을 수행하는 운동관리서버;
   사용자의 신체에 착용되어 운동동작을 측정하는 스마트밴드;
   운동관리서버 및 스마트밴드와 통신망으로 연동하는 스마트단말;을 포함하며,
   운동관리서버는,
   운동유형별 프로그램을 데이터베이스로 구축한 표준트레이닝디비;
   사용자의 신체정보, 운동이력을 관리하는 사용자기준디비;
   사용자의 운동횟수, 동작을 측정하는 횟수측정알고리즘; 및
   사용자의 운동동작이 정확한지 검증하는 동작검증알고리즘;을 더 포함하되,
   표준트레이닝디비는,
   운동종류 별 운동방법을 전문 트레이너가 시현하며 바른 운동동작과 잘못된 운동동작으로 구분해 설명하는 표준셀프운동법;
   운동종류 별 바른 운동동작을 X축, Y축, Z축 별로 각속도와 가속도를 검출하고 센서신호값을 산출하여 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 설정하는 표준측정방법; 및
   사용자의 신체정보 및 문진체크정보, 운동유형에 따라 운동종류, 횟수, 순서, 기간을 운동단계 별로 구분 설정하여 개인별 운동 프로그램을 설정하는 셀프운동프로그램; 을 더 포함하며,
   횟수측정알고리즘은,
   운동동작을 수행하면서 생성된 표준그래프를 소정 개수의 구간으로 분할하고, 각 분할 구간을 상승 및 하강 방향으로 구분하여 측정한 뒤, 연속적인 4개의 구간을 묶어서 상승 및 하강으로 구분 표시하여 도출될 수 있는 총 16가지 방향패턴을 정의하고,
   사용자의 본과정 운동동작을 기준축 상에서 자이로센서값과 가속도센서값으로 측정하여 다음의 수학식
   센서신호값 = α×(이전 각도+자이로센서값(deg/sec)×적분할 시간(dt)) +(1-α)×가속도센서값 (단, α는 상수)
   에 따라 센서신호값을 산출하되, 소정 주기에 맞춰 연속적으로 다수 시행하여 본과정 파동그래프를 도출하며,
   본과정 파동그래프를 소정 개수의 구간으로 분할하고, 전체 분할 구간을 시간 순서에 따라 1개 구간씩 지연시키며 4개 구간을 하나씩 묶어 16가지 방향패턴 중 일 방향패턴과 각각 매칭시켜 본과정 방향패턴을 산출하며,
   본과정 방향패턴 중 상승패턴 시 측정된 최대값이 사용자기준최대값을 지나고 하강패턴 시 측정된 최소값이 사용자기준최소값을 지나면 사용자가 바른 동작으로 운동동작을 1회 실시한 것으로 판단하여 전체 본과정 파동그래프를 대상으로 사용자의 운동동작 횟수를 측정하는 것을 더 포함하고,
   본과정 파동그래프가 형성하는 방향패턴 중 사용자기준최대값 및 사용자기준최소값과 매칭되는 교차점이 발견되지 않고 표준그래프와 상이한 형태로 형성되면 사용자의 운동동작을 잘못된 동작으로 판단하는 것을 더 포함하며,
   사용자가 표준셀프운동법에 따라 셀프운동프로그램의 운동동작을 수행하면 표준측정방법이 적용된 횟수측정알고리즘이 사용자의 운동횟수를 측정하고 동작검증알고리즘이 사용자의 운동동작이 바르게 수행되었는지 검증하는 것을 포함하는 웨어러블 기반 셀프형 운동관리 시스템.
2. 제1항에 있어서,
   사용자기준디비는,
   스마트밴드를 착용한 사용자가 본인에게 설정된 셀프운동프로그램의 운동종류 별 준비과정 운동을 소정의 횟수로 시범 실시하고 표준그래프를 산출하며 각 마루의 범위를 사용자기준최대값으로 특정하고, 각 골의 범위를 사용자기준최소값으로 특정하는 것을 더 포함하며,
   표준측정방법은,
   표준그래프를 마루의 개수가 단일인 유형과 복수인 유형으로 구분하여 설정하고, 복수의 마루 유형은 각 마루의 높낮이 차이에 따라 유형을 세분화하며, 마루 및 골의 형상의 유사성에 따라 운동종류 별 운동횟수와 동작의 정확성을 측정하는 기준을 설정하는 것을 더 포함하며,
   동작검증알고리즘은,
   사용자의 운동동작 시 생성되는 그래프를 머신러닝의 딥신경망 모델을 이용한 지도학습 과정을 적용하여 전처리한 후 실시간으로 표준그래프와 비교하여 스마트단말에 시연함으로써 사용자의 운동동작이 바른 동작인지 잘못된 동작인지를 검증할 수 있는 것을 더 포함하는 웨어러블 기반 셀프형 운동관리 시스템.
3. 삭제
4. 제1항에 있어서,
   사용자의 문진체크정보는 트레이닝 시작 전 생성되어 사용자별 맞춤형 셀프운동프로그램을 산출하고, 트레이닝 시작 후 수시로 체크하여 시작 전과 비교하며 운동 향상도를 측정할 수 있는 것을 더 포함하되,
   문진체크정보는 체성분분석기를 통해 측정하여 산출하는 것과, 신체정보를 체성분 분석정보로 변환하는 신체정보 체성분 변환 공식에 따라 산출되는 것 중 적어도 하나 이상의 방법으로 실시되는 것을 더 포함하는 웨어러블 기반 셀프형 운동관리시스템.
5. 웨어러블 기반 셀프형 운동관리 방법으로써,
   운동생리학적 이론을 적용한 운동유형별 셀프 프로그램을 데이터베이스로 구축하는 표준트레이닝디비 단계;
   사용자의 신체정보, 운동목적 및 트레이닝이력을 관리하는 사용자기준디비 단계;
   사용자가 신체정보, 문진체크정보, 운동유형을 설정하면 사용자 고유의 셀프운동프로그램이 설정되며, 사용자가 셀프운동프로그램에 따라 운동동작을 실시하면 운동횟수를 측정하는 횟수측정알고리즘 단계;
   사용자의 운동동작이 바른 동작인지 잘못된 동작인지를 검증하는 동작검증알고리즘 단계; 를 포함하되,
   표준트레이닝디비 단계는,
   복수의 운동기구에 따른 운동종류 별 다수의 운동방법을 특정하고 바른 동작과 잘못된 동작을 전문 트레이너가 시현하여 표준셀프운동법을 동영상으로 제작하는 단계;
   스마트밴드를 착용한 전문 트레이너의 바른 운동동작을 X축, Y축, Z축 별로 자이로센서값과 가속도센서값을 검출한 후 이를 근거로 수학식 < 센서신호값 = α×(이전 각도+자이로센서값(deg/sec)×적분할 시간(dt)) + (1-α)×가속도센서값 (단, α는 상수) >에 따라 센서신호값을 산출한 후 파동그래프 형태로 변환하며, X축, Y축, Z축 중에서 반복적인 규칙성을 나타내는 파동그래프의 형태를 표준그래프로 특정하고 상기 표준그래프가 발현되는 축을 기준축으로 특정하여 운동종류 별로 각각 표준측정방법을 설정하는 단계;
   사용자 신체정보, 문진체크정보, 운동유형에 따라 각 사용자에게 적합한 운동종류, 횟수, 순서, 기간을 운동단계별로 설정한 개인별 맞춤 셀프운동프로그램을 데이터베이스로 구축하는 셀프운동프로그램 단계;를 더 포함하고,
   사용자기준디비 단계는,
   사용자가 스마트밴드를 착용하고 본인에게 설정된 셀프운동프로그램의 운동종류 별 준비과정 운동을 소정의 횟수로 시범 실시하는 단계;
   사용자가 실시한 각 운동종류 별로 표준측정방법에 의해 기준축 상의 표준그래프를 산출하며 각 마루의 범위를 사용자기준최대값으로 특정하고, 각 골의 범위를 사용자기준최소값으로 특정하여 데이터베이스로 저장하는 단계;를 더 포함하며,
   횟수측정알고리즘 단계는,
   전문트레이너에 의해 생성된 표준그래프를 소정 개수의 구간으로 분할하고, 각 분할구간을 상승 및 하강 방향으로 구분하여 측정한 뒤, 연속적인 4개의 구간을 묶어서 상승 및 하강으로 구분 표시하여 총 16가지 방향패턴을 정의하는 단계;
   사용자가 스마트밴드를 착용하고 셀프운동프로그램에 따라 본과정 운동동작을 실시하는 단계;
   스마트밴드에서 운동동작으로부터 기준축 상의 실시간 센서신호값을 산출하되, 소정 주기에 맞춰 연속적으로 다수 시행하여 본과정 파동그래프를 검출하는 단계;
   본과정 파동그래프를 소정 개수의 구간으로 분할하고, 전체 분할구간을 시간 순서에 따라 1개 구간씩 지연시키며 4개 구간을 하나씩 묶어 16가지 방향패턴 중 일 방향패턴과 각각 매칭시켜 본과정 방향패턴을 산출하는 단계;
   본과정 방향패턴을 표준그래프의 16가지 방향패턴과 비교하는 단계;
   본과정 방향패턴 중 상승패턴 시 측정된 최대값이 사용자기준최대값을 지나고 하강패턴 시 측정된 최소값이 사용자기준최소값을 지나면 사용자가 바른 동작으로 운동동작을 1회 실시한 것으로 판단하며 전체 본과정 파동그래프를 대상으로 사용자의 운동동작 횟수를 측정하는 단계;
   산출된 운동동작 횟수가 셀프운동프로그램에 할당된 횟수와 동일하면 해당 운동종류 운동이 완료된 것으로 판단하여 사용자에게 고지하는 단계;
   본과정 파동그래프가 형성하는 방향패턴 중 사용자기준최대값 및 사용자기준최소값과 매칭되는 교차점이 발견되지 않고 표준그래프와 상이한 형태로 형성되면 사용자의 운동동작을 잘못된 동작으로 판단하여 재 운동을 지시하는 단계;
   셀프운동프로그램에 할당된 단계별 모든 운동의 운동횟수를 달성하면 당일 목표 운동량을 완성한 것으로 판단하고 다음 운동량을 설정하여 고지하는 단계;를 더 포함하며,
   동작검증알고리즘 단계는,
   사용자의 운동동작 시 생성되는 그래프를 머신러닝의 딥신경망 모델을 이용한 지도학습 과정을 적용하여 실시간으로 전처리하는 단계;
   사용자 운동동작의 전처리된 그래프를 트레이너의 표준그래프와 스마트단말에 동시에 시연함으로써 사용자 스스로 동작의 차이를 비교하며 동작의 정확성을 검증하는 단계;를 더 포함하는 것을 특징으로 하는 웨어러블 기반 셀프형 운동관리 방법.

Images