KR102335192B1 - 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법, 장치 및 시스템 - Google Patents

Abstract

일실시에에 따르면, 장치에 의해 수행되는, 상호작용이 가능한 홈 코칭 콘텐츠를 제공하는 방법에 있어서, 제1 강사 계정으로 로그인된 제1 강사 단말로부터 강의실 개설 요청이 수신되면, 상기 제1 강사 계정을 통해 확인된 강의 정보를 기초로, 홈 트레이닝 코칭을 위한 강의실 페이지를 생성하고, 상기 강의실 페이지를 상기 제1 강사 단말로 제공하는 단계; 제1 수강자 계정으로 로그인된 제1 수강자 단말로부터 상기 강의실 페이지에 대한 입장 요청이 수신되면, 상기 제1 수강자 계정을 통해 확인된 수강 레벨을 기초로, 상기 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단하는 단계; 및 상기 제1 수강자의 수강 레벨을 통해 수강 자격이 있는 것으로 판단되면, 상기 강의실 페이지를 상기 제1 수강자 단말로 제공하여, 상기 강의실 페이지를 통해 상기 제1 강사 단말과 상기 제1 수강자 단말이 연결되어 실시간으로 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어하는 단계를 포함하며, 상기 강의가 진행되도록 제어하는 단계는, 상기 제1 수강자의 수강 레벨이 1레벨로 확인되면, 제1 영역-상기 제1 영역은 상기 제1 강사 단말에서 촬영된 제1 강사의 동작에 대한 영상 정보가 표시되는 영역-으로만 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계; 상기 제1 수강자의 수강 레벨이 2레벨로 확인되면, 상기 제1 영역 및 제2 영역-상기 제2 영역은 상기 제1 수강자 단말에서 촬영된 제1 수강자의 동작에 대한 영상 정보가 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계; 및 상기 제1 수강자의 수강 레벨이 3레벨로 확인되면, 상기 제1 영역, 상기 제2 영역 및 제3 영역-상기 제3 영역은 상기 제1 강사의 동작과 상기 제1 수강자의 동작이 오버레이되어 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계를 포함하는, 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법이 제공된다.

Description

상호작용이 가능한 홈 코칭 콘텐츠 제공 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR PROVIDING INTERACTIVE HOME COACHING CONTENT}

아래 실시예들은 상호작용이 가능한 홈 코칭 콘텐츠를 제공하는 기술에 관한 것이다.

현대인은 신체 활동이 감소하면서 운동 부족으로 인해 비만과 같은 성인병이 증가하고 있다. 이에 따라 신체 건강을 유지하기 위해 피트니스(Fitness)에 대한 관심이 증가하는 추세이다.

일반적으로 피지컬 피트니스(Physical Fitness) 또는 피트니스(Fitness)는 밸런스가 잡힌 건강한 신체를 만들어내는 일, 또는 그것을 위한 운동을 말한다. 이러한 피트니스는 전문 장비가 구비된 피트니스 센터에서 전문 트레이너의 개인 지도(Personal Training)를 통해 이루어지게 된다. 그러나 현대인은 바쁜 일상 때문에 체육관에 찾아가 정기적으로 전문 트레이너의 지도를 받기 어렵고, 비싼 강습료로 인해 피트니스를 지속하기가 매우 어려운 실정이다.

위와 같은 어려움 때문에 스마트 디바이스(Smart Device)를 이용해 전문 트레이너 없이 가정에서 사용자가 혼자 운동을 할 수 있는 스마트 피트니스(Smart Fitness)가 도입되고 있다. 그러나 이러한 스마트 피트니스는, 사용자 개인의 운동 수준에 따라 맞춤형 피트니스 코스가 제안되지 않고 일괄적으로 정해진 피트니스 코스를 수행하게 되므로 실질적인 운동 효과를 보기 어렵고, 잘못된 운동으로 인해 오히려 부상을 초래할 수 있다. 또한, 스마트 피트니스는 목표에 따른 유동적인 변화 없이 정해진 코스만을 반복하게 되므로, 사용자가 피트니스를 중도에 포기해버리는 경우가 많은 문제점이 있다.

따라서, 사용자에게 실시간으로 홈 트레이닝 영상을 제공하여 사용자와 강사 간에 상호작용이 가능한 홈 코칭 콘텐츠를 제공하고자 하는 요구가 증대되고 있다.

대한민국 등록특허공보 제10-1970687호(2019.04.19)

일실시예에 따르면, 수강자 계정을 통해 확인된 수강 레벨을 기초로, 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단하고, 수강자의 수강 레벨을 통해 수강 자격이 있는 것으로 판단되면, 수강자의 수강 레벨에 따라 상이한 화면으로 구성된 강의실 페이지를 수강자 단말로 제공하는 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일실시예에 따르면, 장치에 의해 수행되는, 상호작용이 가능한 홈 코칭 콘텐츠를 제공하는 방법에 있어서, 제1 강사 계정으로 로그인된 제1 강사 단말로부터 강의실 개설 요청이 수신되면, 상기 제1 강사 계정을 통해 확인된 강의 정보를 기초로, 홈 트레이닝 코칭을 위한 강의실 페이지를 생성하고, 상기 강의실 페이지를 상기 제1 강사 단말로 제공하는 단계; 제1 수강자 계정으로 로그인된 제1 수강자 단말로부터 상기 강의실 페이지에 대한 입장 요청이 수신되면, 상기 제1 수강자 계정을 통해 확인된 수강 레벨을 기초로, 상기 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단하는 단계; 및 상기 제1 수강자의 수강 레벨을 통해 수강 자격이 있는 것으로 판단되면, 상기 강의실 페이지를 상기 제1 수강자 단말로 제공하여, 상기 강의실 페이지를 통해 상기 제1 강사 단말과 상기 제1 수강자 단말이 연결되어 실시간으로 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어하는 단계를 포함하며, 상기 강의가 진행되도록 제어하는 단계는, 상기 제1 수강자의 수강 레벨이 1레벨로 확인되면, 제1 영역-상기 제1 영역은 상기 제1 강사 단말에서 촬영된 제1 강사의 동작에 대한 영상 정보가 표시되는 영역-으로만 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계; 상기 제1 수강자의 수강 레벨이 2레벨로 확인되면, 상기 제1 영역 및 제2 영역-상기 제2 영역은 상기 제1 수강자 단말에서 촬영된 제1 수강자의 동작에 대한 영상 정보가 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계; 및 상기 제1 수강자의 수강 레벨이 3레벨로 확인되면, 상기 제1 영역, 상기 제2 영역 및 제3 영역-상기 제3 영역은 상기 제1 강사의 동작과 상기 제1 수강자의 동작이 오버레이되어 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계를 포함하는, 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법이 제공된다.

상기 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법은, 상기 강의실 페이지에 대한 입장 요청을 수신하기 이전에, 상기 제1 수강자 계정을 통해 확인된 제1 수강자의 나이 정보, 성별 정보 및 취향 정보를 기초로, 상기 제1 수강자를 위한 운동 종목 리스트를 생성하는 단계; 상기 제1 수강자 계정을 통해 확인된 제1 수강자의 목표 정보를 기초로, 상기 운동 종목 리스트를 정렬하여 상기 제1 수강자 단말로 전송하는 단계; 상기 운동 종목 추천 리스트 중 제1 운동 종목이 선택되면, 상기 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 이력을 기초로, 상기 제1 수강자를 위한 제1 난이도를 설정하는 단계; 상기 제1 운동 종목에서 상기 제1 난이도로 개설된 강의 리스트를 생성하는 단계; 및 상기 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 가능 시간 정보를 기초로, 상기 강의 리스트를 정렬하여 상기 제1 수강자 단말로 전송하는 단계를 더 포함할 수 있다.

상기 강의가 진행되도록 제어하는 단계는, 상기 제1 강사 단말로부터 운동 시작 요청이 수신되고 상기 제1 수강자 단말로부터 운동 참여 요청이 수신되면, 상기 제1 강사의 동작과 상기 제1 수강자의 동작을 비교하여 동작의 일치도를 분석하는 단계; 상기 동작의 일치도가 미리 설정된 제1 기준치 보다 높은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 올바른 동작을 취한 것으로 판단하는 단계; 상기 동작의 일치도가 상기 제1 기준치 보다 낮지만 미리 설정된 제2 기준치 보다 높은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 일부 틀린 동작을 취한 것으로 판단하는 단계; 상기 동작의 일치도가 상기 제2 기준치 보다 낮은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단하는 단계; 상기 제1 수강자가 올바른 동작을 취한 것으로 판단되면, 상기 제1 수강자의 동작 성공 알림 메시지가 상기 제1 수강자 단말 및 상기 제1 강사 단말에서 표시되도록 제어하는 단계; 상기 제1 수강자가 일부 틀린 동작을 취한 것으로 판단되면, 상기 제1 강사의 동작과 상기 제1 수강자의 동작 중 일치하지 않는 부분만 확대되어 상기 제1 수강자 단말에서 표시되도록 제어하는 단계; 및 상기 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단되면, 상기 제1 수강자의 자세 지도 필요 알림 메시지가 제1 강사 단말에서 표시되도록 제어하는 단계를 포함할 수 있다.

상기 강의가 진행되도록 제어하는 단계는, 상기 제1 강사 단말로부터 이벤트 시작 요청이 수신되고 상기 제1 수강자 단말로부터 이벤트 참여 요청이 수신되면, 상기 이벤트 시작 요청 시 설정된 이벤트 시간 동안 상기 제1 강사의 동작들과 상기 제1 수강자의 동작들을 비교하여, 상기 제1 강사의 동작들 중 최초로 취한 동작인 제1 동작에 대한 일치도, 상기 제1 동작을 취한 이후 다음으로 취한 동작인 제2 동작에 대한 일치도, 상기 제2 동작을 취한 이후 다음으로 취한 동작인 제3 동작에 대한 일치도를 분석하는 단계; 상기 제1 동작의 일치도를 통해, 제1 동작 점수를 산정하는 단계; 상기 제1 동작 점수를 기초로, 제1 가중치를 설정하는 단계; 상기 제2 동작의 일치도에 상기 제1 가중치를 적용하여, 제2 동작 점수를 산정하는 단계; 상기 제1 동작 점수 및 상기 제2 동작 점수를 기초로, 제2 가중치를 설정하는 단계; 상기 제3 동작의 일치도에 상기 제2 가중치를 적용하여, 제3 동작 점수를 산정하는 단계; 상기 제1 동작 점수, 상기 제2 동작 점수 및 상기 제3 동작 점수를 합산하여, 상기 제1 수강자의 이벤트 점수를 산정하는 단계; 및 상기 강의실 페이지에 입장한 상태인 제2 수강자 계정을 사용하는 제2 수강자의 이벤트 점수 및 상기 제1 수강자의 이벤트 점수를 내림차순으로 정렬한 이벤트 점수 결과가 상기 제1 수강자 단말 및 상기 제1 강사 단말에서 표시되도록 제어하는 단계를 포함할 수 있다.

상기 상호작용이 가능한 홈 코칭 콘텐츠 제공 방법은, 상기 강의가 진행되도록 제어하는 단계 이후에, 상기 제1 수강자 계정이 상기 강의실 페이지에 입장한 수강 시작 시간 및 상기 제1 수강자 계정이 상기 강의실 페이지에서 퇴장한 수강 종료 시간을 기초로, 상기 제1 수강자 계정이 지급할 비용 및 상기 제1 강사 계정이 지급받을 비용을 산출하는 단계; 미리 설정되어 있는 단계화된 각각의 실외 환경 위험 단계와 단위 시간당 인센티브 사이의 대응 관계를 확인하는 단계; 상기 강의 정보를 기초로, 상기 제1 강사가 강의를 수행하는 환경이 실외인지 여부를 획득하는 단계; 상기 강의 정보를 통해 확인된 강의 장소 및 강의 시각에서의 실외 환경 예보값을 기초로, 단위 시간당 예상 인센티브를 설정하는 단계; 및 상기 제1 강사가 강의를 수행하는 동안의 실외 환경값이 포함되는 실외 환경 위험 단계에 대응하여 상기 제1 강사의 인센티브를 부여하는 단계를 더 포함하며, 상기 강의실 페이지를 생성하기 이전에, 강사의 피부를 감지할 수 있는 카메라인 강사 인증 수단을 통해 미리 정해진 주기마다 강사 계정들을 사용하는 강사들의 피부 정보를 획득하는 단계; 상기 강사들의 피부 정보를 기초로, 각 강사의 피부 질환이 있는지 여부를 진단하는 단계; 및 상기 제1 강사 계정을 사용하는 제1 강사가 피부 질환이 있는 것으로 진단되고, 상기 강의 정보를 통해 확인된 강의 장소 및 강의 시각에서의 실외 환경 예보값이 미리 정해진 실외 환경 위험 단계에 포함되는 것으로 확인되면, 상기 강의실 페이지가 생성되지 않도록 설정하는 단계를 더 포함할 수 있다.

일실시예에 따르면, 수강자 계정을 통해 확인된 수강 레벨을 기초로, 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단하고, 수강자의 수강 레벨을 통해 수강 자격이 있는 것으로 판단되면, 수강자의 수강 레벨에 따라 상이한 화면으로 구성된 강의실 페이지를 수강자 단말로 제공함으로써, 강사와 수강자 간에 홈 코칭 트레이닝이 용이하게 수행되도록 처리할 수 있는 효과가 있다.

한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 상호작용이 가능한 홈 코칭 콘텐츠를 제공하기 위한 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 강의실 페이지를 제공하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 수강자에게 맞춤형 강의를 추천하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 동작 일치도에 따라 강의 진행을 제어하는 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 수강자들 간에 경쟁을 위한 이벤트 점수를 산정하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 인센티브 제공 방법을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 강사의 건강 상태를 기초로 강사가 강의 서비스를 제공할 수 있는지 여부를 설정하는 방법을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 10은 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 상호작용이 가능한 홈 코칭 콘텐츠를 제공하기 위한 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 강사 단말(100), 복수의 수강자 단말(200) 및 장치(300)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

복수의 강사 단말(100) 각각과 복수의 수강자 단말(200) 각각은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.

복수의 강사 단말(100)은 홈 코칭 콘텐츠를 제공하기 위한 강사들이 사용하는 단말로, 제1 강사가 사용하는 제1 강사 단말(110), 제2 강사가 사용하는 제2 강사 단말(120) 등을 포함할 수 있으며, 복수의 수강자 단말(200)은 홈 코칭 콘텐츠를 제공받기 위한 수강자들이 사용하는 단말로, 제1 수강자가 사용하는 제1 수강자 단말(210), 제2 수강자가 사용하는 제2 수강자 단말(220) 등을 포함할 수 있다.

이하에서는 설명의 편의상, 제1 강사 단말(110) 및 제1 수강자 단말(210)의 동작을 위주로 설명하지만, 제2 강사 단말(120) 등의 다른 강사 단말에서 제1 강사 단말(110)의 동작을 대신 수행하고, 제2 수강자 단말(220) 등의 다른 수강자 단말에서 제1 수강자 단말(210)의 동작을 대신 수행할 수 있는 것은 물론이다.

복수의 강사 단말(100) 각각과 복수의 수강자 단말(200) 각각은 장치(300)에서 제공하는 웹 페이지, 애플리케이션 등을 통해 장치(300)로 접속할 수 있다.

장치(300)는 강사와 수강자 사이에 홈 트레이닝 코칭에 대한 콘텐츠가 제공될 수 있도록 플랫폼을 제공할 수 있다.

장치(300)는 오프라인 강의실 현장에서 하는 운동 코칭 교육의 체험감을 홈 트레이닝 코칭을 통해 제공될 수 있도록, 복수의 강사 단말(100)과 복수의 수강자 단말(200)을 연결시켜 홈 코칭에 대한 강의가 진행되도록 처리할 수 있다.

도 2는 일실시예에 따른 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 홈 코칭 콘텐츠 제공을 위한 홈페이지에 로그인된 사용자 계정이 강사 계정인지 여부를 확인할 수 있다. 로그인된 사용자 계정을 확인한 결과, 제1 강사 계정으로 로그인 된 것이 확인되면, 장치(300)는 강사 전용 홈페이지를 제1 강사 계정이 로그인된 제1 강사 단말(110)로 제공할 수 있다.

강사 전용 홈페이지 상에서 강의실 개설을 위한 인터페이스가 선택되면, S202 단계에서, 장치(300)는 제1 강사 단말(110)로부터 강의실 개설 요청을 수신할 수 있다.

S203 단계에서, 장치(300)는 제1 강사 계정을 통해 확인된 강의 정보를 기초로, 홈 트레이닝 코칭을 위한 강의실 페이지를 생성하고, 생성된 강의실 페이지를 제1 강사 단말(110)로 제공할 수 있다.

구체적으로, 장치(300)는 데이터베이스에 식별자, 강의 시간, 강의 운동 종목, 강의 난이도 등의 정보를 포함하는 강의 정보를 저장하여 강사 별로 관리할 수 있으며, 강사 계정을 통해 식별자, 강의 운동 종목 등에 대한 강의 정보를 확인하고, 현재 시간과 강의 시작 시간을 비교하여 강의실 개설이 필요한지 여부를 판단하고, 강의실 개설이 필요한 것으로 판단되면, 강의 정보를 통해 확인된 강의 운동 종목 및 강의 난이도에 해당하는 홈 트레이닝 코칭을 위한 강의실 페이지를 생성할 수 있다.

예를 들어, 제1 강사 계정에 등록된 강의 정보를 확인한 결과, 강의 시작 시간이 "오후 6시"이고, 강의 운동 종목이 "필라테스"이고, 강의 난이도가 "중급"인 경우, 장치(300)는 제1 강사 단말(110)로부터 강의실 개설 요청이 수신된 시점이 "오후 5시 55분"로 확인되면, 강의실 개설이 필요한 것으로 판단하여, "필라테스" 종목의 "중급" 난이도에 해당하는 강의실 페이지를 생성할 수 있다.

장치(300)는 제1 강사 계정의 요청으로 강의실 페이지가 생성되면, 제1 강사 계정이 로그인된 제1 강사 단말(110)로 강의실 페이지를 제공하여, 제1 강사 계정이 강의실 내에 입장하도록 처리할 수 있다.

한편, S204 단계에서, 장치(300)는 홈 코칭 콘텐츠 제공을 위한 홈페이지에 로그인된 사용자 계정이 수강자 계정인지 여부를 확인할 수 있다. 로그인된 사용자 계정을 확인한 결과, 제1 수강자 계정으로 로그인 된 것이 확인되면, 장치(300)는 수강자 전용 홈페이지를 제1 수강자 계정이 로그인된 제1 수강자 단말(210)로 제공할 수 있다.

제1 수강자 계정이 제1 수강자 단말(210)을 통해 로그인되면, S205 단계에서, 장치(300)는 현재 생성되어 있는 강의실 페이지들을 확인하고, 확인된 강의실 리스트를 제1 수강자 단말(210)로 제공할 수 있다.

제1 수강자 단말(210)의 화면에 표시된 강의실 리스트 중 어느 하나가 선택되면, S206 단계에서, 장치(300)는 제1 수강자 단말(210)로부터 강의실 리스트 중 선택된 강의실 페이지에 대한 입장 요청을 수신할 수 있다.

S207 단계에서, 장치(300)는 제1 수강자 계정을 통해 확인된 수강 레벨을 기초로, 입장 요청된 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단할 수 있다.

구체적으로, 장치(300)는 데이터베이스에 수강자 계정 정보를 저장하여 수강자 별로 관리할 수 있으며, 수강자 계정 정보에는 수강 레벨이 설정되어 있어, 수강 레벨을 통해 수강 자격이 있는지 여부를 판단할 수 있다.

일실시예에 따르면, 수강 레벨은 4단계로 구분될 수 있으며, 수강자 회원으로 가입하였으나 서비스 이용을 위한 비용이 결제되지 않은 경우 0레벨로 설정되고, 서비스 이용을 위한 제1 비용이 결제된 경우 1레벨로 설정되고, 제1 비용 보다 높은 금액인 제2 비용이 결제된 경우 2레벨로 설정되고, 제2 비용 보다 높은 금액인 제3 비용이 결제된 경우 3레벨로 설정될 수 있다. 수강 레벨의 단계는 실시예에 따라 얼마든지 달라질 수 있으며, 금액 구간 별로 다양하게 설정될 수 있다.

예를 들어, 제1 수강자 계정에 서비스 이용을 위한 비용이 0원 결제된 경우, 제1 수강자 계정의 수강 레벨이 0레벨로 설정되고, 제1 수강자 계정에 서비스 이용을 위한 비용이 10,000원 결제된 경우, 제1 수강자 계정의 수강 레벨이 1레벨로 설정되고, 제1 수강자 계정에 서비스 이용을 위한 비용이 20,000원 결제된 경우, 제1 수강자 계정의 수강 레벨이 2레벨로 설정되고, 제1 수강자 계정에 서비스 이용을 위한 비용이 30,000원 결제된 경우, 제1 수강자 계정의 수강 레벨이 3레벨로 설정될 수 있다.

수강 레벨은 4단계 이외에 다양한 형태로 구현될 수 있으며, 비용 결제로 설정된 수강 레벨은 일정 기간 동안만 유지되고, 일정 기간이 지난 후 비용이 결제되지 않으면, 다시 0레벨로 재설정될 수 있다. 수강 레벨은 개별적인 강의 별로 설정될 수 있고, 전체 강의에 대해 통합적으로 설정될 수도 있다.

S207 단계에서 수강 자격이 있는 것으로 판단되면, S208 단계에서, 장치(300)는 입장 요청된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다. 즉, 제1 수강자의 수강 레벨이 0레벨이 아니고 1레벨, 2레벨 및 3레벨 중 어느 하나로 확인되면, 장치(300)는 입장 요청된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다.

S207 단계에서 수강 자격이 없는 것으로 판단되면, 장치(300)는 강의실 입장 불가 알림 메시지를 제1 수강자 단말(210)로 전송할 수 있으며, S205 단계로 되돌아가, 강의실 페이지를 다시 제공하여, 다른 강의실에 대한 입장 요청이 다시 수신될 수 있다. 즉, 제1 수강자의 수강 레벨이 0레벨로 확인되면, 장치(300)는 입장 요청된 강의실 페이지에 접속되지 않도록 처리할 수 있다.

장치(300)는 제1 수강자 계정이 로그인된 제1 수강자 단말(210)로 강의실 페이지를 제공하여, 제1 강사 계정이 입장되어 있는 강의실 내에 제1 수강자 계정도 입장하도록 처리할 수 있다.

S209 단계에서, 장치(300)는 강의실 페이지를 통해 제1 강사 단말(110)과 제1 수강자 단말(210)이 연결된 상태를 유지하도록 처리하여, 강의실 페이지를 통해 실시간으로 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어할 수 있다.

도 3은 일실시예에 따른 강의실 페이지를 제공하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(300)는 제1 수강자 단말(210)로부터 강의실 페이지에 대한 입장 요청이 수신되면, 제1 수강자의 계정을 통해 제1 수강자의 수강 레벨을 확인할 수 있다.

일실시예에 따르면, 수강 레벨은 4단계로 구분될 수 있으며, 수강자 회원으로 가입하였으나 서비스 이용을 위한 비용이 결제되지 않은 경우 0레벨로 설정되고, 서비스 이용을 위한 제1 비용이 결제된 경우 1레벨로 설정되고, 제1 비용 보다 높은 금액인 제2 비용이 결제된 경우 2레벨로 설정되고, 제2 비용 보다 높은 금액인 제3 비용이 결제된 경우 3레벨로 설정될 수 있다.

S302 단계에서, 장치(300)는 제1 수강자의 수강 레벨이 1레벨 보다 낮은 0레벨인지 여부를 확인할 수 있다.

S302 단계에서 제1 수강자의 수강 레벨이 0레벨로 확인되면, S303 단계에서, 장치(300)는 강의실 페이지에 입장이 가능한 수강 자격이 없는 것으로 판단하여, 강의실 입장이 허용되지 않도록 처리할 수 있다.

S302 단계에서 제1 수강자의 수강 레벨이 1레벨 이상으로 확인되면, S304 단계에서, 장치(300)는 강의실 페이지에 입장이 가능한 수강 자격이 있는 것으로 판단하여, 강의실 입장이 허용되도록 처리할 수 있다.

S305 단계에서, 장치(300)는 제1 수강자의 수강 레벨이 1레벨인지 여부를 확인할 수 있다.

S305 단계에서 제1 수강자의 수강 레벨이 1레벨로 확인되면, S306 단계에서, 장치(300)는 제1 영역으로만 구성된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다. 여기서, 제1 영역은 제1 강사 단말(110)에서 촬영된 제1 강사의 동작에 대한 영상 정보가 표시되는 영역이다.

즉, 제1 수강자의 수강 레벨이 1레벨인 경우, 강의가 진행되는 동안에는 제1 강사의 동작에 대한 영상 정보만 제1 수강자 단말(210)에서 표시될 수 있다.

S305 단계에서 제1 수강자의 수강 레벨이 1레벨로 확인되지 않으면, S307 단계에서, 장치(300)는 제1 수강자의 수강 레벨이 2레벨인지 여부를 확인할 수 있다.

S307 단계에서 제1 수강자의 수강 레벨이 2레벨로 확인되면, S308 단계에서, 장치(300)는 제1 영역 및 제2 영역으로 구성된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다. 여기서, 제2 영역은 제1 수강자 단말(210)에서 촬영된 제1 수강자의 동작에 대한 영상 정보가 표시되는 영역이다.

즉, 제1 수강자의 수강 레벨이 2레벨인 경우, 강의가 진행되는 동안에는 제1 강사의 동작에 대한 영상 정보와 제1 수강자의 동작에 대한 영상 정보가 함께 제1 수강자 단말(210)에서 표시될 수 있다.

예를 들어, 강의실 페이지의 우측에 제1 영역을 배치하고 강의실 페이지의 좌측에 제2 영역을 배치하여 강의실 페이지를 설정할 수 있으며, 제1 수강자 단말(210)에서는 강의 진행 시 제1 강사의 동작에 대한 영상 정보가 강의실 페이지 내에서 우측에 표시되고, 제1 수강자의 동작에 대한 영상 정보가 강의실 페이지 내에서 좌측에 표시되어, 제1 수강자는 제1 강사의 동작과 자신의 동작을 한 번에 확인할 수 있다.

S307 단계에서 제1 수강자의 수강 레벨이 2레벨로 확인되지 않으면, 수강 레벨이 3레벨까지 설정될 수 있으므로, 제1 수강자의 수강 레벨이 3레벨로 확인될 수 있으며, S309 단계에서, 장치(300)는 제1 영역, 제2 영역 및 제3 영역으로 구성된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다. 여기서, 제3 영역은 제1 강사의 동작과 제1 수강자의 동작이 오버레이되어 표시되는 영역이다.

즉, 제1 수강자의 수강 레벨이 3레벨인 경우, 강의가 진행되는 동안에는 제1 강사의 동작에 대한 영상 정보, 제1 수강자의 동작에 대한 영상 정보 및 제1 강사의 동작과 제1 수강자의 동작이 오버레이된 영상 정보가 함께 제1 수강자 단말(210)에서 표시될 수 있다.

예를 들어, 강의실 페이지의 우측 상단에 제1 영역을 배치하고 강의실 페이지의 좌측 상단에 제2 영역을 배치하고 강의실 페이지의 하단에 제3 영역을 배치하여 강의실 페이지를 설정할 수 있으며, 제1 수강자 단말(210)에서는 강의 진행 시 제1 강사의 동작에 대한 영상 정보가 강의실 페이지 내에서 우측 상단에 표시되고, 제1 수강자의 동작에 대한 영상 정보가 강의실 페이지 내에서 좌측 상단에 표시되고, 제1 강사의 동작과 제1 수강자의 동작이 오버레이된 영상 정보가 강의실 페이지 내에서 하단에 표시되어, 제1 수강자는 제1 강사의 동작과 자신의 동작을 개별적으로 확인하면서, 오버레이된 영상 정보를 통해 강사의 동작과 자신의 동작이 얼마나 일치하는지도 확인할 수 있다.

도 4는 일실시예에 따른 수강자에게 맞춤형 강의를 추천하는 과정을 설명하기 위한 순서도이다.

도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 제1 수강자 계정을 통해 확인된 제1 수강자의 나이 정보, 성별 정보 및 취향 정보를 기초로, 제1 수강자에게 추천할만한 운동 종목을 선별하고, 선별된 운동 종목들을 취합하여 제1 수강자를 위한 운동 종목 리스트를 생성할 수 있다.

구체적으로, 장치(300)는 데이터베이스에 수강자 계정 정보를 저장하여 수강자 별로 수강자 계정을 관리할 수 있으며, 수강자 계정 정보는 수강자의 나이 정보, 성별 정보, 취향 정보 등을 포함할 수 있다. 장치(300)는 미리 인터넷 등을 통해 수집된 운동 관련 빅데이터 및 딥러닝을 기반으로, 수강자의 나이, 성별 및 취향을 통해 수강자에게 추천할만한 운동 종목을 선별할 수 있다.

예를 들어, 제1 수강자의 나이가 30대이고, 성별이 여성이고, 취향이 활발한 활동을 선호하는 취향인 경우, 장치(300)는 활발할 활동을 선호하는 30대 여성들이 많이 수강한 것으로 확인된 줌바, 다이어트 댄스, K-댄스 등의 운동 종목들을 선별할 수 있으며, 선별된 운동 종목들을 취합하여 제1 수강자를 위한 운동 종목 리스트를 생성할 수 있다.

S402 단계에서, 장치(300)는 제1 수강자 계정을 통해 확인된 제1 수강자의 목표 정보를 기초로, 운동 종목 리스트를 정렬하여 제1 수강자 단말(210)로 전송할 수 있다.

구체적으로, 장치(300)는 데이터베이스에 수강자 계정 정보를 저장하여 수강자 별로 수강자 계정을 관리할 수 있으며, 수강자 계정 정보는 수강자의 목표 정보를 더 포함할 수 있다. 장치(300)는 데이터베이스에 강의 정보를 저장하여 개설된 강의 별로 강의 정보를 관리할 수 있으며, 강의 정보는 운동 종목, 운동 난이도, 운동 목적, 운동 효과 등에 대한 정보를 포함할 수 있다. 장치(300)는 운동 종목 리스트에 포함된 운동 종목 각각의 운동 효과와 수강자의 목표를 비교하여, 운동 효과와 수강자의 목표가 일치하는 순서로 운동 종목 리스트를 정렬하여 제1 수강자 단말(210)로 전송할 수 있다.

예를 들어, 운동 종목 리스트에 줌바, 다이어트 댄스, K-댄스 등이 포함되어 있고, 줌바의 운동 효과가 체중 감량 80%, 체력 증진 20%로 등록되어 있고, 다이어트 댄스의 운동 효과가 체중 감량 90%, 체력 증진 10%로 등록되어 있고, K-댄스의 운동 효과가 체중 감량 70%, 체력 증진 30%로 등록되어 있으며, 제1 수강자의 운동 목표가 체중 감량으로 확인되면, 장치(300)는 다이어트 댄스, 줌바, K-댄스 순으로 운동 종목 리스트를 정렬하여, 체중 감량 효과가 큰 순서대로 정렬된 운동 종목 리스트를 제1 수강자 단말(210)로 전송할 수 있다.

S403 단계에서, 장치(300)는 제1 수강자 단말(210)의 화면에 표시된 운동 종목 추천 리스트 중 어느 하나인 제1 운동 종목이 선택되면, 제1 수강자 단말(210)로부터 제1 운동 종목에 대한 선택 정보를 수신할 수 있다. 예를 들어, 운동 종목 리스트 중 다이어트 댄스가 선택되면, 장치(300)는 제1 수강자 단말(210)로부터 다이어트 댄스에 대한 선택 정보를 수신할 수 있다.

S404 단계에서, 장치(300)는 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 이력을 기초로, 제1 수강자를 위한 제1 난이도를 설정할 수 있다.

구체적으로, 장치(300)는 데이터베이스에 수강자 계정 정보를 저장하여 수강자 별로 수강자 계정을 관리할 수 있으며, 수강자 계정 정보는 수강자의 수강 이력을 더 포함할 수 있다. 장치(300)는 제1 수강자가 수강한 이력이 많을수록 제1 난이도를 어려운 단계로 설정할 수 있으며, 제1 수강자가 수강한 이력이 적을수록 제1 난이도를 쉬운 단계로 설정할 수 있다.

예를 들어, 제1 수강자가 10개 이상의 강의를 수강한 경우, 장치(300)는 제1 난이도를 상급 난이도로 설정할 수 있고, 제1 수강자가 5개 이상의 강의를 수강한 경우, 장치(300)는 제1 난이도를 중급 난이도로 설정할 수 있고, 제1 수강자가 5개 미만의 강의를 수강한 경우, 장치(300)는 제1 난이도를 하급 난이도로 설정할 수 있다.

S405 단계에서, 장치(300)는 제1 운동 종목에서 제1 난이도로 개설된 강의 리스트를 생성할 수 있다.

예를 들어, 제1 운동 종목이 다이어트 댄스이고, 제1 난이도가 중급인 경우, 장치(300)는 다이어트 댄스의 중급 난이도로 개설된 강의들을 확인하여, 확인된 강의들을 통해 제1 수강자를 위한 강의 리스트로 생성할 수 있다.

S406 단계에서, 장치(300)는 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 가능 시간 정보를 기초로, 강의 리스트를 정렬하여 제1 수강자 단말(210)로 전송할 수 있다.

예를 들어, 강의 리스트에 제1 강사가 강의하는 제1 강의, 제2 강사가 강의하는 제2 강의, 제3 강사가 강의하는 제3 강의가 포함되어 있는 경우, 제1 강의의 강의 시간이 오후 4시부터 오후6시까지로 등록되어 있고, 제2 강의의 강의 시간이 오후 6시부터 오후 8시까지로 등록되어 있고, 제3 강의의 강의 시간이 오후 8시부터 오후 10까지로 등록되어 있으며, 제1 수강자의 수강 가능 시간이 오후 5시부터 오후 8시까지 설정된 것으로 확인되면, 장치(300)는 제2 강의, 제1 강의, 제3 강의 순으로 강의 리스트를 정렬하여, 수강 가능 시간과 강의 시간이 많이 겹치는 순서대로 정렬된 강의 리스트를 제1 수강자 단말(210)로 전송할 수 있다.

도 5는 일실시예에 따른 동작 일치도에 따라 강의 진행을 제어하는 과정을 설명하기 위한 도면이다.

먼저, 상술한 바와 같이, 장치(300)는 제1 수강자의 수강 레벨이 2레벨 이상으로 확인되면, 제1 영역 및 제2 영역으로 구성된 강의실 페이지를 제1 수강자 단말(210)로 제공할 수 있다. 여기서, 제1 영역은 제1 강사 단말(110)에서 촬영된 제1 강사의 동작에 대한 영상 정보가 표시되는 영역이고, 제2 영역은 제1 수강자 단말(210)에서 촬영된 제1 수강자의 동작에 대한 영상 정보가 표시되는 영역이다.

S501 단계에서, 장치(300)는 제1 강사의 동작과 제1 수강자의 동작을 비교하여 동작의 일치도를 분석할 수 있다.

구체적으로, 장치(300)는 제1 강사 단말(110)로부터 운동 시작 요청이 수신되고 제1 수강자 단말(210)로부터 운동 참여 요청이 수신되면, 제1 강사의 동작을 제1 수강자가 따라하는 운동을 시작한 것으로 판단하여, 제1 영역에 표시되는 제1 강사의 동작과 제2 영역에 표시되는 제1 수강자의 동작을 비교하여, 동작의 일치도를 분석할 수 있다.

일실시예에 따르면, 제1 강사 단말(110)은 제1 강사의 동작에 대한 영상 정보를 획득하기 위한 카메라를 포함하고, 제1 수강자 단말(210)은 제1 수강자의 동작에 대한 영상 정보를 획득하기 위한 카메라를 포함하고, 장치(300)는 제1 강사 단말(110)로부터 획득된 영상 정보를 분석하여 제1 강사의 동작을 인식하고, 제1 수강자 단말(210)로부터 획득된 영상 정보를 분석하여 제1 수강자의 동작을 인식할 수 있다. 강사 및 수강자의 동작을 인식하는데 있어, 일반 카메라 이외에, 키넥트 센서와 같은 다양한 센서가 사용될 수 있으며, 운동 중인 강사 및 수강자의 정지 동작과 연속 동작을 인식하고, 신체 주요 관절의 위상, 각도, 속도, 변위 등에 대한 움직임, 운동 형태, 운동 반복 횟수 등 다양한 정보가 분석될 수 있다. 장치(300)는 모션 인식 카메라 모듈을 통해 획득된 영상에서 강사 및 수강자의 신체를 트래킹하여 운동 동작을 인식할 수 있다.

장치(300)는 강사의 동작과 수강자의 동작을 비교할 때, 강사의 동작을 수강자가 따라하여 강의가 진행되기 때문에, 제1 강사의 동작을 인식하고 일정 기간 이후 제1 수강자의 동작을 인식하여, 제1 강사와 제1 수강자가 같은 동작을 취하고 있는지 비교하여 분석할 수 있다.

장치(300)는 제1 강사의 동작 및 제1 수강자의 동작 각각으로부터, 골격을 기반으로 관절과 뼈로 구성되는 스켈레톤 데이터(Skeleton Data)를 추출할 수 있다. 이때, 장치(300)는 제1 강사의 운동 동작으로부터 제1 강사의 스켈레톤 데이터를 추출하고, 제1 수강자의 운동 동작으로부터 제1 수강자의 스켈레톤 데이터를 추출할 수 있다. 여기서, 스켈레톤 데이터는, 복수의 관절(Joint)와 뼈(Bone)로 구성되며, 복수의 관절과 뼈가 하나의 집합으로 설정된 데이터일 수 있다

즉, 장치(300)는 제1 강사 단말(110)로부터 획득된 영상 정보에서 제1 강사의 골격을 인식하고, 제1 강사의 골격을 기반으로 제1 강사의 관절과 뼈를 추출할 수 있다. 또한, 장치(300)는 제1 수강자 단말(210)로부터 획득된 영상 정보에서 제1 수강자의 골격을 인식하고, 제1 수강자의 골격을 기반으로 제1 수강자 관절과 뼈를 추출할 수 있다.

장치(300)는 스켈레톤 데이터에서 관절에 대한 공간상의 x, y, z값을 추출함으로써, 강사 및 수강자의 켈레톤 데이터를 추출할 수 있다. 즉, 장치(300)는 각각의 관절을 3차원적으로 인식해서 공간상의 좌표를 추출할 수 있다. 장치(300)에서 추출하는 스켈레톤 데이터의 관절과 뼈의 개수는 20개의 관절과 19개의 뼈로 구성될 수 있다. 그러나 전술한 실시예로 한정되는 것은 아니며, 관절과 뼈의 개수는 다양하게 설정될 수 있다.

장치(300)는 제1 강사의 스켈레톤 데이터와 제1 수강자의 스켈레톤 데이터를 비교하여, 동작의 일치도를 산출할 수 있으며, 동작의 일치도에 따라 수강자가 정확한 동작으로 운동을 따라하고 있는지 여부를 판단할 수 있다.

동작의 일치도를 산출하는데 있어, 제1 강사와 제1 수강자의 체형이 다를 수 있으므로, 체형의 차이점으로 인해, 수강자가 정확하게 동작을 따라하고 있는 경우에도 제1 강사의 스켈레톤 데이터와 제1 수강자의 스켈레톤 데이터가 일치하지 않을 수 있다. 이때, 장치(300)는 제1 강사의 스켈레톤 데이터를 이용하여 제1 강사의 스켈레톤 모델을 생성하고, 제1 수강자의 스켈레톤 데이터를 이용하여 제1 수강자의 스켈레톤 모델을 생성할 수 있다. 여기서, 스켈레톤 모델은 스켈레톤 데이터를 이용하여 모델링한 모델로서, 강사 및 수강자의 신체를 주요 골격으로 추상화한 모델일 수 있다. 장치(300)는 제1 강사의 스켈레톤 모델과 제1 수강자의 스켈레톤 모델 간에 체형의 차이가 있는 경우, 스켈레톤 모델의 스케일(Scale)을 조절하여 제1 강사의 스켈레톤 모델과 제1 수강자의 스켈레톤 모델을 일치시킨 후, 스켈레톤 모델 상에서 각각의 뼈대와의 각도를 비교하여, 제1 강사의 동작과 제1 수강자의 동작을 비교할 수 있다. 장치(300)는 각각의 뼈대 별로 일치하는지 여부 및 각각의 뼈대에서 생기는 각도 차이를 기초로, 제1 강사의 동작과 제1 수강자의 동작에 대한 동작의 일치도를 분석할 수 있다. 즉, 각도가 일치하는 뼈대가 많을수록 동작의 일치도가 높은 점수로 산정될 수 있고, 각도가 일치하지 않는 뼈대가 많을수록 동작의 일치도가 낮은 점수로 산정되고, 각도가 일치하지 않는 뼈대의 각도 차이가 클수록 동작의 일치도가 더 낮은 점수로 산정될 수 있다.

예를 들어, 20개의 뼈대 중 20개가 전부 일치하면 동작의 일치도가 100점으로 산정되고, 20개의 뼈대 중 19개가 일치하면 동작의 일치도가 95점으로 산정되고, 20개의 뼈대 중 18개가 일치하면 동작의 일치도가 90점으로 산정될 수 있다. 20개의 뼈대 중 18개가 일치하고 2개가 일치하지 않는데, 일치하지 않는 2개 중 1개의 각도 차이가 기준 각도 이상인 경우, 동작의 일치도가 90점에서 87점으로 차감되어 산정될 수 있다.

S502 단계에서, 장치(300)는 S501 단계에서 분석된 동작의 일치도가 미리 설정된 제1 기준치 보다 높은지 여부를 확인할 수 있다. 여기서, 제1 기준값은 실시예에 따라 상이하게 설정될 수 있다

S502 단계에서 동작의 일치도가 제1 기준치 보다 높은 것으로 확인되면, S503 단계에서, 장치(300)는 제1 강사의 동작을 따라한 제1 수강자가 올바른 동작을 취한 것으로 판단할 수 있다.

예를 들어, 20개의 뼈대 중 19개가 일치하면 동작의 일치도가 95점으로 산정될 수 있으며, 제1 기준치가 90점으로 설정되어 있는 경우, 장치(300)는 제1 수강자가 올바른 동작을 취한 것으로 판단할 수 있다.

S504 단계에서, 장치(300)는 제1 수강자가 올바른 동작을 취한 것으로 판단되면, 제1 수강자의 동작 성공 알림 메시지가 제1 수강자 단말(210) 및 제1 강사 단말(110)에서 표시되도록 제어할 수 있다.

일실시예에 따르면, 제1 강사 계정의 요청으로 생성된 강의실 페이지에 제1 수강자 계정 이외의 다른 수강자들이 추가로 입장하여, 복수의 수강자들이 제1 강사의 강의를 같이 수강할 수 있으며, 제1 강사 단말(110)의 화면에는 복수의 수강자 계정 각각의 화면이 분할되어 표시될 수 있다. 이때, 제1 수강자가 올바른 동작을 취한 것으로 판단되면, 제1 강사 단말(110)의 화면 상에서 제1 수강자 계정의 화면 가장자리가 제1 색(예를 들면, 초록색)의 선으로 표시될 수 있다. 이를 통해, 제1 강사는 복수의 수강자들 중 제1 수강자가 올바른 동작을 취한 것을 한 눈에 파악할 수 있다.

S502 단계에서 동작의 일치도가 제1 기준치 보다 낮은 것으로 확인되면, S505 단계에서, 장치(300)는 S501 단계에서 분석된 동작의 일치도가 미리 설정된 제2 기준치 보다 높은지 여부를 확인할 수 있다. 여기서, 제2 기준값은 실시예에 따라 상이하게 설정될 수 있다

S505 단계에서 동작의 일치도가 제2 기준치 보다 높은 것으로 확인되면, S506 단계에서, 장치(300)는 제1 강사의 동작을 따라한 제1 수강자가 일부 틀린 동작을 취한 것으로 판단할 수 있다.

예를 들어, 20개의 뼈대 중 17개가 일치하면 동작의 일치도가 85점으로 산정될 수 있으며, 제1 기준치가 90점으로 설정되어 있고, 제2 기준치가 80점으로 설정되어 있는 경우, 장치(300)는 제1 수강자가 일부 틀린 동작을 취한 것으로 판단할 수 있다.

S507 단계에서, 장치(300)는 제1 수강자가 일부 틀린 동작을 취한 것으로 판단되면, 제1 강사의 동작과 제1 수강자의 동작 중 일치하지 않는 부분만 확대되어 제1 수강자 단말(210)에서 표시되도록 제어할 수 있다.

예를 들어, 20개의 뼈대 중 어깨 부분의 각도가 일치하지 않는 것으로 확인되면, 제1 수강자 단말(210)의 화면 상에서 제1 영역은 제1 강사의 전체 부분에 대한 영상 정보가 그대로 표시되고, 제2 영역은 제1 수강자의 어깨 부분에 대한 영상 정보가 확대되어 표시될 수 있다. 제1 강사의 동작과 제1 수강자의 동작 중 일치하지 않는 부분이 둘 이상인 경우, 제2 영역의 화면이 분할되어 각각의 분할된 화면에 일치하지 않는 부분들이 확대되어 표시될 수 있다.

제1 수강자가 일부 틀린 동작을 취한 것으로 판단되면, 제1 강사 단말(110)의 화면 상에서 제1 수강자 계정의 화면 가장자리가 제2 색(예를 들면, 주황색)의 선으로 표시될 수 있다. 이를 통해, 제1 강사는 복수의 수강자들 중 제1 수강자가 일부 틀린 동작을 취한 것을 한 눈에 파악할 수 있다.

S505 단계에서 동작의 일치도가 제2 기준치 보다 낮은 것으로 확인되면, S508 단계에서, 장치(300)는 제1 강사의 동작을 따라한 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단할 수 있다.

예를 들어, 20개의 뼈대 중 15개가 일치하면 동작의 일치도가 75점으로 산정될 수 있으며, 제1 기준치가 90점으로 설정되어 있고, 제2 기준치가 80점으로 설정되어 있는 경우, 장치(300)는 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단할 수 있다.

S509 단계에서, 장치(300)는 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단되면, 제1 수강자의 자세 지도 필요 알림 메시지가 제1 강사 단말(110)에서 표시되도록 제어할 수 있다. 이때, 제1 수강자가 전체적으로 동작을 취한 것으로 판단되면, 제1 강사 단말(110)의 화면 상에서 제1 수강자 계정의 화면 가장자리가 제3 색(예를 들면, 빨간색)의 선으로 표시될 수 있다. 이를 통해, 제1 강사는 복수의 수강자들 중 제1 수강자가 전체적으로 틀린 동작을 취한 것을 한 눈에 파악할 수 있다.

도 6은 일실시예에 따른 수강자들 간에 경쟁을 위한 이벤트 점수를 산정하는 과정을 설명하기 위한 순서도이다.

먼저, S601 단계에서, 장치(300)는 제1 강사의 동작들과 제1 수강자의 동작들을 비교하여 동작의 일치도를 분석할 수 있다.

구체적으로, 장치(300)는 제1 강사 단말(110)로부터 이벤트 시작 요청이 수신되고 제1 수강자 단말(210)로부터 이벤트 참여 요청이 수신되면, 제1 강사의 동작들을 제1 수강자가 따라하는 이벤트를 시작한 것으로 판단하여, 제1 영역에 표시되는 제1 강사의 연속 동작들과 제2 영역에 표시되는 제1 수강자의 연속 동작들을 각각 비교하여, 동작들의 일치도를 각각 분석할 수 있다. 이벤트 시작 요청 시 이벤트 시간이 설정될 수 있으며, 이벤트 시간 동안 취해지는 제1 강사의 동작들과 제1 수강자의 동작들을 비교하여, 동작들의 일치도를 분석할 수 있다.

일실시예에 따르면, 이벤트 시간 내에 제1 강사의 동작들 중 최초로 취한 동작이 제1 동작이고, 제1 동작을 취한 이후 다음으로 취한 동작이 제2 동작이고, 제2 동작을 취한 이후 다음으로 취한 동작이 제3 동작인 경우, 장치(300)는 제1 동작에 대한 일치도, 제2 동작에 대한 일치도, 제3 동작에 대한 일치도 각각을 분석할 수 있다.

S602 단계에서, 장치(300)는 제1 동작의 일치도를 통해, 제1 동작 점수를 산정할 수 있다. 즉, 최초로 취한 동작인 제1 동작에 대해서는 가중치 적용 없이 제1 동작의 일치도가 그대로 제1 동작 점수로 산정될 수 있다.

S603 단계에서, 장치(300)는 산정된 제1 동작 점수를 기초로, 제1 가중치를 설정할 수 있다.

예를 들어, 장치(300)는 제1 동작 점수가 100점인 경우, 1.10로 제1 가중치를 설정하고, 제1 동작 점수가 90점인 경우, 1.09로 제1 가중치를 설정하고, 제1 동작 점수가 80점인 경우, 1.08로 제1 가중치를 설정할 수 있다.

즉, 제1 가중치를 산출하기 위한 수식은 다음과 같다.

S604 단계에서, 장치(300)는 제2 동작의 일치도에 제1 가중치를 적용하여, 제1 동작 다음 동작인 제2 동작 점수를 산정할 수 있다.

예를 들어, 제2 동작 점수가 90점이고, 제1 가중치가 1.09인 경우, 장치(300)는 98.1점을 제2 동작 점수로 산출할 수 있다. 즉, 제1 동작과 연속하여 제2 동작의 자세가 올바른 자세로 취해진 경우, 제2 동작의 일치도 보다 높은 점수로 제2 동작 점수가 산정될 수 있다.

S605 단계에서, 장치(300)는 이벤트 시간 동안 취해진 제1 강사의 동작들 중 제2 동작이 마지막 동작인지 확인하여, 마지막 동작까지 점수를 산정하였는지 여부를 판단할 수 있다.

S605 단계에서 제2 동작이 마지막 동작이 아니라 제2 동작 이후에 제3 동작이 더 있는 것으로 확인되면, S603 단계로 되돌아가, 장치(300)는 제1 동작 점수 및 제2 동작 점수를 기초로, 제2 가중치를 설정할 수 있다.

예를 들어, 장치(300)는 제1 동작 점수가 100점이고, 제2 동작 점수가 80점인 경우, 1.09로 제2 가중치를 설정하고, 제1 동작 점수가 90점이고, 제2 동작 점수가 70점인 경우, 1.08로 제2 가중치를 설정할 수 있다.

즉, 제2 가중치를 산출하기 위한 수식은 다음과 같다.

S604 단계에서, 장치(300)는 제3 동작의 일치도에 제2 가중치를 적용하여, 제2 동작 다음 동작인 제3 동작 점수를 산정할 수 있다.

예를 들어, 제3 동작 점수가 100점이고, 제1 가중치가 1.09인 경우, 장치(300)는 109점을 제2 동작 점수로 산출할 수 있다. 즉, 제1 동작 및 제2 동작과 연속하여 제3 동작의 자세가 올바른 자세로 취해진 경우, 제3 동작의 일치도 보다 높은 점수로 제3 동작 점수가 산정될 수 있다.

S605 단계에서, 장치(300)는 이벤트 시간 동안 취해진 제1 강사의 동작들 중 제3 동작이 마지막 동작인지 확인하여, 마지막 동작까지 점수를 산정하였는지 여부를 판단할 수 있다.

S605 단계에서 제3 동작이 마지막 동작이고 제3 동작까지 점수가 산정된 것으로 확인되면, S606 단계에서, 장치(300)는 제1 동작 점수, 제2 동작 점수 및 제3 동작 점수를 합산하여, 제1 수강자의 이벤트 점수를 산정할 수 있다.

일실시예에 따르면, 제1 강사 계정의 요청으로 생성된 강의실 페이지에 제1 수강자 계정 이외의 다른 수강자들이 추가로 입장하여, 제1 수강자 뿐만 아니라, 제2 수강자, 제3 수강자 등이 제1 강사의 강의를 같이 수강할 수 있으며, 장치(300)는 제1 수강자의 이벤트 점수를 산정할 때, 제2 수강자의 이벤트 점수 및 제3 수강자의 이벤트 점수도 각각 산정할 수 있다.

S607 단계에서, 장치(300)는 강의실 페이지에 입장한 상태인 제2 수강자 계정을 사용하는 제2 수강자의 이벤트 점수, 제3 수강자 계정을 사용하는 제3 수강자의 이벤트 점수와 제1 수강자의 이벤트 점수를 내림차순으로 정렬하여 이벤트 점수 결과를 생성할 수 있으며, 이벤트 점수 결과가 제1 수강자 단말(210), 제1 강사 단말(110)에서 표시되도록 제어할 수 있다. 이때, 이벤트 점수 결과는 강의실 페이지에 입장한 복수의 수강자 계정 각각의 단말에서 표시될 수 있다.

일실시예에 따르면, 장치(300)는 강의가 진행되도록 제어하는 단계 이후에, 강의가 종료된 것으로 확인되면, 제1 수강자 계정이 강의실 페이지에 입장한 수강 시작 시간 및 제1 수강자 계정이 강의실 페이지에서 퇴장한 수강 종료 시간을 기초로, 제1 수강자 계정이 지급할 비용 및 제1 강사 계정이 지급받을 비용을 산출하여 결정할 수 있다.

일실시예에 따른 강사와 수강자 간에 이루어지는 강의는 실내에서 이루어질 수도 있지만, 실외에서 이루어질 수 있다. 특히, 실외 운동 종목과 관련된 강의인 경우, 강의가 실외에서 이루어지는 일이 빈번할 수 있다. 강의가 실외에서 이루어지는 경우, 주의를 요하는 실외 환경으로 인해 강사의 건강 상태가 안 좋아질 수 있다.

구체적으로, 강사가 자외선이 많은 날에 실외에서 강의를 수행하는 일이 잦을 경우, 강사의 피부 질환으로 이어질 위험성이 있다. 따라서 강사들이 실외 환경이 좋지 않은 날에 실외 환경에서 강의를 수행하는 것을 기피하는 현상이 발생할 수 있다. 이 경우, 원활한 강의 서비스가 제공되지 않을 가능성이 높아지며, 이는 장치(300)를 통해 강의 서비스를 제공하는 자 또는 단체; 수강자; 및 강사 모두에게 손해를 끼친다.

따라서, 강사가 주의를 요하는 실외 환경에서 강의를 수행한 경우, 강사를 위한 보상 체계 요구되고 있다. 또한, 주의를 요하는 실외 환경으로 인해 강사의 건강이 나빠진 것으로 판단된 경우, 해당 강사는 주의를 요하는 실외 환경에서 일할 수 없도록 제한하는 방법이 요구되고 있다. 또한, 사람마다 건강 상태 및 실외 환경에 의해 영향받는 정도가 다르므로, 건강에 자신이 있거나 실외 환경에 의해 영향받는 정도가 미미하다고 판단되는 강사는 주의를 요하는 실외 환경이라 하더라도 적극적으로 강의를 할 수 있도록 지원하는 방법이 요구되고 있다.

상기와 같은 문제들을 해결 내지 개선하기 위하여, 장치(300)는 도 7 내지 8을 참조하여 설명되는 방법들을 수행할 수 있다. 이를 통해, 장치(300)는 강사가 주의를 요하는 실외 환경에서 강의를 수행한 경우, 강사를 위한 인센티브 체계를 마련할 수 있다. 또한, 장치(300)는 강사가 주의를 요하는 실외 환경으로 인해 강사의 건강이 나빠진 것으로 판단된 경우, 주의를 요하는 실외 환경에서 일할 수 없도록 제한하여 강사들의 건강을 지킬 수 있다.

도 7은 일실시예에 따른 인센티브 제공 방법을 설명하기 위한 순서도이다.

도 7을 참조하면, 먼저, S701 단계에서, 장치(300)는 미리 설정되어 있는 단계화된 각각의 실외 환경 위험 단계와 단위 시간당 인센티브 사이의 대응 관계를 확인할 수 있다.

이를 위해, 장치(300)는 실외 환경 위험 단계를 미리 단계화할 수 있다. 구체적으로, 실외 환경 위험 단계는 WHO 자외선지수(WHO UV index) 또는 기타 실외 자외선의 정도를 표시하는 값을 수치별로 구분한 것일 수 있다. 장치(300)는 WHO 자외선지수가 8.0 미만이면 실외 환경 위험 단계를 “안전”으로; WHO 자외선지수가 8.0 이상 11.0 미만이면 실외 환경 위험 단계를 “위험”으로; WHO 자외선지수가 11.0 이상이면 실외 환경 위험 단계를 “매우 위험”으로 미리 단계화할 수 있다.

장치(300)는 각각의 실외 환경 위험 단계와 단위 시간당 인센티브 사이의 대응 관계를 설정할 수 있다. 장치(300)는 WHO 자외선지수가 8.0 미만으로 실외 환경 위험 단계가 “안전”이면 단위 시간당 인센티브를 0%로; WHO 자외선지수가 8.0 이상 11.0 미만으로 실외 환경 위험 단계가 “위험”이면 단위 시간당 인센티브를 10%로; WHO 자외선지수가 11.0 이상으로 실외 환경 위험 단계가 “매우 위험”이면 단위 시간당 인센티브를 20%로 설정할 수 있다.

이외에도, 장치(300)는 실외 자외선의 정도를 표시하는 다양한 값들을 기초로 실외 환경 위험 단계를 미리 단계화할 수 있으며, 미리 단계화된 실외 환경 위험 단계와 단위 시간당 인센티브 간에 다양한 대응 관계들을 설정할 수 있다.

S702 단계에서, 장치(300)는 강의를 수행하는 환경이 실외인지 여부를 획득할 수 있다.

구체적으로, 장치(300)는 제1 강사 단말(110)로부터 수신된 강의 정보를 기초로, 제1 강사 계정을 사용하는 제1 강사가 향후 강의를 수행하는 환경이 실외인지 여부를 획득할 수 있다. 요컨대, 제1 강사 단말(110)을 통해 입력되는 강의 정보에는 강의 장소 및 강의 카테고리 등이 포함되므로, 강의 정보를 수신한 장치(300)는 강의 정보에 포함되는 강의 장소 및 강의 카테고리 등의 정보를 기초로, 제1 강사 계정을 사용하는 제1 강사가 향후 강의를 수행하는 환경이 실외인지 여부를 획득할 수 있다.

S703 단계에서, 장치(300)는 강의가 이루어지는 장소 및 시각에서의 실외 환경 예보값을 기초로, 단위 시간당 예상 인센티브를 설정할 수 있다. 이를 위해, 장치(300)는 날씨 정보를 제공하는 업체와 API 등을 통해 연동되어, 자외선 예보를 전달받을 수 있다. 장치(300)는 API를 통해 날씨 정보 제공 업체로 강의 정보에 따른 강의 장소 및 강의 시간에서의 자외선 농도를 제공해 줄 것을 요청할 수 있다. 장치(300)는 제공받은 강의 장소 및 강의 시간에서의 자외선 농도의 예보값을 기초로, 단위 시간당 예상 인센티브를 설정할 수 있다. 장치(300)는 단위 시간당 예상 인센티브를 제1 수강자 단말(210) 및 제1 강사 단말(110)에게 알릴 수 있다.

예를 들어, 장치(300)는 날씨 정보를 제공하는 업체와 API를 통해 연동되어, WHO 자외선지수(WHO UV index) 예보를 전달받을 수 있다. 장치(300)는 API를 통해 날씨 정보 제공 업체로 강의 정보에 따라 다가오는 식목일(강의 시간)의 남산 타워(강의 장소)에서의 WHO 자외선지수를 제공해 줄 것을 요청할 수 있다. 장치(300)는 다가오는 식목일의 남산 타워에서의 WHO 자외선지수가 9.0임을 기초로, 단위 시간당 예상 인센티브를 10%로 설정할 수 있다. 장치(300)는 다가오는 식목일에 남산 타워에서 강의가 이루어질 경우, 단위 시간당 예상 인센티브가 10%라는 점을 제1 수강자 단말(210) 및 제1 강사 단말(110)에게 알릴 수 있다.

이를 통해, 수강자 계정은 강의 정보에 따른 강의 장소 및 강의 시간의 단위 시간당 예상 인센티브를 확인할 수 있어, 강사에게 제공해야 할 최종 비용을 사전에 확인할 수 있어 편리성이 도모된다. 또한, 강사 계정은 강의 정보에 따른 강의 장소 및 강의 시간의 단위 시간당 예상 인센티브를 확인할 수 있어, 강의를 수행할 때 실외 환경이 좋지 않더라도 인센티브에 따른 금전적 이익에 관심이 있다면 강의를 진행할 것인지에 대한 수락을 받아들일 수 있다. 이를 통해, 장치(300)는 다사용자 강의 시스템의 사용 편의성을 개선하면서, 주의를 요하는 실외 환경에서 강의를 수행한 강사를 위한 인센티브 체계를 마련할 수 있다.

S704 단계에서, 장치(300)는 강사가 강의를 수행하는 동안의 실외 환경값이 포함되는 실외 환경 위험 단계에 대응하여 제1 강사의 인센티브를 산출하여 부여할 수 있다.

구체적으로, 장치(300)는 강의 시작 시간에 API를 통해 날씨 정보 제공 업체로부터 실시간 자외선 정보를 제공해 줄 것을 요청하여 전달받을 수 있다. 그 후로, 장치(300)는 미리 정해진 시간 단위, 가령 1 시간 단위로 API를 통해 날씨 정보 제공 업체로부터 실시간 자외선 정보를 제공해 줄 것을 요청하여 전달받을 수 있다. 장치(300)는 강의 종료 시간까지 위 요청을 반복적으로 수행하여 미리 정해진 시간 단위별, 가령 1 시간별 실시간 자외선 정보를 전달받을 수 있다.

장치(300)는 미리 정해진 시간 단위별로 전달받은 자외선 정보를 기초로, 미리 정해진 시간 단위별 실외 환경 위험 단계를 정할 수 있고; 미리 정해진 시간 단위별 실외 환경 위험 단계를 기초로, 미리 정해진 시간 단위별 강사의 인센티브를 정할 수 있고; 미리 정해진 시간 단위별 강사의 인센티브를 기초로, 강사의 인센티브를 부여할 수 있다.

장치(300)는 수강 시작 시간 및 수강 종료 시간을 기초로 제1 수강자 계정이 지급할 비용 및 제1 강사 계정이 지급받을 비용을 결정함에 있어, 실외 환경 위험 단계에 따라 부여된 제1 강사의 인센티브를 반영하여 각각의 비용을 결정할 수 있다. 장치(300)는 제1 강사가 주의를 요하는 실외 환경에서 강의를 수행한 경우, 제1 강사를 위한 인센티브를 부여할 수 있다.

예를 들어, 장치(300)는 강의 시작 시간인 12:00에 API를 통해 날씨 정보 제공 업체로부터 강의가 이루어지는 장소인 남산 타워 근방의 실시간 WHO 자외선지수(WHO UV index)를 제공해 줄 것을 요청하여 12:00의 남산 타워 근방의 WHO 자외선지수인 9.0을 전달받을 수 있다. 그 후로, 장치(300)는 1 시간 단위로 API를 통해 날씨 정보 제공 업체로부터 실시간 WHO 자외선지수를 제공해 줄 것을 요청하여 전달받을 수 있다. 장치(300)는 수강 종료 시간인 14:30까지 위 요청을 반복적으로 수행하여 1 시간별 실시간 WHO 자외선지수를 전달받을 수 있다. 1 시간별 실시간 WHO 자외선지수는 13:00에 8.0; 14:00에 6.0일 수 있다.

장치(300)는 1 시간 단위별로 전달받은 WHO 자외선지수를 기초로, 1 시간 단위별 실외 환경 위험 단계를 정할 수 있다. 구체적으로, 장치(300)는 12:00~13:00까지의 WHO 자외선지수가 9.0이므로 실외 환경 위험 단계를 “위험”으로; 13:00~14:00까지의 WHO 자외선지수가 8.0이므로 실외 환경 위험 단계를 “위험”으로; 14:00~14:30까지의 WHO 자외선지수가 6.0이므로 실외 환경 위험 단계를 “안전”으로 정할 수 있다.

이어서, 장치(300)는 1 시간 단위별 실외 환경 위험 단계를 기초로, 1 시간 단위별 강사의 인센티브를 정할 수 있다. 구체적으로, 장치(300)는 12:00~13:00까지의 실외 환경 위험 단계가 “위험”이므로 인센티브를 10%로; 13:00~14:00까지의 실외 환경 위험 단계가 “위험”이므로 인센티브를 10%로; 14:00~14:30까지의 실외 환경 위험 단계가 “안전”이므로 인센티브를 0%로 정할 수 있다.

이후, 장치(300)는 1 시간 단위별 강사의 인센티브를 기초로, 강사의 인센티브를 부여할 수 있다. 구체적으로, 장치(300)는 12:00~13:00까지의 강의에 대해서는 10%의 인센티브를; 13:00~14:00까지의 강의에 대해서는 10%의 인센티브를; 14:00~14:30까지의 강의에 대해서는 0%의 인센티브를 부여할 수 있다.

장치(300)는 수강 시작 시간인 12:00 및 수강 종료 시간인 14:30을 기초로 제1 수강자 계정이 지급할 비용 및 제1 강사 계정이 지급받을 비용을 결정함에 있어, 실외 환경 위험 단계에 따라 부여된 강사의 인센티브―12:00~13:00까지 10%; 13:00~14:00까지 10%; 14:00~14:30까지 0%―를 반영하여 각각의 비용을 결정할 수 있다. 이를 통해, 장치(300)는 강사가 주의를 요하는 실외 환경에서 강의를 수행한 경우, 강사를 위한 인센티브 체계를 마련할 수 있다.

도 8은 일실시예에 따른 강사의 건강 상태를 기초로 강사가 강의 서비스를 제공할 수 있는지 여부를 설정하는 방법을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저, S801 단계에서, 장치(300)는 미리 정해진 주기마다 강사의 신체 정보를 획득할 수 있다. 미리 정해진 주기는, 가령 1 달일 수 있다. 장치(300)는 복수의 강사 단말(100) 각각에 포함된 각각의 강사 인증수단을 통해 획득된 강사 계정들을 사용하는 강사들의 신체 정보를 복수의 강사 단말(100)들로부터 전송받아 획득할 수 있다.

예를 들어, 장치(300)는 1 달마다 강사들의 피부 정보를 획득할 수 있다. 피부 정보는 카메라로 촬영된 강사의 얼굴일 수 있다. 피부 정보를 획득하기 위해, 복수의 강사 단말(100)들은 1 달마다 강사 계정을 사용하는 강사에게 사진을 촬영하도록 요구할 수 있다. 복수의 강사 단말(100)들은 인증수단인 카메라가 촬영한 강사의 피부 정보를 장치(300)로 전달할 수 있으며, 이를 통해 장치(300)는 강사 계정들을 사용하는 강사들의 피부 정보를 획득할 수 있다.

S802 단계에서, 장치(300)는 강사들의 신체 정보를 기초로, 강사의 건강 상태에 이상이 있는지 여부를 진단할 수 있다. 구체적으로, 장치(300)는 획득한 강사들의 피부 정보를 기초로, 강사의 피부에 질환이 있는지 여부를 진단할 수 있다. 이를 위해, 장치(300)의 학습된 인공 신경망은 각각의 강사의 주기별 피부 변화를 분석하여, 강사의 피부가 자외선 노출에 따른 질환이 발생했는지 여부를 판별하여 출력할 수 있고, 장치(300)는 인공 신경망의 출력을 기초로 각각의 강사의 건강 상태에 이상이 있는지 여부를 진단할 수 있다. 인공 신경망의 학습에 관한 구체적인 내용은 도 9를 참조하여 후술된다.

S803 단계에서, 장치(300)는 건강 상태에 이상이 있는 것으로 진단된 강사는 실외 환경 예보값이 미리 정해진 실외 환경 위험 단계에 포함될 때 강의실 페이지가 생성되지 않도록 설정할 수 있다. 요컨대, 장치(300)는 제1 강사 계정이 피부 질환이 있는 것으로 진단되어, 건강 상태에 이상이 있는 것으로 진단되고, 강의 정보에 포함되는 강의 장소 및 강의 시간에서의 자외선의 정도에 대한 예보값이 미리 정해진 실외 환경 위험 단계에 포함되는 것으로 확인되면, 강의실 페이지가 생성되지 않도록 설정하여, 강의 서비스를 제공할 수 없도록 설정할 수 있다.

예를 들어, 장치(300)는 학습된 인공 신경망의 출력을 기초로 건강 상태에 이상이 있는 것으로 진단된 강사에 대하여, WHO 자외선지수(WHO UV index) 예보값이 실외 환경 위험 단계 “위험” 또는 “매우 위험”에 포함될 때, 강의 서비스를 제공할 수 없도록 설정할 수 있다. 강의 정보에 포함되는 강의 장소가 남산 타워 근방이고; 강의 시간이 다가오는 식목일이고; 실외 환경 예보값이 WHO 자외선지수 9.0으로 예보되는 경우, 실외 환경 예보값이 “위험”에 포함되므로, 장치(300)는 건강 상태에 이상이 있는 것으로 진단된 제1 강사가 사용하는 제1 강사 계정을 통해 강의실 페이지가 생성되지 않도록 설정할 수 있다.

이를 통해, 장치(300)는 강사가 주의를 요하는 실외 환경으로 인해 강사의 건강이 나빠진 것으로 판단된 경우, 주의를 요하는 실외 환경에서 강의할 수 없도록 제한하여 강사들의 건강을 지킬 수 있다.

한편, 장치(300)의 인공 신경망이 강사의 건강 상태에 이상이 있다고 진단했음에도 불구하고, 강사가 제1 강사 단말(110)을 통해 장치(300)로 강사의 피부에 이상이 없다는 의사의 소견서를 제출할 수 있다. 장치(300)가 이미지 파일 등으로 이루어진 의사의 소견서를 제출받은 경우, 장치(300)는 해당 강사에 대응하는 강사 계정은 강의실 페이지를 생성할 수 있도록 재설정할 수 있다.

이를 통해, 장치(300)는 불완전할 수도 있는 인공 신경망의 추론을 보완하고, 건강에 이상이 없는 강사가 불이익을 당하는 일 없이 강의 서비스에 정상적으로 참여하여 수익을 올리도록 할 수 있다.

도 9는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.

인공 신경망은 강사의 피부 정보를 입력 받아, 자외선으로 인해 강사의 피부에 질환이 발생했는지 여부를 진단할 수 있다. 인공 신경망은 학습 장치에 포함되는 구성일 수 있으며, 학습 장치 또는 별도의 학습 장치를 통해서 학습될 수 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.

우선, 학습 장치는 임의의 시점에서의 사람의 피부 정보와 임의의 시점과 다른 시점에서의 사람의 피부 정보를 수집하여, 서로 다른 두 시점에서 사람들의 피부 정보를 트레이닝 데이터(training data)로 생성할 수 있다. 이 중에서, 임의의 시점에는 피부 질환이 없었으나, 임의의 시점과 다른 시점에서는 피부 질환이 발생한 사람들이 포함되어 있을 수 있다. 피부 정보는 카메라로 촬영된 사람의 얼굴일 수 있다.

학습 장치는 임의의 시점에서 피부 질환이 없었으나, 임의의 시점과 다른 시점에서는 피부 질환이 있었던 사람들의 피부 정보에는 1; 그 외의 사람들의 피부 정보에는 0이라는 값을 부여하여, 각각의 트레이닝 데이터에 대응하는 레이블(label)을 생성할 수 있다. 예를 들어, 임의의 시점에는 정상적인 피부 상태를 보였으나, 임의의 시점과 다른 시점에는 자외선 등에 의한 반점, 주름이 발생한 피부 상태에 있는 사람의 레이블은 1로 생성될 수 있다.

도 9를 참조하면, 먼저, S901 단계에서, 학습 장치는 트레이닝 데이터로부터 입력을 생성할 수 있다. 학습 장치는 서로 다른 두 시점에서 사람들의 피부 정보를 인공 신경망의 입력으로 그대로 사용하거나, 피부 정보에서 노이즈 등의 불필요한 정보를 제거하는 통상의 처리를 거친 후 인공 신경망의 입력을 생성할 수 있다.

S902 단계에서, 학습 장치는 입력을 인공 신경망에 적용할 수 있다. 장치(300)에 포함된 인공 신경망은 지도 학습(supervised learning)에 따라 학습되는 인공 신경망일 수 있다. 이를 통해, 인공 신경망은 서로 다른 두 시점에서 사람들의 피부 변화 패턴을 용이하게 학습할 수 있다. 인공 신경망은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(convolutional neural network, CNN) 또는 리커런트 신경망(recurrent neural network, RNN) 구조일 수 있다.

S903 단계에서, 학습 장치는 인공 신경망으로부터 출력을 획득할 수 있다. 인공 신경망의 출력은, 특정 사람이 임의의 시점과 다른 시점에 피부 질환이 발생했는지 여부의 추론일 수 있다. 구체적으로, 인공 신경망은 특정 사람의 임의의 시점에서의 피부 정보와 임의의 시점과 다른 시점에서의 피부 정보의 패턴을 추출하고, 추출된 패턴의 차이를 기초로 해당 사람이 임의의 시점과 다른 시점에 피부 질환이 발생했는지 여부를 추론한 결과를 출력할 수 있다.

S904 단계에서, 학습 장치는 출력과 레이블을 비교할 수 있다. 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공 신경망의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공 신경망 모델들에서 이용되는 손실함수들이 이용될 수 있다.

S905 단계에서, 학습 장치는 비교값을 기초로 인공 신경망을 최적화할 수 있다. 학습 장치 비교값이 점점 작아지도록 인공 신경망의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공 신경망은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공 신경망의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공 신경망을 최적화할 수 있다. 인공 신경망의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하강법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.

학습 장치는 상기와 같은 과정을 반복함으로써 인공 신경망을 학습시킬 수 있다. 이를 통해, 학습 장치는 특정 사람의 임의의 시점에서의 피부 정보와 임의의 시점과 다른 시점에서의 피부 정보를 기초로, 해당 사람이 임의의 시점과 다른 시점에 피부 질환이 발생했는지 여부를 추론하는 인공 신경망을 구비할 수 있다.

학습된 인공 신경망을 구비한 장치(300)는 강사들의 피부 정보를 미리 정해진 기간마다 수집하여, 특정 강사가 제1 기간에는 정상적인 피부 상태를 보이다가, 제2 기간에는 자외선 등에 의한 반점, 주름이 발생한 피부 상태를 보이는 경우, 해당 강사는 자외선으로 인해 피부 질환이 발생한 것으로 진단할 수 있게 된다. 이를 통해, 주의를 요하는 실외 환경에서 강의를 수행하여 건강 상태가 악화된 강사는 강의를 수행하지 못하도록 제한함으로써, 강사들의 건강을 지킬 수 있다.

도 10은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(300)는 프로세서(301) 및 메모리(302)를 포함한다. 프로세서(301)는 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 9를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 9를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(302)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(302)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(301)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(301)에 의하여 실행되는 프로그램의 코드는 메모리(302)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(300)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(302)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(301)는 메모리(302)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(300)와 학습된 인공 신경망을 이용하는 장치(300)는 동일할 수도 있고 개별적일 수도 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate 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.

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.

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.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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 청구범위의 범위에 속한다.

Claims (3)

1. 장치에 의해 수행되는, 상호작용이 가능한 홈 코칭 콘텐츠를 제공하는 방법에 있어서,
   제1 강사 계정으로 로그인된 제1 강사 단말로부터 강의실 개설 요청이 수신되면, 상기 제1 강사 계정을 통해 확인된 강의 정보를 기초로, 홈 트레이닝 코칭을 위한 강의실 페이지를 생성하고, 상기 강의실 페이지를 상기 제1 강사 단말로 제공하는 단계;
   제1 수강자 계정으로 로그인된 제1 수강자 단말로부터 상기 강의실 페이지에 대한 입장 요청이 수신되면, 상기 제1 수강자 계정을 통해 확인된 수강 레벨을 기초로, 상기 강의실 페이지에 입장이 가능한 수강 자격이 있는지 여부를 판단하는 단계; 및
   상기 제1 수강자의 수강 레벨을 통해 수강 자격이 있는 것으로 판단되면, 상기 강의실 페이지를 상기 제1 수강자 단말로 제공하여, 상기 강의실 페이지를 통해 상기 제1 강사 단말과 상기 제1 수강자 단말이 연결되어 실시간으로 홈 트레이닝 코칭에 대한 강의가 진행되도록 제어하는 단계를 포함하며,
   상기 강의가 진행되도록 제어하는 단계는,
   상기 제1 수강자의 수강 레벨이 1레벨로 확인되면, 제1 영역-상기 제1 영역은 상기 제1 강사 단말에서 촬영된 제1 강사의 동작에 대한 영상 정보가 표시되는 영역-으로만 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계;
   상기 제1 수강자의 수강 레벨이 2레벨로 확인되면, 상기 제1 영역 및 제2 영역-상기 제2 영역은 상기 제1 수강자 단말에서 촬영된 제1 수강자의 동작에 대한 영상 정보가 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계; 및
   상기 제1 수강자의 수강 레벨이 3레벨로 확인되면, 상기 제1 영역, 상기 제2 영역 및 제3 영역-상기 제3 영역은 상기 제1 강사의 동작과 상기 제1 수강자의 동작이 오버레이되어 표시되는 영역-으로 구성된 강의실 페이지를 상기 제1 수강자 단말로 제공하는 단계를 포함하며,
   상기 강의가 진행되도록 제어하는 단계는,
   상기 제1 강사 단말로부터 이벤트 시작 요청이 수신되고 상기 제1 수강자 단말로부터 이벤트 참여 요청이 수신되면, 상기 이벤트 시작 요청 시 설정된 이벤트 시간 동안 상기 제1 강사의 동작들과 상기 제1 수강자의 동작들을 비교하여, 상기 제1 강사의 동작들 중 최초로 취한 동작인 제1 동작에 대한 일치도, 상기 제1 동작을 취한 이후 다음으로 취한 동작인 제2 동작에 대한 일치도, 상기 제2 동작을 취한 이후 다음으로 취한 동작인 제3 동작에 대한 일치도를 분석하는 단계;
   상기 제1 동작의 일치도를 통해, 제1 동작 점수를 산정하는 단계;
   상기 제1 동작 점수를 기초로, 제1 가중치를 설정하는 단계;
   상기 제2 동작의 일치도에 상기 제1 가중치를 적용하여, 제2 동작 점수를 산정하는 단계;
   상기 제1 동작 점수 및 상기 제2 동작 점수를 기초로, 제2 가중치를 설정하는 단계;
   상기 제3 동작의 일치도에 상기 제2 가중치를 적용하여, 제3 동작 점수를 산정하는 단계;
   상기 제1 동작 점수, 상기 제2 동작 점수 및 상기 제3 동작 점수를 합산하여, 상기 제1 수강자의 이벤트 점수를 산정하는 단계; 및
   상기 강의실 페이지에 입장한 상태인 제2 수강자 계정을 사용하는 제2 수강자의 이벤트 점수 및 상기 제1 수강자의 이벤트 점수를 내림차순으로 정렬한 이벤트 점수 결과가 상기 제1 수강자 단말 및 상기 제1 강사 단말에서 표시되도록 제어하는 단계를 포함하며,
   상기 강의가 진행되도록 제어하는 단계 이후에,
   상기 제1 수강자 계정이 상기 강의실 페이지에 입장한 수강 시작 시간 및 상기 제1 수강자 계정이 상기 강의실 페이지에서 퇴장한 수강 종료 시간을 기초로, 상기 제1 수강자 계정이 지급할 비용 및 상기 제1 강사 계정이 지급받을 비용을 산출하는 단계;
   미리 설정되어 있는 단계화된 각각의 실외 환경 위험 단계와 단위 시간당 인센티브 사이의 대응 관계를 확인하는 단계;
   상기 강의 정보를 기초로, 상기 제1 강사가 강의를 수행하는 환경이 실외인지 여부를 획득하는 단계;
   상기 강의 정보를 통해 확인된 강의 장소 및 강의 시각에서의 실외 환경 예보값을 기초로, 단위 시간당 예상 인센티브를 설정하는 단계; 및
   상기 제1 강사가 강의를 수행하는 동안의 실외 환경값이 포함되는 실외 환경 위험 단계에 대응하여 상기 제1 강사의 인센티브를 부여하는 단계를 더 포함하며,
   상기 강의실 페이지를 생성하기 이전에,
   강사의 피부를 감지할 수 있는 카메라인 강사 인증 수단을 통해 미리 정해진 주기마다 강사 계정들을 사용하는 강사들의 피부 정보를 획득하는 단계;
   상기 강사들의 피부 정보를 기초로, 각 강사의 피부 질환이 있는지 여부를 진단하는 단계; 및
   상기 제1 강사 계정을 사용하는 제1 강사가 피부 질환이 있는 것으로 진단되고, 상기 강의 정보를 통해 확인된 강의 장소 및 강의 시각에서의 실외 환경 예보값이 미리 정해진 실외 환경 위험 단계에 포함되는 것으로 확인되면, 상기 강의실 페이지가 생성되지 않도록 설정하는 단계를 더 포함하는,
   상호작용이 가능한 홈 코칭 콘텐츠 제공 방법.
2. 제1항에 있어서,
   상기 강의실 페이지에 대한 입장 요청을 수신하기 이전에,
   상기 제1 수강자 계정을 통해 확인된 제1 수강자의 나이 정보, 성별 정보 및 취향 정보를 기초로, 상기 제1 수강자를 위한 운동 종목 리스트를 생성하는 단계;
   상기 제1 수강자 계정을 통해 확인된 제1 수강자의 목표 정보를 기초로, 상기 운동 종목 리스트를 정렬하여 상기 제1 수강자 단말로 전송하는 단계;
   상기 운동 종목 추천 리스트 중 제1 운동 종목이 선택되면, 상기 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 이력을 기초로, 상기 제1 수강자를 위한 제1 난이도를 설정하는 단계;
   상기 제1 운동 종목에서 상기 제1 난이도로 개설된 강의 리스트를 생성하는 단계; 및
   상기 제1 수강자 계정을 통해 확인된 제1 수강자의 수강 가능 시간 정보를 기초로, 상기 강의 리스트를 정렬하여 상기 제1 수강자 단말로 전송하는 단계를 더 포함하는,
   상호작용이 가능한 홈 코칭 콘텐츠 제공 방법.
3. 제1항에 있어서,
   상기 강의가 진행되도록 제어하는 단계는,
   상기 제1 강사 단말로부터 운동 시작 요청이 수신되고 상기 제1 수강자 단말로부터 운동 참여 요청이 수신되면, 상기 제1 강사의 동작과 상기 제1 수강자의 동작을 비교하여 동작의 일치도를 분석하는 단계;
   상기 동작의 일치도가 미리 설정된 제1 기준치 보다 높은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 올바른 동작을 취한 것으로 판단하는 단계;
   상기 동작의 일치도가 상기 제1 기준치 보다 낮지만 미리 설정된 제2 기준치 보다 높은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 일부 틀린 동작을 취한 것으로 판단하는 단계;
   상기 동작의 일치도가 상기 제2 기준치 보다 낮은 것으로 확인되면, 상기 제1 강사의 동작을 따라한 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단하는 단계;
   상기 제1 수강자가 올바른 동작을 취한 것으로 판단되면, 상기 제1 수강자의 동작 성공 알림 메시지가 상기 제1 수강자 단말 및 상기 제1 강사 단말에서 표시되도록 제어하는 단계;
   상기 제1 수강자가 일부 틀린 동작을 취한 것으로 판단되면, 상기 제1 강사의 동작과 상기 제1 수강자의 동작 중 일치하지 않는 부분만 확대되어 상기 제1 수강자 단말에서 표시되도록 제어하는 단계; 및
   상기 제1 수강자가 전체적으로 틀린 동작을 취한 것으로 판단되면, 상기 제1 수강자의 자세 지도 필요 알림 메시지가 제1 강사 단말에서 표시되도록 제어하는 단계를 포함하는,
   상호작용이 가능한 홈 코칭 콘텐츠 제공 방법.

Images