KR102381907B1 - 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 - Google Patents
태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 Download PDFInfo
- Publication number
- KR102381907B1 KR102381907B1 KR1020210125601A KR20210125601A KR102381907B1 KR 102381907 B1 KR102381907 B1 KR 102381907B1 KR 1020210125601 A KR1020210125601 A KR 1020210125601A KR 20210125601 A KR20210125601 A KR 20210125601A KR 102381907 B1 KR102381907 B1 KR 102381907B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- practice
- motion
- taekwondo
- user
- Prior art date
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009471 action Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000009897 systematic effect Effects 0.000 abstract 1
- 210000002683 foot Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000001624 hip Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000000454 fifth toe Anatomy 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 210000001255 hallux Anatomy 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004936 left thumb Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000004935 right thumb Anatomy 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007103 stamina Effects 0.000 description 1
- 210000000623 ulna Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- 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
- A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
-
- 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
- G06T2207/20044—Skeletonization; Medial axis transform
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physical Education & Sports Medicine (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 발명의 일 실시예는 서버에 의해 수행되는 태권도 동작에 대한 학습 보조 방법으로서, 사용자 단말로부터 사용자의 식별 정보를 획득하는 단계, 미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출하는 단계, 상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공하는 단계, 상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득하는 단계, 상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하는 단계, 상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계 및 상기 제1 연습 동작에 관한 정보 및 상기 제1 차이 정보를 상기 사용자 단말에게 제공하는 단계를 포함하는 것을 특징으로 한다.
Description
본 발명은 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치에 관한 것이다.
태권도는 우리나라 국기로서 국기원에서 전 세계의 태권도 승품 및 승단 심사를 총 관할하고 있다. 심사란 태권도 수련자가 국기원 태권도 승품 및 승단 자격을 취득하기 위한 절차를 말한다. 국기원의 태권도심사운영규칙에 따르면 60점 이상 합격 기준으로 "시선, 기합, 완급, 강유, 신축, 중심, 자세, 기의 다양성, 거리 조정 등의 요소를 평가한다.
태권도 품새란, 공격과 방어의 기술을 규정된 형식에 맞추어 지도자 없이 수련할 수 있도록 이어놓은 동작을 말한다. 수련인은 품새를 통해 겨루기 기술 향상과 동작 응용 능력 그리고 기본 동작에서 익힐 수 없는 특수기술을 연마할 수 있다.
일반적으로 품새는 발의 위치와 그 이동 방향을 선으로 표시한 품새선에 따라 수련하며, 태극, 고려, 금강, 태백, 평원, 십진, 지태, 천권, 한수, 일여의 10가지 종류가 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법을 제공하는데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 태권도 동작에 대한 커리큘럼 기반의 학습 보조 장치를 제공하는데 있다.
본 출원이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 서버에 의해 수행되는 태권도 동작에 대한 학습 보조 방법은 사용자 단말로부터 사용자의 식별 정보를 획득하는 단계, 미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출하는 단계, 상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공하는 단계, 상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득하는 단계, 상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하는 단계, 상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계 및 상기 제1 연습 동작에 관한 정보 및 상기 제1 차이 정보를 상기 사용자 단말에게 제공하는 단계를 포함할 수 있다.
여기서, 상기 현재 커리큘럼의 성취 정도에 관한 정보를 상기 사용자 단말에게 제공하는 단계를 더 포함하고, 상기 현재 커리큘럼의 성취 정도에 관한 정보는 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 연습을 수행한 횟수 및 미리 설정된 목표 수행 횟수를 기반으로 도출되는 정량적 성취 정도 정보 및 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 차이 정보를 기반으로 도출되는 정성적 성취 정도 정보를 포함할 수 있다.
여기서, 상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하는 단계는 미리 학습된 스켈레톤 추출 모델을 기반으로 상기 제1 영상 정보로부터 상기 제1 태권도 동작에 대응되는 제1 스켈레톤 정보를 도출하는 단계, 상기 복수의 연습 동작들 및 상기 제1 스켈레톤 정보 간의 유사도를 각각 도출하는 단계 및 상기 복수의 연습 동작들 중 상기 유사도가 가장 높은 연습 동작을 상기 제1 연습 동작으로 결정하는 단계를 포함하고, 상기 스켈레톤 추출 모델은 동작에 관한 학습용 영상 정보 및 상기 학습용 영상 정보에 대응되는 학습용 스켈레톤 정보를 학습 데이터 셋으로 구성하여 머신러닝을 통해 학습될 수 있다.
여기서, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계는 상기 제1 스켈레톤 정보에 포함된 복수의 조인트들 간의 제1 상대적인 위치 정보 및 상기 제1 연습 동작에 대응되는 미리 저장된 복수의 조인트들 간의 제2 상대적인 위치 정보를 기반으로 상기 제1 차이 정보를 생성하는 단계를 포함할 수 있다.
여기서, 상기 식별 정보에 대응되는 사용자 정보에 포함된 신장 정보를 획득하는 단계, 상기 촬영 장치를 통해 상기 사용자 단말로부터 상기 사용자의 준비 자세에 관한 제3 영상 정보를 획득하는 단계, 상기 미리 학습된 스켈레톤 추출 모델을 기반으로 상기 제3 영상 정보로부터 상기 준비 자세에 대응되는 제2 스켈레톤 정보를 도출하는 단계 및 상기 제2 스켈레톤 정보에 포함된 복수의 조인트들 간의 제3 상대적인 위치 정보 및 상기 신장 정보를 기반으로 상기 사용자의 신체 비율 정보를 도출하는 단계를 더 포함하고, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계는 상기 신체 비율 정보를 기반으로 상기 제1 상대적인 위치 정보를 보정하는 단계를 더 포함할 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 수행하는 서버로서, 적어도 하나의 프로세서 및
상기 적어도 하나의 프로세서에 의해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고, 상기 적어도 하나의 명령은 사용자 단말로부터 사용자의 식별 정보를 획득하도록 실행되고, 미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출하도록 실행되고, 상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공하도록 실행되고, 상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득하도록 실행되고, 상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하도록 실행되고, 상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하도록 실행되고, 상기 제1 연습 동작에 관한 정보 및 상기 제1 차이 정보를 상기 사용자 단말에게 제공하도록 실행될 수 있다.
과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따르면, 태권도의 각 동작을 커리큘럼에 따라 체계적으로 학습할 수 있다.
본 발명의 일 실시예에 따르면, 사용자의 연습 동작을 인식하여 사용자의 연습량 및 완성도를 체크하고, 자동으로 다음 커리큘럼을 제공할 수 있다.
다양한 실시예들에 따르면, 효과가 상술한 효과로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 수행하는 전자 장치의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 커리큘럼이 이용되는 구성을 설명하기 위한 개념도이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 사용자의 동작을 인식하기 위한 스켈레톤을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 커리큘럼이 이용되는 구성을 설명하기 위한 개념도이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 사용자의 동작을 인식하기 위한 스켈레톤을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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 본 발명이 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.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 수행하는 전자 장치의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 수행하는 전자 장치(100)는 적어도 하나의 프로세서(110), 메모리(120) 및 송수신 장치(130)를 포함하여 구성될 수 있다. 또한, 전자 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150) 및 저장 장치(160) 중 적어도 하나를 더 포함하여 구성될 수도 있다.
여기서, 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 송수신 장치(transceiver)(130)는 무선 네트워크를 통해 통신을 수행할 수 있으며, 전자 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
도 2는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 설명하기 위한 개념도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법을 수행하는 전자 장치(100)는 사용자가 태권도 동작을 수행할 경우, 이를 인식하고, 커리큘럼 상의 동작과 비교 분석할 수 있다. 여기서, 전자 장치(100)는 적어도 하나의 서버를 나타낼 수 있다. 또는, 전자 장치(100)는 태권도 동작에 대한 학습 보조 서버라고 나타낼 수도 있다.
전자 장치(100)는 사용자 단말(200)과 유선 또는 무선 통신을 통해 정보를 송수신하여 학습 보조 방법을 수행할 수 있다.
예를 들어, 사용자 단말(200)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
예를 들어, 무선 통신은 LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), GSM(Global System for Mobile Communications), WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 등 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 또는 유선 통신은 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다.
사용자 단말(200)은 사용자의 움직임에 대한 영상을 촬영하기 위한 촬영 장치를 탑재한 전자기기일 수 있다. 즉, 사용자 단말(200)은 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득할 수 있으며, 이를 학습 보조 서버(100)에게 제공할 수 있고, 학습 보조 서버(100)로부터 제1 영상 정보에 기반한 분석 결과 정보를 획득할 수 있다. 보다 상세한 설명은 후술하도록 하겠다.
도 3은 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 커리큘럼이 이용되는 구성을 설명하기 위한 개념도이다.
도 3을 참조하면, 서버(100)는 데이터베이스에 복수의 커리큘럼들에 관한 정보를 저장하고 있을 수 있으며, 사용자의 식별 정보를 기반으로 사용자의 진도 정보를 도출한 후, 이에 따른 현재 커리큘럼을 추출하여 사용자 단말(200)에게 제공할 수 있다.
사용자는 사용자 단말(200)을 통해 현재 커리큘럼에 포함된 복수의 연습 동작들에 대하여 연습을 수행할 수 있으며, 일정 조건을 만족하는 경우, 서버는 복수의 커리큘럼들 중 다음 커리큘럼을 도출하여 사용자 단말(200)에게 제공할 수도 있다. 여기서, 복수의 커리큘럼들은 모두 순서가 미리 정해져 있으며, 이에 따라 현재 커리큘럼의 다음 커리큘럼이 결정될 수 있다.
복수의 연습 동작들은 기술 분류에 따라 구분된 동작들일 수 있다. 여기서, 기술 분류는 서기, 차기(발차기) 및 수기(손기술)를 기반으로 분류될 수 있으며, 일부 연습 동작은 기술 분류 중 둘 이상이 동시에 수행될 수도 있는 바, 두 기술 분류로 분류될 수도 있다. 또한, 복수의 연습 동작들은 하나의 품새 또는 연결 동작이 단위 동작으로 구분된 동작일 수도 있으나, 복수의 단위 동작이 연결된 동작 또는 하나의 품새도 하나의 연습 동작으로 구성될 수도 있다.
또는 복수의 연습 동작들은 시기에 따라 구분된 동작들일 수도 있다. 여기서, 시기는 시작 동작, 중간(과정) 동작 및 마무리 동작으로 구성될 수 있으며, 어떠한 연결된 동작 또는 하나의 품새를 기준으로 시기가 결정 또는 분류될 수 있다. 또는 일부 연습 동작은 하나의 연습 동작 내에서 시작 동작, 중간(과정) 동작 및 마무리 동작으로 구성될 수도 있다.
예를 들어, 다음 커리큘럼이 제공되는 일정 조건은 정량적 성취 정도 정보 및 정성적 성취 정도 정보 모두가 임계치를 초과하는 경우일 수 있다. 즉, 사용자 단말에게 제공될 수 있는 현재 커리큘럼의 성취 정도는 정량적 성취 정도 정보 및 정성적 성취 정도 정보를 포함할 수 있으며, 정량적 성취 정도 정보는 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 연습을 수행한 횟수 및 미리 설정된 목표 수행 횟수를 기반으로 도출되는 정보를 나타낼 수 있고, 정성적 성취 정도 정보는 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 차이 정보를 기반으로 도출되는 정보를 나타낼 수 있다.
다시 말해, 서버는 정량적 성취 정도 정보 및 정성적 성취 정도 정보 모두가 임계치를 초과하는 경우, 복수의 커리큘럼들 중 현재 커리큘럼의 다음 단계로 설정된 다음 커리큘럼을 도출할 수 있으며, 사용자 단말(200)에게 다음 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공할 수 있다. 예를 들어, 정량적 성취 정도 정보에 관한 임계치는 목표 수행 횟수를 나타낼 수 있고, 정성적 성취 정도 정보에 관한 임계치는 차이 정보에 관한 임계치 예를 들어, 대응되는 조인트 간의 거리 임계치를 나타낼 수 있다.
또는 예를 들어, 현재 커리큘럼의 성취 정도에 관한 정보는 관절 포인트별 난이도를 고려하여 차등 평가하여 결정될 수도 있다. 여기서, 관절 포인트는 후술하는 조인트들에 대응될 수 있으며, 관절 포인트별 난이도는 각 연습 동작에 대하여 미리 설정된 하나의 이상의 조인트의 위치 또는 움직임을 기반으로 결정되는 난이도를 나타낼 수 있다. 예를 들어, 난이도가 높은 것으로 설정된 연습 동작의 경우, 정량적 성취 정도 정보의 목표 수행 횟수가 다른 연습 동작에 비해 상대적으로 높게 설정되어 있을 수 있거나, 정성적 성취 정도 정보의 차이 정보에 관한 임계치가 다른 연습 동작에 비해 상대적으로 낮게 설정되어 있을 수 있다.
또는 예를 들어, 현재 커리큘럼의 성취 정도는 오른손 관련 성취 정도, 왼손 관련 성취 정도, 오른발 관련 성취 정도 및 왼발 관련 성취 정도로 구분되어 평가 또는 분석하여 결정될 수도 있다. 다시 말해, 정량적 성취 정도 정보 및 정성적 성취 정도 정보는 오른손, 왼손, 오른발 및 왼발 각각에 대하여 개별적으로 도출될 수도 있다. 즉, 복수의 연습 동작들에 대하여 오른손, 왼손, 오른발 및 왼발을 카테고리로 분류하여 정량적 성취 정도 정보 및 정성적 성취 정도 정보가 도출될 수도 있다. 또는 예를 들어, 복수의 연습 동작들의 기술 분류에 따라 정량적 성취 정도 정보 및 정성적 성취 정도 정보가 개별적으로 도출될 수도 있다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법에서 사용자의 동작을 인식하기 위한 스켈레톤을 설명하기 위한 도면이다.
도 4a를 참조하면, 일 실시예는 태권도 동작으로부터 미리 학습된 스켈레톤 추출 모델을 이용하여 스켈레톤 정보를 도출할 수 있다. 여기서, 스켈레톤 정보는 복수의 조인트들 및 두 조인트들 간의 선에 관한 정보를 포함할 수 있다.
도 4b를 참조하면, 복수의 조인트들은 26개일 수 있으며, 각 조인트는 0번부터 25번까지 네이밍될 수 있다. 예를 들어, 0번 조인트는 코(또는 인중)에 대응되는 부분을 나타낼 수 있고, 1번 조인트는 좌측 귀(또는 관자놀)에 대응되는 부분을 나타낼 수 있다. 2번 조인트는 좌측 눈에 대응되는 대응되는 부분을 나타낼 수 있고, 3번 조인트는 우측 눈에 대응되는 부분을 나타낼 수 있고, 4번 조인트는 우측 귀(또는 관자놀)에 대응되는 부분을 나타낼 수 있다. 5번 조인트는 턱 끝에 대응되는 부분을 나타낼 수 있고, 6번 조인트는 목의 중심 또는 울대뼈에 대응되는 부분을 나타낼 수 있고, 7번 조인트는 좌측 어째에 대응되는 부분을 나타낼 수 있다. 8번 조인트는 좌측 팔꿈치에 대응되는 부분을 나타낼 수 있다. 9번 조인트는 좌측 손목에 대응되는 부분을 나타낼 수 있고, 10번 조인트는 좌측 엄지손가락 끝에 대응되는 부분을 나타낼 수 있고, 11번 조인트는 좌측 중지손가락 끝에 대응되는 부분을 나타낼 수 있다. 12번 조인트는 우측 어깨을 나타낼 수 있고, 13번 조인트는 우측 팔꿈치에 대응되는 부분을 나타낼 수 있고, 14번 조인트는 우측 손목에 대응되는 부분을 나타낼 수 있다. 15번 조인트는 우측 엄지손가락 끝에 대응되는 부분을 나타낼 수 있고, 16번 조인트는 우측 중지손가락 끝에 대응되는 부분을 나타낼 수 있다. 17번 조인트는 가슴의 중심(또는 명치)에 대응되는 부분을 나타낼 수 있고, 18번 조인트는 허리의 중심(또는 단전)에 대응되는 부분을 나타낼 수 있다. 19번 조인트는 좌측 골반(또는 엉덩이)의 중심에 대응되는 부분을 나타낼 수 있고, 20번 조인트는 좌측 무릎에 대응되는 부분을 나타낼 수 있고, 21번 조인트는 좌측 발목에 대응되는 부분을 나타낼 수 있다. 22번 조인트는 좌측 발의 뒤꿈치에 대응되는 부분을 나타낼 수 있고, 23번 조인트는 좌측 엄지발가락 끝에 대응되는 부분을 나타낼 수 있고, 24번 조인트는 좌측 새끼발가락 끝에 대응되는 부분을 나타낼 수 있다. 25번 조인트는 우측 골반(또는 엉덩이)의 중심에 대응되는 부분을 나타낼 수 있다. 26번 조인트는 우측 무릎에 대응되는 부분을 나타낼 수 있고, 27번 조인트는 우측 발의 뒷꿈치에 대응되는 부분을 나타낼 수 있다. 28번 조인트는 우측 엄지발가락 끝에 대응되는 부분을 나타낼 수 있고, 29번 조인트는 우측 새끼발가락 끝에 대응되는 부분을 나타낼 수 있다. 여기서, 조인트는 에지(edge)라고 표현할 수도 있다.
여기서, 스켈레톤 추출 모델은 동작에 관한 학습용 영상 정보 및 상기 학습용 영상 정보에 대응되는 학습용 스켈레톤 정보를 학습 데이터 셋으로 구성하여 머신러닝을 통해 학습될 수 있으며, 머신러닝에 이용되는 알고리즘은 DNN(deep neural network), 합성곱 신경망(CNN, Convoultional Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, Deep Belief Network) 알고리즘들 중 적어도 하나가 이용될 수 있으나, 이에 한정되는 것은 아니며, 보다 효율이 좋은 다른 알고리즘이 이용될 수도 있다. 각각의 알고리즘들은 주지의 기술이므로 설명은 생략한다.
도 5는 본 발명의 일 실시예에 따른 태권도 동작에 대한 학습 보조 방법의 순서도이다.
도 5를 참조하면, S510 동작에서 일 실시예는 사용자 단말로부터 사용자의 식별 정보를 획득할 수 있다. 즉, 서버는 식별 정보를 기반으로 복수의 사용자들 중 사용자를 특정할 수 있으며, 식별 정보는 사용자의 아이디 및 비밀번호로 구성될 수 있으나, 이에 한정되는 것은 아니다.
S520 동작에서 일 실시예는 미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출할 수 있다. 서버는 태권도의 연습을 위한 다양한 커리큘럼들에 관한 정보를 저장하고 있을 수 있으며, 식별 정보를 기반으로 다양한 커리큘럼들 중 사용자의 진도에 맞는 커리큘럼을 추출할 수 있다. 즉, 이전에 연습 또는 학습하던 커리큘럼 또는 이전 커리큘럼이 완료된 경우 다음 커리큘럼을 도출하여 사용자에게 제공할 수 있다.
S530 동작에서 일 실시예는 상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공할 수 있다. 예를 들어, 각 커리큘럼은 복수의 연습 동작들을 포함할 수 있으며, 각 연습 동작에 관한 세부 정보들을 포함할 수 있다. 여기서, 연습 동작에 관한 세부 정보는 연습 동작을 전문가 또는 가상 아바타가 수행하는 영상 또는 연습 동작에 관한 코멘트를 포함할 수 있다. 또는 복수의 연습 동작들에 관한 정보는 커리큘럼에 포함된 연습 동작들을 나열한 정보일 수 있으며, 연습 동작들 중 특정 연습 동작이 선택되는 경우, 상기 연습 동작에 관한 세부 정보가 제공될 수도 있다.
S540 동작에서 일 실시예는 상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득할 수 있다. 즉, 사용자는 사용자 단말의 촬영 장치를 통해 자신의 태권도 동작을 촬영할 수 있으며, 이를 서버에게 제공할 수 있다.
S550 동작에서 일 실시예는 상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단할 수 있다. 예를 들어, 서버는 사용자 단말로부터 획득한 제1 영상 정보에 포함된 제1 태권도 동작을 도출하여 복수의 연습 동작들과 비교 분석할 수 있으며, 이를 통해 복수의 연습 동작들 중 사용자의 태권도 동작이 어떤 연습 동작에 해당하는지 판단할 수 있다.
예를 들어, 서버는 스켈레톤 기법을 통해 사용자의 태권도 동작과 연습 동작을 비교 분석할 수 있다. 즉, 서버는 학습용 영상 정보 및 상기 학습용 영상 정보에 대응되는 학습용 스켈레톤 정보를 학습 데이터 셋으로 구성하여 머신러닝을 통해 스켈리톤 추출 모델을 미리 학습할 수 있으며, 스켈리톤 추출 모델을 이용하여 사용자의 태권도 동작에 관한 제1 영상 정보로부터 태권도 동작에 대응되는 제1 스켈레톤 정보를 도출할 수 있다. 또한, 서버는 복수의 연습 동작들 및 제1 스켈레톤 정보 간의 유사도를 각각 도출할 수 있다. 즉, 서버는 복수의 연습 동작들 각각에 대하여 복수의 스켈레톤 정보를 미리 도출할 수 있으며, 제1 스켈리톤 정보와 복수의 스켈레톤 정보 간의 유사도를 각각 도출할 수 있다. 이후, 서버는 가장 유사도가 높은 연습 동작을 사용자가 연습한 연습 동작으로 결정할 수 있다.
다만, 다른 실시예는 S550 동작 대신 사용자 단말을 통해 복수의 연습 동작들 중 제1 연습 동작이 사용자에 의해 선택될 수도 있다.
S560 동작에서 일 실시예는 상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성할 수 있다. 예를 들어, 서버는 제1 스켈레톤 정보에 포함된 복수의 조인트들 간의 제1 상대적인 위치 정보 및 제1 연습 동작에 대응되는 미리 저장된 복수의 조인트들 간의 제2 상대적인 위치 정보를 기반으로 제1 차이 정보를 생성할 수도 있다.
예를 들어, 제1 차이 정보는 각 조인트에 관한 제1 상대적인 위치 정보 및 제2 상대적인 위치 정보 간의 거리 차이에 관한 정보를 포함할 수 있다.
여기서, 제1 차이 정보의 정확도를 높이기 위하여 제1 상대적인 위치 정보가 신체 비율 정보를 기반으로 보정될 수도 있다. 즉, 영상을 어떻게 촬영하느냐 또는 사용자의 신체 비율이 어떻냐에 따라 차이 정보의 정확도가 떨어질 수 있는 바, 신체 비율 정보를 도출하여 제1 차이 정보를 도출하는데 이용되는 제1 상대적인 위치 정보를 보정할 수 있다.
이를 위해 서버는 식별 정보에 대응되는 사용자 정보에 포함된 신장 정보를 획득할 수 있고, 촬영 장치를 통해 사용자 단말로부터 사용자의 준비 자세에 관한 제3 영상 정보를 획득할 수 있다. 또한, 서버는 미리 학습된 스켈레톤 추출 모델을 기반으로 제3 영상 정보로부터 준비 자세에 대응되는 제2 스켈레톤 정보를 도출한 후, 제2 스켈레톤 정보에 포함된 복수의 조인트들 간의 제3 상대적인 위치 정보 및 신장 정보를 기반으로 사용자의 신체 비율 정보를 도출할 수 있고, 신체 비율 정보를 기반으로 제1 상대적인 위치 정보를 보정할 수 있다.
S570 동작에서 일 실시예는 제1 연습 동작에 관한 정보 및 제1 차이 정보를 상기 사용자 단말에게 제공할 수 있다. 예를 들어, 제1 연습 동작에 관한 정보는 상기 제1 연습 동작에 관한 세부 정보를 포함할 수도 있다.
또는 도 5에서 도시하지 않았으나, 일 실시예는 현재 커리큘럼의 성취 정도에 관한 정보도 사용자 단말에게 제공할 수도 있다.
예를 들어, 현재 커리큘럼의 성취 정도에 관한 정보는 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 연습을 수행한 횟수 및 미리 설정된 목표 수행 횟수를 기반으로 도출되는 정량적 성취 정도 정보 및 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 차이 정보를 기반으로 도출되는 정성적 성취 정도 정보를 포함할 수 있다.
또한, 일 실시예는 정량적 성취 정도 정보 도출을 위해 현재 커리큘럼에 포함된 복수의 연습 동작들 중 제1 연습 동작에 대한 연습을 수행한 횟수를 1회 증가시킬 수 있다. 또는 일 실시예는 정성적 성취 정도 정보 도출을 위해 미리 저장된 상기 제1 연습 동작에 대한 제2 차이 정보를 상기 제1 차이 정보로 대체할 수도 있다. 여기서, 제2 차이 정보는 이전 시점의 제2 영상 정보를 통해 획득되는 사용자의 제2 태권도 동작 및 제1 연습 동작을 기반으로 생성된 정보일 수 있다. 즉, 일 실시예는 가장 최근의 사용자 동작에 기반한 차이 정보를 저장 및 제공할 수 있다.
더불어, 일 실시예는 정량적 성취 정도 정보 및 정성적 성취 정도 정보 모두가 임계치를 초과하는 경우, 해당 커리큘럼을 완료한 것으로 판단하여 복수의 커리큘럼들 중 현재 커리큘럼의 다음 단계로 설정된 다음 커리큘럼을 도출할 수 있고, 상기 사용자 단말에게 다음 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공할 수도 있다.
또는 일 실시예는 식별 정보 외에 제1 영상 정보 내의 사용자의 얼굴 정보를 기반으로 본인 인증을 수행할 수도 있다.
즉, 일 실시예는 미리 저장된 사용자의 제1 얼굴 정보와 제1 영상 정보에 포함된 사용자의 제2 얼굴 정보를 비교하여 영상 내에서 연습을 수행하는 사람이 올바른 사용자인지 판단할 수 있으며, 올바른 사용자인 경우에만 연습을 수행한 것으로 인정 또는 판단되어 성취 정도에 반영할 수 있다. 이 경우, 일 실시예는 제1 얼굴 정보 및 제2 얼굴 정보 간의 일치율이 임계치 이상인 경우 올바른 사용자로 판단할 수 있다. 일 실시예는 이를 위해 얼굴 인식 알고리즘을 이용할 수 있으며, 경우에 따라 다양한 알고리즘을 활용한 머신러닝 모델이 이용될 수도 있으나, 얼굴 인식 알고리즘은 주지의 기술인 바, 상세한 설명은 생략하겠다.
일 실시예에 따른 제1 영상 정보는 상대적으로 해상도가 높은 제1 해상도로 저장되는 제1 서브 영상 정보 및 상대적으로 해상도가 낮은 제2 해상도로 저장되는 제2 서브 영상 정보를 포함할 수 있다. 여기서, 제1 서브 영상 정보는 본인 인증을 위한 것일 수 있고, 제2 서브 영상 정보는 사용자의 동작을 인식하기 위한 것일 수 있다. 제1 서브 영상 정보는 영상 촬영 시작 시점으로부터 미리 설정 시간 동안의 짧은 영상 정보일 수 있으며, 제2 서브 영상 정보는 영상 촬영 시작 시점으로부터 종료 시점까지의 영상 정보일 수 있다. 이는 모든 영상을 제1 해상도로 저장할 경우, 불필요하게 과도한 용량이 할당되고, 영상 정보 전송이 지연되는 것을 방지하기 위함일 수 있다. 즉, 일 실시예는 목적에 따라 가장 효율적으로 각 동영상들을 획득 및 저장할 수 있다.
본 명세서의 실시예에 따른 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
실시예가 소프트웨어로 구현될 때, 상술한 기법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리에 저장되고, 프로세서에 의해 실행될 수 있다. 메모리는 프로세서 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (6)
- 서버에 의해 수행되는 태권도 동작에 대한 학습 보조 방법으로서,
사용자 단말로부터 사용자의 식별 정보를 획득하는 단계;
미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출하는 단계;
상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공하는 단계;
상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득하는 단계;
상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하는 단계;
상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계; 및
상기 제1 연습 동작에 관한 정보 및 상기 제1 차이 정보를 상기 사용자 단말에게 제공하는 단계를 포함하고,
상기 현재 커리큘럼의 성취 정도에 관한 정보를 상기 사용자 단말에게 제공하는 단계를 더 포함하고,
상기 현재 커리큘럼의 성취 정도에 관한 정보는,
상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 연습을 수행한 횟수 및 미리 설정된 목표 수행 횟수를 기반으로 도출되는 정량적 성취 정도 정보 및 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 차이 정보를 기반으로 도출되는 정성적 성취 정도 정보를 포함하는,
태권도 동작에 대한 학습 보조 방법. - 삭제
- 청구항 1에 있어서,
상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하는 단계는,
미리 학습된 스켈레톤 추출 모델을 기반으로 상기 제1 영상 정보로부터 상기 제1 태권도 동작에 대응되는 제1 스켈레톤 정보를 도출하는 단계;
상기 복수의 연습 동작들 및 상기 제1 스켈레톤 정보 간의 유사도를 각각 도출하는 단계; 및
상기 복수의 연습 동작들 중 상기 유사도가 가장 높은 연습 동작을 상기 제1 연습 동작으로 결정하는 단계를 포함하고,
상기 스켈레톤 추출 모델은 동작에 관한 학습용 영상 정보 및 상기 학습용 영상 정보에 대응되는 학습용 스켈레톤 정보를 학습 데이터 셋으로 구성하여 머신러닝을 통해 학습되는,
태권도 동작에 대한 학습 보조 방법. - 청구항 3에 있어서,
상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계는,
상기 제1 스켈레톤 정보에 포함된 복수의 조인트들 간의 제1 상대적인 위치 정보 및 상기 제1 연습 동작에 대응되는 미리 저장된 복수의 조인트들 간의 제2 상대적인 위치 정보를 기반으로 상기 제1 차이 정보를 생성하는 단계를 포함하는,
태권도 동작에 대한 학습 보조 방법. - 청구항 4에 있어서,
상기 식별 정보에 대응되는 사용자 정보에 포함된 신장 정보를 획득하는 단계;
상기 촬영 장치를 통해 상기 사용자 단말로부터 상기 사용자의 준비 자세에 관한 제3 영상 정보를 획득하는 단계;
상기 미리 학습된 스켈레톤 추출 모델을 기반으로 상기 제3 영상 정보로부터 상기 준비 자세에 대응되는 제2 스켈레톤 정보를 도출하는 단계; 및
상기 제2 스켈레톤 정보에 포함된 복수의 조인트들 간의 제3 상대적인 위치 정보 및 상기 신장 정보를 기반으로 상기 사용자의 신체 비율 정보를 도출하는 단계를 더 포함하고,
상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하는 단계는,
상기 신체 비율 정보를 기반으로 상기 제1 상대적인 위치 정보를 보정하는 단계를 더 포함하는,
태권도 동작에 대한 학습 보조 방법. - 태권도 동작에 대한 학습 보조 방법을 수행하는 서버로서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서에 의해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고,
상기 적어도 하나의 명령은,
사용자 단말로부터 사용자의 식별 정보를 획득하도록 실행되고,
미리 저장된 복수의 커리큘럼들 중 상기 식별 정보를 기반으로 상기 사용자의 현재 커리큘럼을 도출하도록 실행되고,
상기 사용자 단말에게 상기 현재 커리큘럼에 포함된 복수의 연습 동작들에 관한 정보를 제공하도록 실행되고,
상기 사용자 단말에 탑재된 촬영 장치를 통해 상기 사용자의 제1 태권도 동작에 관한 제1 영상 정보를 획득하도록 실행되고,
상기 제1 영상 정보를 기반으로 제1 태권도 동작이 상기 복수의 연습 동작들 중 제1 연습 동작에 해당하는지 판단하도록 실행되고,
상기 제1 태권도 동작이 상기 제1 연습 동작에 해당하는 것으로 판단된 경우, 상기 제1 태권도 동작 및 상기 제1 연습 동작을 기반으로 상기 제1 연습 동작에 대한 제1 차이 정보를 생성하도록 실행되고,
상기 제1 연습 동작에 관한 정보 및 상기 제1 차이 정보를 상기 사용자 단말에게 제공하도록 실행되고,
상기 현재 커리큘럼의 성취 정도에 관한 정보를 상기 사용자 단말에게 제공하도록 실행되고,
상기 현재 커리큘럼의 성취 정도에 관한 정보는,
상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 연습을 수행한 횟수 및 미리 설정된 목표 수행 횟수를 기반으로 도출되는 정량적 성취 정도 정보 및 상기 현재 커리큘럼에 포함된 복수의 연습 동작들 각각에 대한 차이 정보를 기반으로 도출되는 정성적 성취 정도 정보를 포함하는,
서버.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210125601A KR102381907B1 (ko) | 2021-09-23 | 2021-09-23 | 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210125601A KR102381907B1 (ko) | 2021-09-23 | 2021-09-23 | 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102381907B1 true KR102381907B1 (ko) | 2022-04-04 |
Family
ID=81182747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210125601A KR102381907B1 (ko) | 2021-09-23 | 2021-09-23 | 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102381907B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102510014B1 (ko) * | 2022-10-07 | 2023-03-15 | 주식회사 에이아이태권도 | 인공지능을 이용한 사용자 수련 수준에 따른 태권도 겨루기 평가 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101576106B1 (ko) * | 2014-10-14 | 2015-12-10 | 순천향대학교 산학협력단 | 깊이 카메라를 이용한 인체골격 기반의 태권도 품새 인식 및 승단 심사 장치 와 그 방법 |
| KR20170133871A (ko) | 2016-05-27 | 2017-12-06 | 주식회사 픽플컴퍼니 | 개인화된 운동커리큘럼 제공방법 및 제공프로그램 |
| KR20200081629A (ko) | 2018-12-27 | 2020-07-08 | 이진욱 | 관절각 비교를 통한 단체 댄스 평가 장치 및 그 방법 |
-
2021
- 2021-09-23 KR KR1020210125601A patent/KR102381907B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101576106B1 (ko) * | 2014-10-14 | 2015-12-10 | 순천향대학교 산학협력단 | 깊이 카메라를 이용한 인체골격 기반의 태권도 품새 인식 및 승단 심사 장치 와 그 방법 |
| KR20170133871A (ko) | 2016-05-27 | 2017-12-06 | 주식회사 픽플컴퍼니 | 개인화된 운동커리큘럼 제공방법 및 제공프로그램 |
| KR20200081629A (ko) | 2018-12-27 | 2020-07-08 | 이진욱 | 관절각 비교를 통한 단체 댄스 평가 장치 및 그 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102510014B1 (ko) * | 2022-10-07 | 2023-03-15 | 주식회사 에이아이태권도 | 인공지능을 이용한 사용자 수련 수준에 따른 태권도 겨루기 평가 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111191599B (zh) | 姿态识别方法、装置、设备及存储介质 | |
| CN109657554B (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
| WO2021051579A1 (zh) | 形体姿态识别方法、系统、装置及存储介质 | |
| US10769423B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
| US10740636B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
| US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
| CN112395979B (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
| KR102331162B1 (ko) | 전자 장치에 의해 수행되는 태권도 동작 평가 및 분석 방법 | |
| KR102374747B1 (ko) | 객체를 인식하는 장치 및 방법 | |
| CN108205684B (zh) | 图像消歧方法、装置、存储介质和电子设备 | |
| KR102698444B1 (ko) | 태권도 겨루기에서 인공지능을 이용한 복수의 항목별 평가 방법 및 장치 | |
| KR102381907B1 (ko) | 태권도 동작에 대한 커리큘럼 기반의 학습 보조 방법 및 장치 | |
| US20230077273A1 (en) | Method and apparatus for assisting exercise posture correction using working muscle information depending on motion | |
| CN114708644B (zh) | 一种基于家庭基因模板的人脸识别方法和系统 | |
| EP4145400A1 (en) | Evaluating movements of a person | |
| US11361593B2 (en) | Methods and devices for face anti-spoofing | |
| CN111414959A (zh) | 图像识别方法、装置、计算机可读介质和电子设备 | |
| CN113327212B (zh) | 人脸驱动、模型的训练方法、装置、电子设备及存储介质 | |
| KR102630828B1 (ko) | 인공지능을 이용한 태권도 단체 품새 동작 평가 방법 및 장치 | |
| CN110956098A (zh) | 图像处理方法及相关设备 | |
| US20230401777A1 (en) | Method and apparatus for creating avatar based on body shape | |
| KR20200085006A (ko) | 미용 기술 스마트러닝 시스템 및 방법 | |
| Lam | Face Recognition And Emotion Detection Using Pca And Viola-Jones Algorithms | |
| US20240296213A1 (en) | Authentication device, authentication method, and computer-readable storage medium | |
| Ni et al. | Summary of the 2024 Low-Power Efficient and Accurate Facial-Landmark Detection for Embedded Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |