KR102361029B1 - 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents
골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR102361029B1 KR102361029B1 KR1020190157370A KR20190157370A KR102361029B1 KR 102361029 B1 KR102361029 B1 KR 102361029B1 KR 1020190157370 A KR1020190157370 A KR 1020190157370A KR 20190157370 A KR20190157370 A KR 20190157370A KR 102361029 B1 KR102361029 B1 KR 102361029B1
- Authority
- KR
- South Korea
- Prior art keywords
- golf
- content
- user
- information
- present
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 34
- 230000033001 locomotion Effects 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 9
- 230000000306 recurrent effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/36—Training appliances or apparatus for special sports for golf
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2102/00—Application of clubs, bats, rackets or the like to the sporting activity ; particular sports involving the use of balls and clubs, bats, rackets, or the like
- A63B2102/32—Golf
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2208/00—Characteristics or parameters related to the user or player
- A63B2208/02—Characteristics or parameters related to the user or player posture
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/05—Image processing for measuring physical parameters
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/10—Positions
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/806—Video cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/807—Photo cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Social Psychology (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Image Analysis (AREA)
Abstract
본 발명의 일 태양에 따르면, 골프에 관한 콘텐츠를 추천하기 위한 방법으로서, 사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 상기 촬영 이미지에서 상기 사용자의 적어도 하나의 신체 부위를 검출하는 단계, 상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 상기 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 단계, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 상기 골프에 관한 콘텐츠 중 상기 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
근래에 들어 골프가 대중화되면서, 골퍼의 스윙 영상을 분석하고 골퍼에게 유용한 정보를 제공하기 위한 기술들이 소개되고 있다.
이에 관한 종래 기술의 일례로서, 한국공개특허공보 제2009-105031호에 개시된 영상처리기법을 이용한 골프 클리닉 시스템 및 그것의 운용 방법에 관한 기술을 예로 들 수 있는데, 이에 따르면, 골프 수련자의 신체 및 골프 클럽에 부착되는 복수개의 마커, 골프 수련자의 스윙 동작을 영상으로 수집하는 복수개의 카메라, 상기 복수개의 카메라에서 수집되는 2차원 영상을 3차원 영상으로 재구성하고, 움직임에 따른 마커의 공간상 좌표를 추출하여 인체 분절의 각도 값과 각 국면별 데이터를 실시간으로 분석하여 클리닉 결과를 레포트 형식으로 출력하는 영상 분석기 및 스윙 동작에 대한 운동 역학적 클리닉 정보가 회원 정보에 매칭되어 디지털 데이터로 저장되는 데이터베이스를 포함하는 것을 특징으로 한다.
하지만, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 골퍼의 스윙에 대한 문제점을 추정하기 위하여, 골퍼의 자세 및 동작을 인식하기 위한 고가의 장비를 별도로 이용해야 하거나 골퍼의 신체 및 골프채에 별도의 센서(마커)를 부착해야 하는 실정이었다.
또한, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 골퍼의 스윙을 분석하여 그 골퍼의 스윙에 대한 문제점을 추정하고, 그 문제점과 연관되는 골프에 관한 콘텐츠를 그 골퍼에게 제공함으로써, 그 골퍼의 스윙에 대한 문제점을 개선하도록 도와주는 기술에 대해서는 제안하지 못하였다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 인공신경망 모델을 이용하여 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 신체 부위를 검출하고, 위의 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 위의 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하고, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 위의 골프에 관한 콘텐츠 중 위의 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 것을 다른 목적으로 한다.
또한, 본 발명은, 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 인공신경망 모델을 경량화하고, 그 경량화된 인공신경망 모델을 이용하여 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 신체 부위를 검출하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 골프에 관한 콘텐츠를 추천하기 위한 방법으로서, 사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 상기 촬영 이미지에서 상기 사용자의 적어도 하나의 신체 부위를 검출하는 단계, 상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 상기 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 단계, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 상기 골프에 관한 콘텐츠 중 상기 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 골프에 관한 콘텐츠를 추천하기 위한 시스템으로서, 사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 상기 촬영 이미지에서 상기 사용자의 적어도 하나의 신체 부위를 검출하는 신체 부위 검출부, 상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 상기 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 문제점 추정부, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 상기 골프에 관한 콘텐츠 중 상기 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 콘텐츠 관리부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 사용자의 골프 스윙을 분석하여 그 사용자의 골프 스윙에 대한 문제점을 도출하고, 그 문제점과 연관되는 골프에 관한 콘텐츠를 그 사용자에게 제공함으로써, 위의 사용자의 골프 스윙에 대한 문제점을 개선하는 데에 도움을 줄 수 있게 된다.
또한, 본 발명에 의하면, 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 인공신경망 모델을 경량화하고, 그 경량화된 인공신경망 모델을 모바일 디바이스에서 이용하여 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 신체 부위를 검출함으로써, 별도의 센서나 장비를 이용하지 않고, 모바일 디바이스에서 정확하고 효율적으로 위의 사용자의 골프 스윙에 대한 문제점을 추정할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 골프에 관한 콘텐츠를 추천하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3의 (a)는 본 발명의 일 실시예에 따라 일반적인 컨볼루션(Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 3의 (b)는 본 발명의 일 실시예에 따라 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 검출되는 사용자의 적어도 하나의 관절 및 본 발명의 일 실시예에 따라 추정되는 골프채에 관한 정보를 시각적으로 나타낸 모습을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 추정되는 사용자의 골프 스윙에 대한 문제점 및 본 발명의 일 실시예에 따라 결정되는 매칭 콘텐츠가 사용자에게 제공되는 과정을 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3의 (a)는 본 발명의 일 실시예에 따라 일반적인 컨볼루션(Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 3의 (b)는 본 발명의 일 실시예에 따라 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 검출되는 사용자의 적어도 하나의 관절 및 본 발명의 일 실시예에 따라 추정되는 골프채에 관한 정보를 시각적으로 나타낸 모습을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 추정되는 사용자의 골프 스윙에 대한 문제점 및 본 발명의 일 실시예에 따라 결정되는 매칭 콘텐츠가 사용자에게 제공되는 과정을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 명세서에서, 골프 스윙에 관한 실시예가 풀 스윙에 초점을 맞추어 설명되기는 하지만, 본 발명에서의 골프 스윙은 골프채를 움직이기 위한 동작을 모두 포함하는 최광의의 개념으로 이해되어야 한다. 예를 들면, 본 발명의 일 실시예에 따른 골프 스윙에는, 풀 스윙, 하프 스윙, 칩 샷, 로브 샷, 퍼팅 등이 포함될 수 있다.
또한, 본 명세서에서, 골프에 관하여 초점을 맞추어 설명되기는 하지만, 골프 외의 다른 운동 종목에서 행하는 동작에 관한 정보를 추정하는 경우에도 본 발명이 활용될 수 있음은 당업자에게 자명하다. 예를 들면, 야구 스윙에 관한 정보, 헬스 또는 요가 자세에 관한 정보 등을 추정하는 경우에 활용될 수 있을 것이다.
또한, 본 명세서에서는, 이해를 돕기 위하여 사용자의 골프 스윙에 관한 촬영 이미지에서 관절을 검출하는 것에 관하여 초점을 맞추어 설명되기는 하지만, 관절에 제한되는 것은 아니며, 관절 외의 다른 신체 부위를 검출하는 경우에도 본 발명이 활용될 수 있는 것으로 이해되어야 할 것이다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 골프에 관한 콘텐츠를 추천하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 골프 콘텐츠 추천 시스템(200) 및 디바이스(300)을 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi; Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템(200)은 사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 위의 촬영 이미지에서 위의 사용자의 적어도 하나의 신체 부위를 검출하고, 그 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 위의 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하고, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 위의 골프에 관한 콘텐츠 중 위의 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 기능을 수행할 수 있다.
본 발명에 따른 골프 콘텐츠 추천 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(300)는 골프 콘텐츠 추천 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(300)로서 채택될 수 있다.
특히, 디바이스(300)는, 사용자가 골프 콘텐츠 추천 시스템(200)으로부터 골프에 관한 콘텐츠 추천 등의 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 골프 콘텐츠 추천 시스템(200) 또는 공지의 웹 서버(미도시됨)로부터 다운로드된 것일 수 있다.
골프 콘텐츠 추천 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 골프 콘텐츠 추천 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템(200)은, 신체 부위 검출부(210), 문제점 추정부(220), 콘텐츠 관리부(230), 통신부(250) 및 제어부(260)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 신체 부위 검출부(210), 문제점 추정부(220), 콘텐츠 관리부(230), 통신부(250) 및 제어부(260)는 그 중 적어도 일부가 외부의 시스템과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 골프 콘텐츠 추천 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 골프 콘텐츠 추천 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 골프 콘텐츠 추천 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 골프 콘텐츠 추천 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 외부 시스템(미도시됨) 내에서 실현되거나 외부 시스템 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)는, 사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 위의 촬영 이미지에서 위의 사용자의 적어도 하나의 관절을 검출하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 골프 콘텐츠 추천 시스템(200)은 사용자의 골프 스윙에 관한 촬영 이미지를 획득할 수 있고, 이러한 사용자의 골프 스윙에 관한 촬영 이미지는 디바이스(300)에 의해 촬영된 것이거나 다른 디바이스(미도시됨)에 의해 촬영된 이미지가 디바이스(300)를 통하여 제공된 것일 수 있다. 그리고, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)는, 인공신경망 모델을 이용하여 위의 획득된 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 관절을 검출하는 기능을 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따른 사용자의 골프 스윙에 관한 촬영 이미지는 RGB 이미지를 의미할 수 있다. 즉, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)는, 깊이 카메라나 깊이 센서와 같은 장비로부터 획득되는 깊이 정보를 이용하지 않고, 사용자의 골프 스윙에 관한 RGB 이미지만을 이용하여 위의 사용자의 적어도 하나의 관절을 검출할 수 있다.
그리고, 본 발명의 일 실시예에 따라 검출되는 사용자의 적어도 하나의 관절은, 사용자의 골프 스윙에 관한 촬영 이미지를 인공신경망 모델에서 히트 맵(Heat map) 이미지로 재구성함으로써 검출되는 것일 수 있다. 즉, 위의 사용자의 적어도 하나의 관절마다 그 관절에 대한 적어도 하나의 히트 맵(Heat map) 맵 이미지가 생성될 수 있고, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)는, 위의 생성된 적어도 하나의 히트 맵(Heat map) 맵 이미지로부터 각 관절을 검출(예를 들면, 각 히트 맵 이미지에서 가장 밝은 값의 위치를 해당 관절의 위치로 검출)할 수 있다.
또한, 본 발명의 일 실시예에 따라 검출되는 사용자의 적어도 하나의 관절은, 위의 사용자의 골프 스윙에 관한 정보를 추정함에 있어서 필수적으로 요구되는 관절들을 의미할 수 있다. 즉, 사용자의 골프 스윙에 관한 정보를 추정함에 있어서 상대적으로 중요도가 낮은 관절들은 검출하지 않도록 검출할 관절의 수를 제한함으로써 인공신경망 모델의 연산 효율을 높일 수 있다.
한편, 본 발명의 일 실시예에 따른 인공신경망 모델에는 CNN(Convolutional Neural Network) 모델, RNN(Recurrent Neural Network) 모델, DBN(Deep Belief Network) 모델, 또는 위 모델들이 결합된 인공신경망 모델 등이 포함될 수 있다. 다만, 본 발명의 일 실시예에 따른 인공신경망 모델이 위의 열거된 것에 한정되는 것은 아니고, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
그리고, 본 발명의 일 실시예에 따른 인공신경망 모델은 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 경량화된 모델일 수 있다.
또한, 본 발명의 일 실시예에 따른 인공신경망 모델은 가지치기(Pruning), 가중치 양자화(Quantization), 잔차 학습(Residual Learning)과 같은 경량화 알고리즘을 이용하여 경량화된 모델일 수도 있다.
구체적으로, 물체 인식 기술에서 일반적으로 사용되는 인공신경망 모델은 높은 수준의 인식 성능을 위하여 높은 수준의 컴퓨팅 자원의 소모를 필요로 하기 때문에, 모바일 디바이스와 같이 한정적인 컴퓨팅 자원만이 제공되는 환경에서는 이용하기 어려운 경우가 많다. 따라서, 본 발명의 일 실시예에 따르면, 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 인공신경망 모델을 경량화하고, 그 경량화된 인공신경망 모델을 모바일 디바이스에서 이용함으로써 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 관절을 검출할 수 있다.
여기서, 본 발명의 일 실시예에 따른 깊이별 컨볼루션(Depthwise Convolution)이란, 본 발명의 일 실시예에 따른 인공신경망 모델에서 컨볼루션(Convolution)을 수행함에 있어서, 입력되는 층(Layer)의 깊이(즉, 입력 층의 채널)별로 각각 커널(Kernel)을 적용하는 컨볼루션 과정을 의미할 수 있다. 한편, 커널을 적용하여 연산하는 방법 자체는 일반적인 컨볼루션과 동일하므로, 자세한 설명은 생략하기로 한다.
그리고, 본 발명의 일 실시예에 따른 지점별 컨볼루션(Pointwise Convolution)이란, 본 발명의 일 실시예에 따른 인공신경망 모델에서 컨볼루션을 수행함에 있어서, 입력되는 층의 지점별로 각각 1 x 1 x M 크기의 커널(즉, 너비 1, 높이 1, 깊이 M의 커널)을 적용하는 컨볼루션 과정을 의미할 수 있다.
도 3의 (a)는 본 발명의 일 실시예에 따라 일반적인 컨볼루션(Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 3의 (b)는 본 발명의 일 실시예에 따라 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)이 수행되는 과정을 예시적으로 나타내는 도면이다.
도 3의 (a)을 참조하면, 본 발명의 일 실시예에 따르면, 입력되는 층(311)의 너비, 높이, 깊이가 각각 F, F, N이고, 각 커널(312)의 너비, 높이, 깊이가 각각 K, K, N이고, 출력되는 층(313)의 너비, 높이, 깊이가 각각 F, F, M인 경우를 가정할 수 있다. 또한, 여기에서는, 적절한 크기의 패딩(Padding)과 스트라이드(Stride)를 설정하여 입력되는 층(311)과 출력되는 층(313)의 너비, 높이의 변화가 없는 것으로 가정하였다. 이러한 경우에, 일반적인 컨볼루션 에서는, 입력되는 층(311)에 커널(312)이 적용되어 출력되는 층(313)의 하나의 깊이를 구성(즉, F x F x K x K x N번의 연산)하게 되고, M개의 커널(312)에 대하여 이러한 연산을 하게 되므로, 총 F x F x K x K x N x M번의 연산을 수행하게 된다.
도 3의 (b)를 참조하면, 본 발명의 일 실시예에 따르면, 입력되는 층(321)의 너비, 높이, 깊이가 각각 F, F, N이고, 깊이별 컨볼루션에서의 각 커널(322)의 너비, 높이, 깊이가 각각 K, K, 1이고, 지점별 컨볼루션에서의 각 커널(324)의 너비, 높이, 깊이가 각각 1, 1, N이고, 출력되는 층(325)의 너비, 높이, 깊이가 각각 F, F, M인 경우를 가정할 수 있다. 이러한 경우에, 입력되는 층(321)의 깊이별로 커널(322)이 적용되어 중간 층(323)의 각 깊이를 구성(즉, F x F x K x K x 1 x N번의 연산)하게 된다. 그 다음에, 그 중간 층(323)에 지점별로 커널(324)이 적용되어 출력되는 층(325)의 하나의 깊이를 구성(즉, F x F x 1 x 1 x N번의 연산)하게 되고, M개의 커널(324)에 대하여 이러한 연산을 하게 되므로, 지점별 컨볼루션에서는 총 F x F x 1 x 1 x N x M번의 연산을 수행하게 된다. 따라서, 본 발명의 일 실시예에 따른 깊이별 컨볼루션과 지점별 컨볼루션의 연산을 합하면 총 (F x F x K x K x 1 x N) + (F x F x 1 x 1 x N x M)번의 연산을 수행하게 되므로, 일반적인 컨볼루션보다 연산량이 줄어드는 효과가 있다.
한편, 본 발명의 일 실시예에 따른 경량화를 위한 알고리즘이 반드시 위의 알고리즘(깊이별 또는 지점별 컨볼루션)에 한정되는 것은 아니며, 위의 각 알고리즘의 적용 순서 또는 횟수 또한 다양하게 변경될 수 있다.
한편, 본 발명의 일 실시예에 따른 사용자의 골프 스윙에 관한 촬영 이미지는, 모션 블러(motion blur)를 줄이는 방향으로 영상 촬영 모듈(미도시됨)의 파라미터를 설정한 다음에 촬영된 것일 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)가 인공신경망 모델을 이용하여 사용자의 골프 스윙에 관한 촬영 이미지에서 위의 사용자의 적어도 하나의 관절을 검출함에 있어서, 위의 촬영 이미지에 모션 블러가 많은 경우에는, 검출되는 관절의 위치의 정확도가 저하될 수 있다. 따라서, 본 발명의 일 실시예에 따르면, 모션 블러(motion blur)를 줄이는 방향으로 영상 촬영 모듈(미도시됨)의 파라미터를 설정한 다음에 사용자의 골프 스윙에 관한 촬영 이미지를 촬영함으로써 모션 블러를 최소화하고, 검출되는 관절의 위치의 정확도를 높일 수 있다.
예를 들면, 본 발명의 일 실시예에 따르면, 영상 촬영 모듈이 사용자의 골프 스윙에 관한 이미지를 촬영하기 위하여, 촬영 환경을 고려하여 자동으로 촬영될 이미지의 밝기(이하, '디폴트 밝기'라고 함)를 설정한 경우를 가정할 수 있다. 이러한 경우에, 본 발명의 일 실시예에 따른 파라미터 설정부(미도시됨)는, 영상 촬영 모듈의 노출값을 낮춤으로써 모션 블러를 최소화할 수 있다. 나아가, 노출값을 낮춤에 따라 촬영될 이미지의 밝기가 감소되는 것을 방지하기 위하여, 촬영될 이미지의 밝기가 디폴트 밝기와 유사한 수준이 되도록 게인(gain)값을 높임으로써, 모션 블러를 최소화하면서도 촬영될 이미지의 밝기가 디폴트 밝기와 유사한 수준으로 유지되도록 할 수 있다. 한편, 이러한 영상 촬영 모듈은, 본 발명의 일 실시예에 따른 디바이스(300)에 포함될 수도 있을 것이다.
다음으로, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절의 위치를 참조하여 그 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절의 종류, 그 사용자의 적어도 하나의 관절의 위치, 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이의 거리 및 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이에서 형성되는 각도 중 적어도 하나를 참조하여 그 사용자의 자세를 추정할 수 있고, 그 추정된 자세를 참조하여 그 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 기능을 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따른 골프 스윙에 대한 문제점에는, 헤드업(head up), 얼리 익스텐션(early extension), 스웨이(sway) 등이 포함될 수 있다. 다만, 본 발명의 일 실시예에 따른 골프 스윙에 대한 문제점이 위의 열거된 것에 한정되는 것은 아니고, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
그리고, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 규칙 기반 학습(rule-based learning)을 이용하여 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정할 수 있다. 본 발명의 일 실시예에 따르면, 규칙 기반 학습은 결정 트리 학습(decision tree learning)을 포함할 수 있으나 이에 제한되는 것은 아니며, 결정 트리 학습이란, 규칙과 결과를 트리 구조로 도식화하여 형성된 결정 트리를 이용하여 수행되는 학습을 의미한다.
한편, 본 발명의 일 실시예에 따른 사용자의 골프 스윙에 대한 적어도 하나의 문제점은, 골프 스윙을 구성하는 부분 동작별로 구분되어 추정될 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 골프 스윙은, 어드레스(address), 테이크 어웨이(take away), 백 스윙(back swing), 탑 오브 스윙(top of swing), 다운 스윙(down swing), 임팩트(impact), 팔로 스루(follow through) 및 피니쉬(finish)와 같은 8단계의 부분 동작으로 구성될 수 있다. 그리고, 본 발명의 일 실시예에 따른 사용자의 골프 스윙에 대한 적어도 하나의 문제점은, 위의 골프 스윙을 구성하는 부분 동작별로 구분되어 각각 추정될 수 있다.
그리고, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절의 종류, 그 사용자의 적어도 하나의 관절의 위치, 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이의 거리 및 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이에서 형성되는 각도 중 적어도 하나를 참조하여, 그 사용자의 골프 스윙에 관한 촬영 이미지가 위의 8단계 중 어느 단계에 해당하는지를 도출하거나, 그 사용자의 골프 스윙에 관한 촬영 이미지로부터 위의 8단계 중 특정 단계에 해당하는 적어도 하나의 프레임을 추출할 수 있다. 따라서, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 사용자의 골프 스윙에 대한 적어도 하나의 문제점을, 골프 스윙을 구성하는 부분 동작별로 구분하여 추정하는 기능을 수행할 수 있다.
한편, 본 발명의 일 실시예에 따른 골프 스윙이 반드시 위와 같은 8단계로 구분되는 것은 아니다. 즉, 위의 8단계 각각을 구성하는 세부적인 단계를 더 포함하여 구분될 수도 있고, 위의 8단계의 적어도 일부가 하나의 단계를 구성하는 것으로 구분될 수도 있다.
또한, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절의 위치를 참조하여 골프채에 관한 정보를 추정하고, 위의 추정되는 골프채에 관한 정보를 더 참조하여 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절의 종류, 그 사용자의 적어도 하나의 관절의 위치, 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이의 거리 및 그 사용자의 적어도 하나의 관절과 그 사용자의 다른 적어도 하나의 관절 사이에서 형성되는 각도 중 적어도 하나를 참조하여 골프채에 관한 정보를 추정할 수 있다.
그리고, 본 발명의 일 실시예에 따른 골프채에 관한 정보에는, 골프채의 위치, 사용자 신체의 일부와 골프채가 이루는 각도 등이 포함될 수 있으나, 이에 제한되는 것은 아니다.
도 4는 본 발명의 일 실시예에 따라 검출되는 사용자의 적어도 하나의 관절 및 본 발명의 일 실시예에 따라 추정되는 골프채에 관한 정보를 시각적으로 나타낸 모습을 예시적으로 나타내는 도면이다.
도 4를 참조하면, 본 발명의 일 실시예에 따르면, 사용자의 골프 스윙에 관한 촬영 이미지(410, 420 및 430)가 획득될 수 있으며, 이러한 촬영 이미지는 사용자의 모바일 디바이스를 통해 촬영된 RGB 이미지일 수 있다.
계속하여 도 4를 참조하면, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)는, 모바일 디바이스에서 구현될 수 있도록 경량화된 인공신경망 모델을 이용하여 그 촬영 이미지에서 사용자의 적어도 하나의 관절(411, 421 및 431)을 검출할 수 있다. 또한, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 위의 검출된 적어도 하나의 관절의 위치를 참조하여 골프채의 위치 및 각도(412, 422 및 432)를 추정할 수 있다.
계속하여 도 4를 참조하면, 본 발명의 일 실시예에 따른 문제점 추정부(220)는, 본 발명의 일 실시예에 따른 신체 부위 검출부(210)에 의해 검출되는 사용자의 적어도 하나의 관절(411, 421 및 431)의 위치를 참조하여 그 사용자의 자세를 추정할 수 있고, 그 추정된 자세를 참조하여 그 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 기능을 수행할 수 있다.
그리고, 위의 사용자의 골프 스윙에 대한 적어도 하나의 문제점은 골프 스윙을 구성하는 부분 동작별로 구분되어 추정될 수 있다. 예를 들면, 도 4의 (a)에서는 어드레스 단계에서의 문제점, 도 4의 (b)에서는 탑 오브 스윙 단계에서의 문제점, 도 4의 (c)에서는 임팩트 단계에서의 문제점이 각각 추정될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 위의 골프에 관한 콘텐츠 중 사용자의 골프 스윙에 대한 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 기능을 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따르면, 골프에 관한 콘텐츠란, 유튜브, 인스타그램, 블로그 등 공지의 웹으로부터 수집될 수 있는 골프와 관련된 콘텐츠를 의미할 수 있다. 여기에는, 골프 스윙에 대한 문제점을 개선할 수 있도록 도움을 주는 골프 레슨 동영상 등이 포함될 수 있으나, 이에 제한되는 것은 아니다.
그리고, 본 발명의 일 실시예에 따르면, 골프에 관한 콘텐츠와 연관되는 문제점이란, 골프에 관한 콘텐츠의 내용에 포함되는 골프 스윙에 대한 문제점을 의미할 수 있다. 예를 들어, 어떤 콘텐츠에 헤드업 문제를 해결하기 위한 방법에 대한 레슨이 포함되어 있다면, 그 콘텐츠와 연관되는 문제점은 헤드업이 될 수 있다. 또한, 본 발명의 일 실시예에 따르면, 골프에 관한 콘텐츠의 내용에는 그 콘텐츠와 연관되는 문제점이 하나 이상 포함될 수도 있다.
한편, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 메타데이터, 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 위의 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠에 포함되는 이미지(즉, 영상 데이터)에서 그 이미지에 포함되는 사람의 적어도 하나의 관절을 검출함으로써, 위의 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정할 수 있다. 한편, 그 수행 방식은 사용자의 골프 스윙에 대한 문제점을 추정하는 것에 관하여 상술한 바와 동일하므로, 자세한 설명은 생략하기로 한다.
또한, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 메타데이터를 참조하여 위의 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정할 수 있다. 예를 들면, 골프에 관한 콘텐츠의 제목, 해시태그 등을 참조하여 해당 콘텐츠와 연관되는 문제점에 관한 정보를 추정하는 것이 가능할 것이다.
또한, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 음성 데이터를 참조하여 위의 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정할 수 있다. 예를 들면, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)와 같은 순환신경망(Recurrent Neural Network) 모델을 이용하여 음성 데이터 내에서 골프 스윙에 대한 문제점과 연관되는 단어를 인식함으로써 해당 콘텐츠와 연관되는 문제점에 관한 정보를 추정하는 것이 가능할 것이다.
한편, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를, 골프 스윙을 구성하는 부분 동작별로 구분(예를 들면, 상술한 바와 같이 8단계로 구분)하여 추정하는 기능을 수행할 수 있다. 이러한 추정은, 골프에 관한 콘텐츠의 메타데이터, 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 수행될 수 있을 것이다.
예를 들면, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 메타데이터(제목, 해시태그 등)를 참조하여, 위의 골프에 관한 콘텐츠가 특정 부분 동작과 연관된 것임을 인식함으로써, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 골프 스윙을 구성하는 부분 동작별로 구분하여 추정할 수 있다.
또 다른 예를 들면, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)와 같은 순환신경망(Recurrent Neural Network) 모델을 이용하여 골프에 관한 콘텐츠의 음성 데이터 내에서 특정 부분 동작과 연관되는 단어를 인식함으로써, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 골프 스윙을 구성하는 부분 동작별로 구분하여 추정할 수 있다.
한편, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)에서, 골프에 관한 콘텐츠의 영상 데이터에서 검출되는 적어도 하나의 관절의 위치 등을 참조하여, 골프 스윙을 구성하는 부분 동작별로 구분하여 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정하는 것은, 골프 스윙을 구성하는 부분 동작별로 구분하여 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 것에 관하여 상술한 바와 동일하므로, 자세한 설명은 생략하기로 한다.
한편, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠로부터 도출되는 문제점 영역을 특정하고, 그 특정된 문제점 영역에 대하여 분석함으로써 위의 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 추정하는 기능을 수행할 수 있다.
여기서, 본 발명의 일 실시예에 따른 문제점 영역은, 골프에 관한 콘텐츠의 전 범위 중에서 그 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 포함하고 있는 적어도 일부의 범위를 의미할 수 있다. 예를 들면, 골프 레슨 동영상의 전 구간 중에서, 골프 스윙에 관한 문제점을 설명하고 있는 일부 구간일 수 있다. 나아가, 특정 동영상 프레임 내의 일부 영역 또는 이미지 내의 일부 영역을 의미할 수도 있다.
그리고, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 문제점 영역을 도출할 수 있다.
예를 들면, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠의 영상 데이터에서 검출되는 적어도 하나의 관절의 위치, 그 적어도 하나의 관절과 다른 적어도 하나의 관절 사이의 거리 및 그 적어도 하나의 관절과 그 다른 적어도 하나의 관절 사이에서 형성되는 각도 중 적어도 하나를 참조하여, 골프에 관한 콘텐츠의 전 범위 중에서 그 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 포함하고 있는 적어도 일부의 범위를 특정할 수 있다.
또 다른 예를 들면, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, LSTM(Long Short-Term Memory) 또는 GRU(Gated Recurrent Unit)와 같은 순환신경망(Recurrent Neural Network) 모델을 이용하여 골프에 관한 콘텐츠의 음성 데이터 내에서 골프 스윙에 대한 문제점과 연관되는 단어를 인식함으로써, 골프에 관한 콘텐츠의 전 범위 중에서 그 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 포함하고 있는 적어도 일부의 범위를 특정할 수 있다.
한편, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠로부터 그 콘텐츠와 연관되는 문제점에 관한 정보가 추정되면, 그 콘텐츠에 그 콘텐츠와 연관되는 문제점에 관한 정보를 태깅(tagging)하여 데이터베이스(미도시됨)에 저장할 수 있다.
그리고, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠 중 사용자의 골프 스윙에 대한 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 콘텐츠 관리부(230)는, 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보와 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 서로 비교하여, 위의 골프에 관한 콘텐츠와 연관되는 문제점과 사용자의 골프 스윙에 대한 문제점이 하나 이상 일치한다면, 해당 골프에 관한 콘텐츠를 후보 콘텐츠로서 도출할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 매칭 콘텐츠 결정부(미도시됨)는, 적어도 하나의 후보 콘텐츠 각각에 대하여 매칭 점수를 산출하고, 그 산출된 매칭 점수에 기초하여 사용자에게 제공될 적어도 하나의 매칭 콘텐츠를 결정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 매칭 콘텐츠 결정부(미도시됨)는, 후보 콘텐츠와 연관되는 문제점의 개수, 사용자의 골프 스윙에 대한 문제점과 후보 콘텐츠와 연관되는 문제점 간에 일치하는 문제점의 개수, 그 일치하는 문제점의 종류, 후보 콘텐츠의 조회수를 포함하는 결정 요소 중 적어도 하나를 고려하여, 적어도 하나의 후보 콘텐츠 각각에 대하여 매칭 점수를 산출할 수 있다.
여기서, 사용자의 골프 스윙에 대한 문제점은 그 종류별로 우선순위가 부여될 수 있다. 예를 들면, 사용자의 골프 스윙에 대한 문제점 중 헤드업에 가장 높은 우선순위가 부여되고, 스웨이에 그 다음의 우선순위가 부여되어 있을 수 있다.
나아가, 적어도 하나의 후보 콘텐츠 각각에 대하여 매칭 점수를 산출하기 위하여, 위의 결정 요소 각각에는 소정의 가중치 또는 우선순위가 부여될 수 있다. 예를 들면, 가중치는 정량화된 수치(예를 들면, 0 내지 1 사이의 수치)로 정의될 수 있으며, 우선순위는 매칭 점수 산출 시 고려되는 순서(예를 들면, 가장 높은 우선순위를 가지는 결정 요소에 의하여 산출된 각 후보 콘텐츠의 매칭 점수가 같은 경우에만, 그 다음 우선순위의 결정 요소를 고려하여 매칭 점수를 산출하는)로 정의될 수 있을 것이다.
다음으로, 본 발명의 일 실시예에 따른 통신부(250)는 신체 부위 검출부(210), 문제점 추정부(220) 및 콘텐츠 관리부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(260)는 신체 부위 검출부(210), 문제점 추정부(220), 콘텐츠 관리부(230) 및 통신부(250) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(260)는 골프 콘텐츠 추천 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 골프 콘텐츠 추천 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 신체 부위 검출부(210), 문제점 추정부(220), 콘텐츠 관리부(230) 및 통신부(250)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 골프 콘텐츠 추천 시스템
210: 신체 부위 검출부
220: 문제점 추정부
230: 콘텐츠 관리부
250: 통신부
260: 제어부
300: 디바이스
200: 골프 콘텐츠 추천 시스템
210: 신체 부위 검출부
220: 문제점 추정부
230: 콘텐츠 관리부
250: 통신부
260: 제어부
300: 디바이스
Claims (19)
- 골프에 관한 콘텐츠를 추천하기 위한 방법으로서,
사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 상기 촬영 이미지에서 상기 사용자의 적어도 하나의 신체 부위를 검출하는 단계,
상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 상기 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 단계, 및
골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 상기 골프에 관한 콘텐츠 중 상기 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 단계를 포함하고,
상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보는, 상기 골프에 관한 콘텐츠로부터 도출되는 문제점 영역을 분석함으로써 추정되고,
상기 문제점 영역은, 상기 골프에 관한 콘텐츠의 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 포함하고 있는 적어도 일부의 범위를 특정함으로써 도출되고,
상기 도출된 적어도 하나의 후보 콘텐츠에 대하여 매칭 점수를 산출하고, 상기 산출된 매칭 점수에 기초하여 상기 사용자에게 제공될 적어도 하나의 매칭 콘텐츠를 결정하는 단계를 더 포함하고,
상기 매칭 점수는 상기 사용자의 골프 스윙에 대한 문제점의 종류에 부여되는 우선순위에 기초하여 산출되는
방법. - 제1항에 있어서,
상기 인공신경망 모델은 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 경량화된 것인
방법. - 제1항에 있어서,
상기 추정 단계에서, 상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 골프채에 관한 정보를 추정하고, 상기 추정되는 골프채에 관한 정보를 더 참조하여 상기 적어도 하나의 문제점을 추정하는
방법. - 제1항에 있어서,
상기 적어도 하나의 문제점 및 상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보 중 적어도 하나는, 골프 스윙을 구성하는 부분 동작별로 구분되어 추정되는
방법. - 제1항에 있어서,
상기 촬영 이미지가 획득되기 전에, 모션 블러(motion blur)를 줄이는 방향으로 영상 촬영 모듈의 파라미터를 설정하는 단계를 더 포함하는
방법. - 삭제
- 제1항에 있어서,
상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보는, 상기 골프에 관한 콘텐츠의 메타데이터, 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 추정되는
방법. - 삭제
- 삭제
- 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- 골프에 관한 콘텐츠를 추천하기 위한 시스템으로서,
사용자의 골프 스윙에 관한 촬영 이미지가 획득되면, 인공신경망 모델을 이용하여 상기 촬영 이미지에서 상기 사용자의 적어도 하나의 신체 부위를 검출하는 신체 부위 검출부,
상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 상기 사용자의 골프 스윙에 대한 적어도 하나의 문제점을 추정하는 문제점 추정부, 및
골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 참조하여, 상기 골프에 관한 콘텐츠 중 상기 적어도 하나의 문제점과 연관된 적어도 하나의 후보 콘텐츠를 도출하는 콘텐츠 관리부를 포함하고,
상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보는, 상기 골프에 관한 콘텐츠로부터 도출되는 문제점 영역을 분석함으로써 추정되고,
상기 문제점 영역은, 상기 골프에 관한 콘텐츠의 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보를 포함하고 있는 적어도 일부의 범위를 특정함으로써 도출되고,
상기 도출된 적어도 하나의 후보 콘텐츠에 대하여 매칭 점수를 산출하고, 상기 산출된 매칭 점수에 기초하여 상기 사용자에게 제공될 적어도 하나의 매칭 콘텐츠를 결정하는 매칭 콘텐츠 결정부를 더 포함하고,
상기 매칭 콘텐츠 결정부는, 상기 사용자의 골프 스윙에 대한 문제점의 종류에 부여되는 우선순위에 기초하여 상기 매칭 점수를 산출하는
시스템. - 제11항에 있어서,
상기 인공신경망 모델은 깊이별 컨볼루션(Depthwise Convolution) 및 지점별 컨볼루션(Pointwise Convolution)을 이용하여 경량화된 것인
시스템. - 제11항에 있어서,
상기 문제점 추정부에서, 상기 검출되는 적어도 하나의 신체 부위의 위치를 참조하여 골프채에 관한 정보를 추정하고, 상기 추정되는 골프채에 관한 정보를 더 참조하여 상기 적어도 하나의 문제점을 추정하는
시스템. - 제11항에 있어서,
상기 적어도 하나의 문제점 및 상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보 중 적어도 하나는, 골프 스윙을 구성하는 부분 동작별로 구분되어 추정되는
시스템. - 제11항에 있어서,
상기 신체 부위 검출부에서, 상기 촬영 이미지가 획득되기 전에, 모션 블러(motion blur)를 줄이는 방향으로 영상 촬영 모듈의 파라미터를 설정하는
시스템. - 삭제
- 제11항에 있어서,
상기 골프에 관한 콘텐츠와 연관되는 문제점에 관한 정보는, 상기 골프에 관한 콘텐츠의 메타데이터, 영상 데이터 및 음성 데이터 중 적어도 하나를 참조하여 추정되는
시스템. - 삭제
- 삭제
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190157370A KR102361029B1 (ko) | 2019-11-29 | 2019-11-29 | 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
PCT/KR2020/017312 WO2021107734A1 (ko) | 2019-11-29 | 2020-11-30 | 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
US17/745,080 US20220273984A1 (en) | 2019-11-29 | 2022-05-16 | Method and device for recommending golf-related contents, and non-transitory computer-readable recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190157370A KR102361029B1 (ko) | 2019-11-29 | 2019-11-29 | 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Publications (3)
Publication Number | Publication Date |
---|---|
KR20210067590A KR20210067590A (ko) | 2021-06-08 |
KR102361029B1 true KR102361029B1 (ko) | 2022-02-10 |
KR102361029B9 KR102361029B9 (ko) | 2022-07-06 |
Family
ID=76129814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190157370A KR102361029B1 (ko) | 2019-11-29 | 2019-11-29 | 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220273984A1 (ko) |
KR (1) | KR102361029B1 (ko) |
WO (1) | WO2021107734A1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102633168B1 (ko) * | 2021-06-28 | 2024-02-02 | 주식회사 골프존 | 스윙 분석 장치 및 스윙 분석 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100772497B1 (ko) * | 2006-10-09 | 2007-11-01 | 박찬애 | 골프 클리닉 시스템 및 그것의 운용방법 |
KR101428922B1 (ko) * | 2013-04-19 | 2014-08-11 | 한밭대학교 산학협력단 | 퍼지 시스템을 이용한 골프 스윙 분류 장치 및 방법 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100472300B1 (ko) * | 2002-06-26 | 2005-03-10 | 문용선 | 골프볼 궤적에 근거한 스윙분석 시스템 및 방법 |
JP6613684B2 (ja) * | 2015-07-28 | 2019-12-04 | セイコーエプソン株式会社 | スイング診断方法、スイング診断プログラム、記録媒体、スイング診断装置及びスイング診断システム |
CN108108811B (zh) * | 2017-12-18 | 2021-07-30 | 南京地平线机器人技术有限公司 | 神经网络中的卷积计算方法和电子设备 |
-
2019
- 2019-11-29 KR KR1020190157370A patent/KR102361029B1/ko active IP Right Grant
-
2020
- 2020-11-30 WO PCT/KR2020/017312 patent/WO2021107734A1/ko active Application Filing
-
2022
- 2022-05-16 US US17/745,080 patent/US20220273984A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100772497B1 (ko) * | 2006-10-09 | 2007-11-01 | 박찬애 | 골프 클리닉 시스템 및 그것의 운용방법 |
KR101428922B1 (ko) * | 2013-04-19 | 2014-08-11 | 한밭대학교 산학협력단 | 퍼지 시스템을 이용한 골프 스윙 분류 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102361029B9 (ko) | 2022-07-06 |
KR20210067590A (ko) | 2021-06-08 |
WO2021107734A1 (ko) | 2021-06-03 |
US20220273984A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11045705B2 (en) | Methods and systems for 3D ball trajectory reconstruction | |
JP6646124B2 (ja) | トラッキングネットワークを含むCNN(Convolutional Neural Network)を用いてイメージ上の客体に対応するバウンディングボックスを獲得するための方法及びこれを利用した装置 | |
KR102539215B1 (ko) | 골프 스윙에 관한 정보를 추정하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
WO2021096669A1 (en) | Assessing a pose-based sport | |
US10796448B2 (en) | Methods and systems for player location determination in gameplay with a mobile device | |
US20160296795A1 (en) | Apparatus and method for analyzing golf motion | |
JP4553384B2 (ja) | 撮像装置及びその制御方法、コンピュータプログラム、記憶媒体 | |
KR20110036942A (ko) | 검출용 정보 등록 장치, 대상물체 검출 장치, 전자 기기, 검출용 정보 등록 장치의 제어 방법, 대상물체 검출 장치의 제어 방법, 검출용 정보 등록 장치 제어 프로그램, 대상물체 검출 장치 제어 프로그램 | |
KR102594938B1 (ko) | 인공신경망을 이용한 스포츠 자세를 비교 및 교정하는 장치 및 방법 | |
KR102280201B1 (ko) | 머신 러닝을 이용하여 은닉 이미지를 추론하는 방법 및 장치 | |
US20220379170A1 (en) | Quantitative, biomechanical-based analysis with outcomes and context | |
KR102361029B1 (ko) | 골프에 관한 콘텐츠를 추천하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
US20220383578A1 (en) | 3d avatar generation and robotic limbs using biomechanical analysis | |
KR20220079428A (ko) | 비디오에서 객체를 검출하는 방법 및 장치 | |
US20210192773A1 (en) | User analytics using a mobile device camera and associated systems and methods | |
KR20210146265A (ko) | 골프 스윙에 관한 정보를 추정하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR102369266B1 (ko) | 골프에 관한 콘텐츠를 제공하기 위한 방법하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR102413988B1 (ko) | 골프 스윙에 관한 정보를 추정하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR102563764B1 (ko) | 골프 스윙에 관한 정보를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR20230169901A (ko) | 골프 스윙에 관한 정보를 추정하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR20220053999A (ko) | 이미지상에 그래픽 객체를 표시하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR20220049736A (ko) | 골프 스윙 자세에 관한 정보를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
KR102342760B1 (ko) | 인공지능 기반의 골프 영상 학습장치, 그 방법 및 그 기록매체 | |
KR20230114225A (ko) | 인공지능에 기반한 사용자의 운동 수행과 관련된 피드백 정보 제공 방법, 제어 장치, 및 시스템 | |
KR20240019030A (ko) | 시선 방향을 검출하는 딥러닝 기반의 시선 방향 검출 모델을 학습하는 학습 방법 및 학습 장치, 이를 이용한 테스트 방법 및 테스트 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
G170 | Re-publication after modification of scope of protection [patent] |