KR20200119753A - 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법 - Google Patents

Abstract

본 발명의 실시예에 따른 근력 운동 자세 분석 방법은 사용자의 신체 일부 또는 상기 사용자가 파지하면서 운동할 운동 기구에 부착되는 센서 모듈에 의해 상기 사용자의 운동 동작을 센싱하는 단계; 상기 센싱된 값에 의하여 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계; 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 단계; 및 분류된 패턴에 기초하여 운동 자세 교정 데이터를 생성하는 단계를 포함할 수 있다.

Description

모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법{A Posture Coaching System and Method for Weight Training by Motion Pattern}

본 발명은 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법에 관한 것으로서, 보다 상세하게는 근력 운동 자세의 패턴을 분석함으로써 비정상 자세의 원인 및 분석결과에 따라 실시간으로 코칭해줌으로써 운동 동작의 정확도를 향상시킬 수 있는 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법에 관한 것이다.

최근 체력 증진 또는 근력 강화 등을 위해 헬스장 및 홈 트레이닝(Home Training)을 이용하는 사람이 증가하고 있다. 특히, 근력 강화를 위해 다수의 관절 및 근육이 사용되면서 매우 정교한 움직임이 요구되는 바벨을 이용한 근력 운동이 인기를 끌고 있다.

다만, 바벨을 이용한 근력 운동 동작은 적절한 운동 자세로 올바른 근력 운동 동작을 수행을 하지 않으면 오히려 근육 또는 관절에 부상이 생길 수도 있고, 신체 불균형을 유발할 수도 있다.

이에, 퍼스널 트레이닝(Personal Training)을 통해 전문가의 도움을 받아 올바른 근력 운동 동작을 배우는 것이 중요하다.

그러나, 대다수의 사람들은 고가의 비용, 장소 또는 시간의 제약 및 전문가별 수준 편차 등의 이유로 퍼스널 트레이닝을 꺼려한다. 이러한 이유로 근력 운동 수행 시 정확한 움직임을 제어하는 것의 중요성이 꾸준히 지적되고 있지만 제대로 실천되지 않고 있다는 문제점이 있다.

이에, 개인 운동을 위한 스마트 운동 보조 장치 및 시스템과 관련한 연구가 활발히 진행되고 있다. 다만, 이 또한 비용 부담이 크거나, 인식 오차, 옷에 의한 오차 등 오차로 인한 정확도가 떨어지거나, 정면 인식만 가능하는 등 여러가지 기술적 한계가 존재한다.

본 발명이 해결하고자 하는 과제는 사용자의 운동 종목별 모션 패턴 분석에 따라 비정상 자세의 원인을 파악하여 실시간으로 올바른 자세를 위한 점검 및 평가가 가능한 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 또 다른 과제는 머신러닝을 통해 비정상 자세별 센서 데이터 패턴 및 동작 분석 데이터를 매핑시킴으로써 운동 동작의 정확도를 향상시킬 수 있는 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 또 다른 과제는 시공간의 제약 및 전문가의 도움 없이도 개인이 정확한 운동 동작을 수행할 수 있도록 시청각 알림을 제공하는 모션 패턴에 따른 근력 운동 자세 분석 시스템 및 방법을 제공하는 것이다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 근력 운동 자세 분석 방법은 사용자의 신체 일부 또는 상기 사용자가 파지하면서 운동할 운동 기구에 부착되는 센서 모듈에 의해 상기 사용자의 운동 동작을 센싱하는 단계; 상기 센싱된 값에 의하여 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계; 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 단계; 및 분류된 패턴에 기초하여 운동 자세 교정 데이터를 생성하는 단계를 포함할 수 있다.

이 경우, 상기 센서 모듈은 지자기 센서, 자이로 센서 및 가속도 센서를 포함하고, 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계는 상기 지자기 센서, 자이로 센서 및 가속도 센서에서 측정된 센서 값에 기초하여 산출된 쿼터니언에 기초하여 상기 고유 각도를 산출하는 단계를 포함할 수 있다.

또한, 상기 센서 모듈은 거리 센서를 포함하며, 상기 근력 운동 자세 분석 방법은 상기 거리 센서에 기초하여 기준면으로부터의 거리를 연산하는 단계; 및 상기 기준면으로부터의 거리 패턴을 검출하는 단계를 더 포함할 수 있다.

또한, 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계는 상기 센서 모듈에서 센싱된 초기 값에 따라 상기 사용자의 정면 방향을 연산하고, 연산된 정면 방향에 기초하여 상기 사용자 중심 좌표계의 각 축을 도출하는 단계를 포함할 수 있다.

또한, 상기 정면 방향은 상기 지자계 센서에 의하여 도출된 기준 좌표계의 기준 평면 상에 존재하도록 도출될 수 있다.

또한, 상기 정면 방향은 상기 사용자에 의하여 입력된 운동 종목 및 상기 센싱된 초기 값에 기초하여 도출될 수 있다.

또한, 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 단계는, 제1 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계; 제2 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계; 상기 제1 및 제2 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계에서 수집된 데이터를 뉴럴 네트워크를 통하여 연산하여 동작 계수를 구하는 단계; 및 상기 동작 계수에 기초하여 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하는 단계를 포함할 수 있다.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명은 사용자의 운동 종목별 모션 패턴 분석에 따라 비정상 자세의 원인을 파악하여 실시간으로 올바른 자세를 위한 점검 및 평가를 할 수 있다.

본 발명은 머신러닝을 통해 비정상 자세별 센서 데이터 패턴 및 동작 분석 데이터를 매핑시킴으로써 운동 동작의 정확도를 향상시킬 수 있다.

발명은 시공간의 제약 및 전문가의 도움 없이도 정확한 운동 동작을 수행할 수 있도록 시청각 알림을 제공할 수 있다.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.

도 1 및 도 2는 본 발명의 일 실시예에 따른 근력 운동 자세 분석 시스템의 전체 구성도이다.
도 3은 본 발명의 일 실시예에 따른 근력 운동 자세 측정 모듈 설치 예시를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 근력 운동 자세 분석 방법의 흐름도이다.
도 5는, 본 발명의 일 실시예에 따른 바벨의 3차원 각도를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 고유 각도 및 사용자 중심 좌표계를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 기준면으로부터의 거리 측정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 정면 방향의 도출을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 입력 인터페이스를 나타내는 도면이다.
도 10은 본 발명의 일 실시예에 따른 운동 소요 시간에 대한 정규화를 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 고유 각도 및 사용자 중심 좌표계 상에서의 각 축의 직선 가속도의 예시를 나타낸 도면이다.
도 12는 본 발명의 일 실시예에 따른 패턴 분석을 나타낸 도면이다.
도 13a 내지 도 13c는 본 발명의 일 실시예에 따른 기계 학습 방법을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 운동 분석을 나타낸 도면이다.
도 15는 본 발명의 일 실시예에 따른 뉴럴 네트워크를 나타낸 도면이다.
도 16은 본 발명의 일 실시예에 따른 안내 정보를 나타내는 도면이다.
도 17은 본 발명에 따라 안내를 했을 때의 효과를 설명하기 위한 도면이다.

이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

또한, 이하의 설명에서 제1, 제2 등과 같은 서수식 표현은 서로 동등하고 독립된 객체를 설명하기 위한 것이며, 그 순서에 주(main)/부(sub) 또는 주(master)/종(slave)의 의미는 없는 것으로 이해되어야 한다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세히 설명한다.

도 1은 본 발명의 일 실시예에 따른 모션 패턴에 따른 근력 운동 자세 분석 시스템의 전체 구성도이다. 도 2는 본 발명의 일 실시예에 따른 운동 자세 패터닝을 통한 자세 코칭 장치에 대한 개략적인 사시도이다.

도 1을 참조하면, 모션 패턴에 따른 근력 운동 자세 분석 시스템은 자세 측정 모듈(100), 자세 분석 모듈(200) 및 분석 학습 모듈(900)를 포함할 수 있다.

이 경우, 자세 측정 모듈(100)은 바벨 등 사용자가 사용하는 운동 기구 또는 사용자의 신체 일부에 부착되어 근력 운동 자세에 관한 데이터를 측정하며, 센서 모듈(110), 센서 제어부(120) 및 통신 모듈(130)을 포함할 수 있다.

본 실시예에서, 자세 측정 모듈(100)은 자세 분석 모듈(200)과 별도의 하우징(100a)에 수용될 수 있으며, 바벨의 바(101)에 체결부(100b)를 통하여 탈/부착될 수 있다(도 3 참조). 단, 본 발명은 이에 한정되지 않으며, 자세 측정 모듈(100)은 다양한 방법으로 운동 부위에 부착될 수 있다. 예를 들어, 자세 측정 모듈(100)는, 바벨뿐 아니라, 예를 들면, 손목, 발목, 허리 등에도 부착될 수 있다. 구체적으로, 파지 부분의 이동 및 각도가 운동 자세에 영향을 미친다고 판단한 경우 손목에 장착할 수도 있으며, 몸통(Torso)의 이동 및 각도가 운동 자세에 현저한 영향을 미치는 경우 혹은 손목에서의 추적을 통해 운동 자세를 평가할 수 있다고 판단한 경우에는 허리에 장착할 수도 있으며, 하지부의 이동 및 각도가 운동 자세에 영향을 미친다고 판단한 경우 발목에 장착할 수도 있다.

이때, 센서 모듈(110)은 도 5 내지 도 7에 나타낸 바와 같이, 자세 측정 모듈(100)의 3차원 각도(111, 쿼터니언) 및 기준면(또는 지면)으로부터의 거리 측정에 필요한 센서 값을 측정하여 자세 분석 모듈(200)에 전송할 수 있다. 예를 들어, 센서 모듈(110)은 가속도, 자이로센서, 지자계 센서 등을 포함할 수 있으며, 6측 또는 9축 합성을 통하여 3차원 각도(쿼터니언) 연산에 필요한, 각속도, 가속도, 지자계 크기를 센서 값으로서 측정할 수 있다. 구체적인 측정 방법은 후술하기로 한다.

센서 제어부(120)는 전체적인 자세 측정 모듈(100)의 동작을 제어할 수 있으며, 추가적으로 연산이 필요한 경우, 예를 들어, 3차원 각도의 연산을 수행할 수도 있다.

본 실시예에서는 자세 측정 모듈(100)에서 고유 각도 연산에 필요한 정보를 센싱하는 것만 기재하였다. 단, 센서 제어부(120)에서 고유 각도를 연산하여 자세 분석 모듈(200)에 전송하는 것도 가능하다.

본 발명에 따른 자세 측정 모듈(100)은 간단한 음성 정보 전달을 위하여 추가적으로 스피커 모듈(140)을 포함할 수도 있다. 이 경우, 스피커 모듈(140)은 연산된 고유 각도(α, β, γ) 중, 어느 하나, 예를 들어, 바벨이 회전한 각도(γ, 예를 들어, 스쿼드 운동시 바벨의 파지에 의한 바벨이 회전한 각도의 여각)가 일정 범위를 벗어나는 경우에 파지 자세 불량으로 간주하여 안내 음성 또는 경고음을 송출할 수 있다.

센서 모듈(110)에서 측정된 센서 값은 통신 모듈(130)을 통하여 자세 분석 모듈(200)에 전송될 수 있다. 통신 모듈(130)은 예를 들면, 블루투스, 근거리 무선 통신(Near Field Communication, NFC), RFID(Radio-Frequency Identification), 지그비(Zigbee) 모듈, Wi-Fi 등을 포함할 수 있다.

한편, 자세 분석 모듈(200)은 자세 측정 모듈(100)로부터 획득된 센서 값에 기초하여 고유 각도(α, β, γ), 사용자 기준 좌표계 기반의 가속도(Bx, By, Bz) 및 기준면으로부터의 거리(a)를 측정할 수 있다. 그리고, 자세 분석 모듈(200)은 상술한 고유 각도(α, β, γ), 사용자 기준 좌표계 기반의 가속도(Bx, By, Bz) 및 기준면으로부터의 거리(a)의 패턴을 검출하고, 검출된 패턴에 기초하여 운동 자세에 대한 안내 정보 생성할 수 있다.

이 경우, 자세 분석 모듈(200)는 휴대폰 또는 PC, 스마트 워치, 스마트 안경 또는 스마트 이어폰 등에 설치된 애플리케이션 프로그램, 소프트웨어 모듈 또는 하드웨어 모듈일 수 있다. 바람직하게는, 자세 분석 모듈(200)은 모바일 단말, PC, 안경 디스플레이 장치 등의 프로세서에서 실행되는 애플리케이션 프로그램일 수 있다.

보다 상세하게, 도 2를 참조하면, 자세 분석 모듈(200)은 분석 제어부(220), 좌표계 변환 모듈(210), 패턴 검출 모듈(250), 가이드 생성 모듈(260), 통신 모듈(240) 및 사용자 인터페이스 모듈(240)을 포함할 수 있다.

분석 제어부(220)는 전체적인 분석 제어 및 프로세스를 관리할 수 있다.

좌표계 변환 모듈(210)은 측정된 센서 값으로부터 센서 값에 기초하여 고유 각도(α, β, γ), 사용자 기준 좌표계 기반의 가속도(Bx, By, Bz) 및 기준면으로부터의 거리(a)를 연산할 수 있다. 각 연산에 대해서는 추후 설명하기로 한다.

한편, 패턴 연산 모듈(250)은 상술한 고유 각도(α, β, γ), 사용자 기준 좌표계 기반의 가속도(Bx, By, Bz) 및 기준면으로부터의 거리(a)에 기초하여 운동 패턴을 검출하고, 검출된 패턴으로부터 운동 자세에 대한 교정 정보를 생성할 수 있다. 본 발명의 발명자들은 근력운동 수행 시, 바벨 각도, 또는 팔 등의 신체 부위의 각도가 패턴화 된다는 점에 주목했다. 따라서, 운동의 패턴을 검출하여 분석하게 되면, 올바른 운동을 수행하는 사람들의 운동 패턴과 비교하여 신체 부위가 정확한 각도로 운동되고 있는지 여부를 알 수 있다. 이러한 패턴 검출 알고리즘에 대해서는 추후에 상세히 설명하기로 한다.

한편, 가이드 생성 모듈(260)은 상술한 패턴 비교에 의하여 판단된 운동 자세에 대하여 사용자가 즉각적으로 운동 자세를 수정할 수 있도록 안내 정보를 생성하여 사용자 인터페이스 모듈(240)에 제공할 수 있다.

통신부(230)는 분석 제어부(220)의 제어에 의하여 센서 값을 수신할 수 있으며, 좌표계 변환 모듈(210)에 의해 생성된 좌표 및 패턴 연산 모듈(250)에 의하여 연산된 패턴 데이터들을 분석 학습 서버(900)로 전송할 수 있다.

사용자 인터페이스 모듈(240)은 자세 분석 모듈(200)에서 판단한 사용자의 운동 자세가 비정상 자세일 때에 사용자에게 안내를 제공할 수 있다. 또한, 분석을 위해 사용자에게 필요한 정보를 입력 받을 수 있다.

예를 들면, 도 2와 같이, 사용자 인터페이스 모듈(240)은 비정상 자세에 대한 청각 안내 정보를 제공하는 스피커, 시각 안내 정보를 제공하는 디스플레이(245) 및, 사용자로부터 필요한 정보를 입력 받을 수 있는 터치 스크린을 포함하는 입력 인터페이스(247)를 포함할 수 있다. 본 명세서에서 사용자 인터페이스 모듈(240)은 자세 측정 모듈(200) 내에 포함된 것으로 도시하였으나, 자세 측정 모듈(200)과 별도의 무선 이어폰, 안경 디스플레이를 통하여 교정 정보를 출력할 수도 있다.

분석 학습 서버(900)는 자세 분석 모듈(200)로부터의 다양한 정보를 수신하여 저장하고, 예컨대, 인공신경망 등의 머신 러닝(Machine Learning) 수단에 의하여 패턴 분류, 매칭 등의 학습을 수행하며, 다시, 학습 데이터를 자세 분석 모듈(200)에 로딩시켜서 자세 분석 모듈(200)에서 자세 분석을 수행하게 할 수 있다.

이 경우, 분석 학습 서버(900)는 상술한 자세 분석 모듈(200)과 물리적으로 하나의 디바이스로 구현될 수 있다. 예를 들면, 자세 분석 모듈(200)이 PC에 구현되고, 분석 학습 서버(900)도 상기 PC 내에 구현될 수도 있다. 또는 분석 학습 서버(900)는 상기 자세 분석 모듈(200) 외부의 별도 서버로 구현될 수도 있다.

이하에서는, 도 4 내지 도 13을 참조하여 본 발명의 일 실시예에 따른 모션 패턴에 따른 근력 운동 자세 분석 방법을 설명하기로 한다.

도 4는 본 발명의 일 실시예에 따른 모션 패턴에 따른 근력 운동 자세 분석 방법의 프로세스를 나타낸 흐름도이다.

먼저, 자세 측정 모듈(100)에서 센서 값을 측정하여 수집한 후, 좌표계 연산 모듈(210)이 자세 측정 모듈(100)(예컨대, 바벨)의 고유 각도(α, β, γ)를 연산한다.

예컨대, 도 5를 참조하면, 센서 모듈(110)(예컨대, IMU 칩)은 센서 모듈 좌표계(Lx, Ly, Lz)을 기본적으로 가지고 있으며, 예컨대, 센서 모듈 좌표계(Lx, Ly, Lz)에 따른 각 축의 각 가속도, 가속도 값을 센서 값으로 출력할 수 있다.

기본적으로 자세 분석 모듈(200)은 센서 모듈 좌표계(Lx, Ly, Lz) 값에 기초하여 고유 각도(α, β, γ)를 연산할 수 있다. (도 5(a), 도 6 참조) 이 때, 고유 각도는 센서 모듈 좌표계(Lx, Ly, Lz)에서 측정된 센서 값을 자북 방향 및 중력 방향에 기초한 기준 좌표계(Wx, Wy, Wz)에 기반한 각도로 변환한 각도이다. 예컨대, 고유 각도(α, β, γ)는, 센서부착각도(α), 바벨의 바 각도(β) 및 신체각도(γ, 예를 들어, 스쿼드 운동시 바벨의 파지에 의한 바벨이 회전한 각도의 여각)를 의미할 수 있다.

이때, 고유 각도를 보다 용이하게 연산하기 위하여, 3차원 각도(111, 쿼터니언)를 사용할 수도 있다. 예컨대, 도 5(b)를 참조하면, 센서 모듈 좌표계(Lx, Ly, Lz)에서 측정된 값에 기초하여 쿼터니언(111, Quaternion)을 연산한 후, 연산된 쿼터니언(111)에 기초하여 기준 좌표계 중심의 고유 각도(α, β, γ)를 구할 수도 있다. 이 때, 도 5(b)의 도면 부호 112는 회전 축을 의미한다.

한편, 추가적으로 패턴 분석의 정확성을 높이기 위하여, 센서 모듈(110)의 거리 센서를 이용하여 추가적으로 기준면으로부터의 거리(a)를 구할 수도 있다.(단계 S200)

바벨에 자세 측정 장치(100)에 부착된 경우, 도 7을 참조하면, 자세 측정 모듈(100)은 거리센서를 이용하여 측정모듈 설치선(I) 상에서 측정 모듈(100)과 기준면까지의 거리(b)를 측정한다. 이 경우, 측정된 측정모듈 설치선 상의 거리(b)와 바벨 회전각(θ)에 기초한 연산을 통해 천장, 바닥, 벽 등의 기준면으로부터의 최단 거리(a)를 산출할 수 있다. 여기서 바벨 회전각은, 고유 각도 중 어느 하나 예컨대, γ의 여각일 수 있다.

여기서, 측정모듈 설치선(I)은 신체 또는 바벨의 바(101)와 접촉되는 하우징(100a)의 일측면과 평행하며 거리센서(레이저 센서)를 지나는 선으로 이해될 수 있으며, 실제로 거리 센서로부터 예컨대, 레이저 광이 조사되어 직선으로 움직여서 기준면에서 반사되어서 수광될 때에 그 직선 운동을 하는 선을 의미할 수 있다.

한편, 자세 분석 모듈(200)은 고유 각도(α, β, γ)에 기초하여 사용자 중심 좌표계(B-frame)에서의 각 축의 직선 가속도(Bx, By, Bz)를 산출할 수 있다. 사용자 중심 좌표계는 실제 사용자의 움직임을 정확하게 포착하고, 타 사용자와의 운동 동작의 비교가 가능하게 하기 위하여 본 발명의 발명자가 설정한 좌표계이다. 센서 모듈 좌표계(Lx, Ly, Lz)에만 의존한다면, 장소 또는 장착 방법에 따라 동작을 나타내는 값들이 달라지기 때문에 사용자 사이의 운동 동작의 비교가 불가능하다.

도 8을 참조하면, 사용자 중심 좌표계의 일 축(예를 들어, By)은 사용자가 바라보는 정면을 추정하여, 그 정면과 수직인 방향(이하 정면 방향)으로 설정할 수 있다. 도 8(a) 및 도 8(b)에서 알 수 있는 바와 같이, 운동 종목에 따라 센서 좌표계의 좌표 축 또는 센서 값에서 연산된 쿼터니언(111)의 초기값(운동 시작시의 값)은 특정 영역에 위치하게 된다. 따라서, 자세 분석 모듈(200)의 좌표계 변환 모듈(210)은 센서 좌표계의 좌표 축 또는 센서 값에서 연산된 쿼터니언(111)의 초기값이 어떤 영역에 존재하는지를 결정하고, 운동 종목을 결정할 수 있다.

이 경우, 도 9에 따르면, 운동 종목은 입력 인터페이스(247)에 의한 사용자 입력에 의하여 결정될 수 있다. 상기 입력 인터페이스(247)는 선택 메뉴(247-1)를 포함할 수 있으며, 선택 메뉴 중 어느 하나의 운동 종목을 사용자가 선택하게 되면, 상기 선택에 따라 운동 종목이 결정되게 된다.

또한, 운동 종목이 결정되면, 운동 종목에 따라 정면 방향(By)을 결정할 수 있다. 예컨대, 스쿼트 운동(도 8(a))과 덤벨 프레스 운동(도 8(b))의 경우에는 쿼터니언(111)의 초기값이 서로 다른 영역에 존재하며, 이에 따라 정면 방향(By)를 결정할 수 있다. 이 때, 바람직하게는, 정면 방향(By)은 기준 좌표축(Wx, Wy, Wz)의 기준 평면(WxWy 평면, WyWz 평면, WzWx 평면)에 포함되도록 정한다.

여기서, 초기 값이란, 운동을 시작할 때 측정된 값을 의미한다. 예를 들어, 운동의 시작은 운동 종목을 선택한 후 정해진 시점이 될 수 있다. 이 경우, 사용자는 정해진 시점을 디스플레이를 통한 안내 또는 스피커를 통한 안내 음성(예컨대, 운동 시작 안내 카운트 다운)을 통하여 알 수 있다.

또는, 통상적으로 운동을 위해서 자세를 준비하는 사용자는 일정시간 동안 움직이지 않게 되는데, 운동 종목 선택 후 소정의 시간동안 움직임이 기준치 이하로 센싱되는 경우에, 소정의 시간 동안에 측정된 3차원 좌표 또는 고유 각도를 초기 값으로 간주할 수 있다.

그리고, 정면 방향(By)과; 정면 방향(By)을 포함하며 기준 평면 상에서 정면 방향(By)과 수직인 방향(Bx)과; 상기 정면 방향(By) 및 상기 정면 방향에 수직인 방향(Bx)과 동시에 수직인 방향(Bz)을 3개의 축으로 하는 사용자 기준 좌표계를 정의할 수 있다. 이 때, 좌표계 변환 모듈(210)은 사용자 기준 좌표계의 3개의 축 방향으로 사용자 좌표계의 직선 가속도 (Bx, By, Bz) 연산할 수 있다.

다시 도 4를 참조하면, 사용자 좌표계의 직선 가속도 (Bx, By, Bz) 연산 후, 패턴 검출 모듈(250)은 고유 각도(α, β, γ) 및 상기 직선 가속도(Bx, By, Bz)의 소정의 기간 동안의 패턴을 검출하게 된다. (단계 S400)

이 경우, 소정의 기간은 근력 운동의 무게, 세트당 회수 및 반복수에 기초하여 결정될 수 있다. 일반적인 근력 운동은 일반적으로 무게, 세트당 회수, 반복수로 구성되어 있다. 예컨대, 60kg의 바벨을 이용하여 벤치프레스를 3세트 12번 반복하는 경우 60kg의 무게를 12번 반복하고 휴식(1세트), 12번 반복하고 휴식(2세트) 및 12번 반복하고 휴식(3세트)로 운동을 하게 된다.

따라서, 운동 전반에 관한 분석은 전체 세트(위에서 가정한 3세트)에 대해 분석을 해야 하며, 세트를 반복할수록 체력 소진으로 인해 비정상 자세가 검출될 확률이 높아지기 때문에 각 세트별로 측정값이 상이할 수 있으므로 각 세트별로 별도의 패턴을 검출할 수 있다.

또한, 한 세트의 반복마다 소요시간이 상이할 수 있으므로 이를 고려하여, 도 10과 같이 각 반복(세트)에 대해 반복의 시작시점부터 종료시점까지의 소요시간을 정규화 하여 단위시간으로 환산하여 분석해야 한다.

이 경우, 도 9(b)에 따르면, 무게, 세트당 회수 및 반복수(세트수)는 입력 인터페이스인 운동 속성 선택 메뉴(247-2)에 의해 사용자로부터 입력될 수 있다.

예컨대, 패턴 검출 모듈(250)은 도 11 및 도 12와 같은 고유 각도(α, β, γ) 및 상기 직선 가속도(Bx, By, Bz)의 소정의 기간 동안의 패턴을 검출하게 된다.

도 11은 소정의 시간 중의, 예컨대, 1세트 중 사용자 중심 좌표계(B-frame)의 직선 가속도(Bx, By, Bz)에 기초한 운동 패턴(도 11(a) 및 도 11(b))와 고유 각도(α, β, γ)에 기초한 운동 패턴(도 11(c) 및 도 11(d))과 를 나타낸 그래프이다.

도 11(a) 내지 도 11(d)를 참조하여 검출된 패턴을 살펴보면, 올바른 운동(도 11(a)) 시에는 사용자 좌표계의 Z 축 방향인 Bz가 주기적으로 이동하는 동안, X축으로의 흔들림은 매우 작은 것으로 나타났다. 그러나, 잘못된 자세(도 11(b))에서는 시에는 사용자 좌표계의 Z 축 방향인 Bz가 주기적으로 이동하는 동안, X축으로의 흔들림이 매우 큰 패턴을 보이고 있음을 알 수 있다. 즉, 도 11(b) 및 도 11(d)의 자세는 사용자의 정면을 중심으로 할 때, 좌우 방향의 흔들림이 매우 큰 잘못된 운동 자세임을 알 수 있다.

또다른 패턴 검출의 예로서, 도 12를 참조해 보면, 스쿼트 운동의 정상 자세에서는 바벨의 바 각도의 변화(β) 와 센서 부착 각도(α)의 패턴이 비슷하게 형성되는 것에 비하여, 골반좌측편심, 우측하지과내전, 우측하지과외전의 경우에는 바벨의 바 각도의 변화(β) 와 센서 부착 각도(α)의 패턴이 다르게 형성되는 것을 알 수 있다.

다시 도 4를 참조하면, 패턴 검출 모듈(250)은 패턴 검출 후 패턴 분류를 통한 자세 분석을 수행하게 된다. (S600)

보다 상세하게는, 패턴 분류는 예를 들어, 도 12와 같이 검출된 패턴의 회귀분석을 통하여 이루어 질 수 있다.

예를 들어, 도 12에서는, 스쿼트 운동 시 고유 각도 중 가장 각도의 변화가 컸던 바벨과 기준면이 이루는 각도(γ)를 중심으로 바벨의 바 각도의 변화(β) 와 센서 부착 각도(α)의 패턴을 회귀 분석했고, 기울기, 두 직선의 교점의 위치 등에 따라 운동 자세 및 잘못된 부위를 도출할 수 있었다. 즉, 그래프의 형태 및 양상을 분석함으로써 바벨 각도 패턴을 추출할 수 있다.

본 실시예에서는 기울기에 기반한 회귀 분석을 통한 분석을 기준으로 설명하였지만, 다양한 분석 방법의 적용이 가능하다. 예를 들어, 자세 분석 모듈(200)은 고유 각도(α, β, γ) 또는 좌표계(B-frame)에서의 각 축의 직선 가속도(Bx, By, Bz)의 대표값 예를 들어, 최대값, 최소값, 산술평균, 조화평균, 기하평균, 4분위값, 산포도, 분포도, 무게중심에 기초하여 패턴을 분석하고 해석하는 것도 가능하다.

한편, 자세 분석 모듈(200)은 도 12의 예와 같이, 그래프를 통한 패턴 분석도 가능하다.

예를 들어, 자세 분석 모듈(200)은 운동이 진행된 전체 시간 중에 상술한 그래프 생성을 하는 방법, 또는 1회의 운동 진행 시의 그래프, 1 세트의 운동 진행 시 그래프, 단위시간으로 정규화 시켰을 때의 전체 운동 시간, 1회 운동 진행시, 1세트 운동시의 그래프 또는 위와 같이, 하나의 요소를 가로축으로 하여 다른 측정 값들을 그래프로 그리는 등 다양한 형태의 그래프를 생성할 수 있다.

이 경우, 자세 분석 모듈(200)은 상술한 바와 같이 도출한 그래프에 대하여 그래프의 형태 및 양상, 예를 들어, 그래프를 선형 회귀 분석하여 모델의 기울기, 절편(Offset)을 구하거나, 또는 그래프의 호(arc) 혹은 타원(ellipsoid)으로 근사하였을 때의 호의 중심, 타원의 단축 및 장축의 길이, 기울기, 절편, 프리에 변환하였을 때의 각 계수 다항 함수, 하이퍼볼릭 함수, 로그 함수, 삼각함수, 지수함수 등의 함수 혹은 그 함수들의 조합으로 근사화 하였을 때의 계수 변곡점 혹은 첨점의 개수, 변곡점의 위치 혹은 분포에 대하여 분석을 수행하는 것도 가능하다.

또는 뉴럴 네트워크를 이용하여 패턴 인식을 하는 것도 가능하다.

뉴럴 네트워크를 이용한 패턴 인식을 위해서는 분석 학습 서버(900)에서 아래와 같은 학습이 필요하다.

먼저, 도 13a와 같이, 올바른 운동을 수행하는 것으로 판정되는 운동 동작(제1 사용자 운동 자세)을 통하여, 운동 분석(Motion Analysis)를 진행한다. 이러한 운동 분석에는, 예를 들어, 도 13b와 같이 무릎의 굽힘/폄, 외전 및 내전 또는 발목의 내/외부 회전 등 다양한 각도 데이터를 수집한다. 이 경우, 도 14와 같은 다양한 운동 데이터들이 수집될 수 있다. 이때, 올바른 운동인지를 판정하는 것은, 센서 모듈과 별도의 모션 센서를 통하여 판정될 수 있다.

또한, 다시 잘못된 운동 자세(제1 사용자 운동 자세와 다른 제2 사용자 운동 자세,예를 들어, 스쿼트 운동의 경우, 도 12의 골반좌측편심, 우측하지과내전, 우측하지과외전)로 판정되는 운동 동작(제2 사용자 운동 자세)에 대해서도 운동 분석(Motion Analysis)를 진행한다. 이때, 제2 사용자 운동 자세에 대한 다양한 운동 데이터들도 함께 수집하여, 도 14와 같은 데이터를 수집한다. 이러한 잘못된 운동 동작의 경우에도, 운동 시에 움직이게 되는 주요 관절 별로 대하여 모션 센서(예컨대, 키넥트 등의 동작 감지 센서 등)를 통하여 잘못된 운동 자세인지 판정할 수 있다. 또한, 모션 센서가 각 관절의 회전이나, 각 근육에 걸리는 부하 등의 다양한 데이터들을 수집하게 된다.

예를 들어, 도 13c를 참조하면, 사용자가 바벨을 이용하여 스쿼트 동작 수행 시 B의 경우가 최적화된 발의 각도라고 가정한 경우, 발의 각도가 A와 같이 안쪽으로 꺾인 경우를 과내전(Over-pronation)이라고 하고, C와 같이 바깥쪽으로 꺾인 경우를 과외전(Under-pronation)이라고 한다.

따라서, 바벨을 이용한 근력 운동 동작 시 사용자들의 모션 패턴을 분석하여 도 12과 같이 정상자세, 골반좌측편심, 우측하지과내전 또는 우측하지과외전에 대한 패턴을 기반으로 피험자들의 모션 패턴을 분류할 수 있다. 다시 말해, 수집한 피험자들의 모션 패턴이 도 12에 도시된 그래프의 패턴 중 어디에 해당하는지를 분석함으로써 피험자들의 비정상 자세를 판단할 수 있다.

여기서, 비정상 자세란 운동 중 발생할 수 있는 잘못된 자세로, 정상 자세 외의 부상을 발생시키는 자세(예컨대, 스쿼트 운동시 무릎의 벌어짐 각도 차이 등) 및 운동 효과를 떨어 뜨리는 자세(예컨대, 이두 운동시 덤벨을 끝까지 내리지 않는 자세)를 의미한다.

이렇게 비정상 자세를 갖는 피험자들의 경우들도 취합하여 비정상 자세에 대한 동작을 분석하여 운동 종목별 신체 주요 고유 각도 또는 사용자 중심 좌표계에서의 직선 가속도의 패턴을 추출할 수 있다.

이 경우, 도 13a와 같이, 바벨을 이용한 스쿼트 운동 시 사용자의 신체에 마커를 부착하여 마커의 부착 위치 및 마커별 연관 정보로 피험자 신체를 재구성할 수 있고, 지면의 반력으로 근육의 장력을 재구성함으로써 신체 주요 각도의 패턴을 검출할 수 있다. 예컨대, 도 13b와 같이 무릎의 굽힘/폄에 따른 각도의 패턴을 그래프로 표현할 수도 있고, 발등 굽힘/발바닥 굽힘에 따른 각도의 패턴을 그래프로 표현할 수도 있다.

한편, 모션 센서에 의하여 수집된 데이터 및 본 발명에 따른 센서 값에 기초하여 연산된 고유 각도(α, β, γ) 또는 좌표계(B-frame)에서의 각 축의 직선 가속도(Bx, By, Bz)은 뉴럴 네트워크를 통하여 학습된다. 이 경우, 분석 학습 서버(900)는 뉴럴 네트워크의 입력 단에 고유 각도 또는 직선 가속도에 기초하여 생성된 그래프를 입력하고, 출력 단에는 모션 센서에 의한 그래프를 입력한 후, 역 전파법을 이용하여 동작 계수(예를 들어, 뉴럴 네트워크의 계수)를 연산하게 된다.

분석 학습 서버(900)가 충분하게 학습된 후에는, 동일한 뉴럴 네트워크를 로컬인 자세 분석 모듈(200)의 패턴 검출 모듈(250)이 포함하게 하면서, 패턴 검출 모듈(250)에서 실시간 패턴 검출을 통하여 사용자의 운동 패턴(사용자의 운동 자세가 올바른지 여부 및 문제의 종류(예컨대, 우측하지과내전 등))을 파악하게 한다.

다시 도 4를 참조하면, 마지막으로, 자세 분석 후에는, 가이드 생성 모듈은 검출된 운동 패턴에 따른 가이드 문구 또는 가이드 화면을 생성하여, 사용자 인터페이스 모듈로 전송한다.

예시적인 가이드 문구 및 가이드 화면은 도 16과 같으며, 예를 들어, 가이드 화면에서는 좌우 밸런스 또는 운동 속도 등에 있어서의 운동 자세에 대한 교정 정보 등이 포함될 수 있다.

이러한 운동 자세에 대한 교정 정보는 외부 출력 모듈(249 도 2 참조), 예컨대, 무선 이어폰, 안경 디스플레이 등에 의하여 출력하는 것도 가능하다.

한편, 도 17를 참조하면, 근력 운동 중 스쿼트 운동에 대한 실시간 분석 및 교정 정보를 적극적으로 사용자에게 알려주는 경우에는 대칭 지수(SI, Symmetric Index)의 감소에 효과적인 것을 알 수 있다. 다시 말해, 피드백을 하지 않은 경우보다 피드백을 한 경우의 대칭 지수가 도 17과 같이 감소하는 것을 알 수 있다. 즉, 본 발명에 따라 교정 정보를 사용자가 운동시 즉각적으로 받아볼 수 있는 경우에는 운동의 자세가 현저하게 바르게 교정될 수 있음을 알 수 있다.

따라서, 본 발명에 따르면, 사용자가 운동 종목별 모션 패턴 분석에 따라 비정상 자세의 원인을 파악하여 실시간으로 올바른 자세를 위한 점검 및 평가를 받을 수 있는 효과가 있다.

또한, 본 발명은 머신러닝을 통해 비정상 자세별 센서 데이터 패턴 및 동작 분석 데이터를 매핑시킴으로써 운동 동작 분석의 정확도를 향상시킬 수 있는 효과가 있다.

또한, 본 발명은 자세 측정 모듈(100) 또는 어플리케이션에 의해 시청각 알림을 제공받아 시공간의 제약 및 전문가의 도움 없이도 정확한 운동 동작을 수행할 수 있는 효과가 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 자세 측정 모듈 100a: 하우징부
100b: 체결부 110: 센서 모듈
120: 센서 제어부 130: 통신 모듈
200: 자세 분석 모듈 240: 출력 모듈
900: 분석 학습 서버

Claims (9)

1. 센서 모듈을 포함하는 자세 측정 모듈; 자세 분석 모듈; 및 분석 학습 모듈을 포함하는 근력 운동 자세 분석 시스템에서,
   상기 자세 측정 모듈에 의해 사용자의 신체 일부 또는 상기 사용자가 파지하면서 운동할 운동 기구에 부착되는 상기 센서 모듈에 의해 상기 사용자의 운동 동작을 센싱하는 센싱 단계;
   상기 자세 분석 모듈에 의해 상기 센싱된 값에 의하여 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계로서, 상기 사용자 중심 좌표계는 기준면과의 거리에 기초하여 추정한 사용자 정면 방향을 한 축으로 하는, 연산 단계;
   상기 자세 분석 모듈에 의해 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 분석 단계; 및
   분류된 패턴에 기초하여 운동 자세 교정 데이터를 생성하는 단계를 포함하는,
   근력 운동 자세 분석 방법.
2. 제1항에 있어서, 상기 센서 모듈은 지자기 센서, 자이로 센서 및 가속도 센서를 포함하고, 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계는 상기 지자기 센서, 자이로 센서 및 가속도 센서에서 측정된 센서 값에 기초하여 산출된 쿼터니언에 기초하여 상기 고유 각도를 산출하는 단계를 포함하는,
   근력 운동 자세 분석 방법.
3. 제2항에 있어서, 상기 센서 모듈은 거리 센서를 포함하며, 상기 근력 운동 자세 분석 방법은 상기 거리 센서에 기초하여 기준면으로부터의 거리를 연산하는 단계; 및 상기 기준면으로부터의 거리 패턴을 검출하는 단계를 더 포함하는,
   근력 운동 자세 분석 방법.
4. 제2항에 있어서, 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하는 단계는 상기 센서 모듈에서 센싱된 초기 값에 따라 상기 사용자의 정면 방향을 연산하고, 연산된 정면 방향에 기초하여 상기 사용자 중심 좌표계의 각 축을 도출하는 단계를 포함하는,
   근력 운동 자세 분석 방법.
5. 제4항에 있어서, 상기 정면 방향은 상기 지자기 센서에 의하여 도출된 기준 좌표계의 기준 평면 상에 존재하도록 도출되는,
   근력 운동 자세 분석 방법.
6. 제4항에 있어서, 상기 정면 방향은 상기 사용자에 의하여 입력된 운동 종목 및 상기 센싱된 초기 값에 기초하여 도출되는,
   근력 운동 자세 분석 방법.
7. 제2항에 있어서, 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 단계는,
   제1 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계;
   제2 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계;
   상기 제1 및 제2 사용자 운동 자세를 모션 센서 및 상기 센서 모듈에 의하여 센싱하는 단계에서 수집된 데이터를 뉴럴 네트워크를 통하여 연산하여 동작 계수를 구하는 단계; 및
   상기 동작 계수에 기초하여 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하는 단계를 포함하는,
   근력 운동 자세 분석 방법.
8. 제7항에 있어서, 상기 동작 계수를 구하는 단계는 상기 제1 사용자 운동 자세 및 제2 사용자 운동 자세를 모션 센서에 의하여 센싱한 데이터를 상기 뉴럴 네트워크의 입력단에 입력하며, 상기 제1 사용자 운동 자세 및 제2 사용자 운동 자세를 상기 센서 모듈에 의하여 센싱한 데이터를 상기 뉴럴 네트워크의 출력단에 입력하여 상기 동작 계수를 역전파에 의하여 구하는,
   근력 운동 자세 분석 방법.
9. 사용자의 신체 일부 또는 상기 사용자가 파지하면서 운동할 운동 기구에 부착되며, 상기 사용자의 운동 동작을 센싱하는 센서 모듈을 포함하는 자세 측정 모듈;
   상기 센서 모듈에 의하여 센싱된 값에 의하여 상기 센서 모듈의 고유 각도 및 상기 사용자에 기초한 사용자 중심 좌표계의 각 축의 직선 가속도를 연산하고, 상기 직선 가속도 및 상기 고유 각도의 패턴을 검출 및 분류하여 상기 사용자의 운동 자세를 분석하는 패턴 검출 모듈; 및 상기 검출 및 분류된 패턴에 기초하여 운동 자세 교정 데이터를 생성하는 가이드 모듈을 포함하는 자세 분석 모듈을 포함하고,
   상기 사용자 중심 좌표계는 기준면과의 거리에 기초하여 추정한 사용자 정면 방향을 한 축으로 하는,
   근력 운동 자세 분석 시스템.

Images