KR20220013347A - 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템 - Google Patents

인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템 Download PDF

Info

Publication number
KR20220013347A
KR20220013347A KR1020210109237A KR20210109237A KR20220013347A KR 20220013347 A KR20220013347 A KR 20220013347A KR 1020210109237 A KR1020210109237 A KR 1020210109237A KR 20210109237 A KR20210109237 A KR 20210109237A KR 20220013347 A KR20220013347 A KR 20220013347A
Authority
KR
South Korea
Prior art keywords
motion
user
information
data
joint
Prior art date
Application number
KR1020210109237A
Other languages
English (en)
Inventor
강성훈
Original Assignee
주식회사 컴플렉시온
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 컴플렉시온 filed Critical 주식회사 컴플렉시온
Publication of KR20220013347A publication Critical patent/KR20220013347A/ko

Links

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
    • 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
    • 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
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Multimedia (AREA)
  • Child & Adolescent Psychology (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 서버에 의해 수행되는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법은 (a) 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하는 단계; (b) 관리자 단말로부터 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하는 단계; (c) 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말로 제공하고, 사용자가 수행한 동작 데이터를 사용자 단말로부터 수신하는 단계; (d) 사용자 단말로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값을 추출하는 단계; 및 (e) 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성하는 단계를 포함한다.

Description

인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템{SYSTEM FOR MANAGING AND EVALUATING PHYSICAL EDUCATION BASED ON ARTIFICIAL INTELLIGENCE BASED USER MOTION RECOGNITION}
본 발명은 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템에 관한 것으로 보다 구체적으로 인공지능 모델을 사용한 비대면 학교 체육 교육과정의 자동 수행평가 방법 및 홈트레이닝 프로그램에 관한 것이다.
최근 COVID-19의 세계적인 확산에 따라서 비대면 교육 방법이 다방면에서 모색되고 있다. 원격 회의 툴을 이용한 온라인 강의가 주를 이루고 있기 때문에, 단순한 정보전달을 목적으로 하는 강의방식으로는 신체의 움직임을 요하는 체육수업에서 양질의 교육을 기대하기 어려운 실정이다.
또한 COVID-19의 장기화로 인한 아동 및 청소년의 신체활동 시간 저하가 큰 문제로 떠오르고 있다. 단순 비만 문제 뿐 아니라, 체육활동은 성장기에 긍정적인 정서발달에 큰 영향을 미치기 때문에, 정상적인 체육교육의 정상화가 시급하다.
이러한 문제를 해결하기 위해 본 발명의 일 실시예는 체육교육과정 중 수행평가를 자동화하고 자발적 참여도를 높이기 위해 3D 캐릭터를 이용한 인공지능 기반 체육 교육 관리 및 평가 시스템을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 더 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예에 따른 서버에 의해 수행되는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법은 (a) 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하는 단계; (b) 관리자 단말로부터 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하는 단계; (c) 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말로 제공하고, 사용자가 수행한 동작 데이터를 사용자 단말로부터 수신하는 단계; (d) 사용자 단말로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값을 추출하는 단계; 및 (e) 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성하는 단계를 포함한다.
(a) 단계는 동작 수행 데이터 내 동작 시연자의 관절 포인트 및 관절 포인트에 대한 깊이값을 검출하되, 관절 포인트를 사람의 신체정보와 매칭하여 데이터베이스화한다.
(b) 단계는 데이터베이스에 저장된 동작 수행 데이터를 관리자 단말로 제공하고, 운동프로그램 설계자가 체육 교육에 해당하는 각 동작 순서 별 동작 수행 데이터를 넘버링한 동작 수행 프로그램을 관리자 단말로부터 수신한다.
(c) 단계에서, 동작 데이터는 사용자 단말에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터다.
(e) 단계는, (e-1) 동작 시연자의 동작 수행 데이터 및 사용자의 동작 수행 데이터로부터 상호 대응되는 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출하는 단계를 포함한다.
(e) 단계는, (e-2) 기학습된 인공지능모델을 통하여 도출된 사용자의 실수 값과 동작 시연자의 실수 값을 비교하여, 동작 시연자의 동작과 일치하도록 보정되어야 하는 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성하는 단계를 포함한다.
(f) 피드백 동작 정보에 대응하는 3차원 캐릭터를 생성하여 사용자 단말에 제공하는 단계를 더 포함하되, 3차원 캐릭터 생성 시에 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 제공한다.
(g) 동작 데이터로부터 추출한 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값과 피드백 동작 정보를 비교하고, 인공지능모델을 업데이트하는 단계를 더 포함한다.
본 발명의 다른 실시예에 따른 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 수행하기 위한 프로그램이 저장된 메모리; 및 프로그램을 수행하는 프로세서;를 포함하며, 프로세서는, 프로그램의 실행에 따라, 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하고, 관리자 단말로부터 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하고, 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말로 제공하고, 사용자가 수행한 동작 데이터를 사용자 단말로부터 수신하고, 사용자 단말로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값을 추출하고, 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성한다.
프로세서는 동작 수행 데이터 내 동작 시연자의 관절 포인트 및 관절 포인트에 대한 깊이값을 검출하되, 관절 포인트를 사람의 신체정보와 매칭하여 데이터베이스화한다.
프로세서는 데이터베이스에 저장된 동작 수행 데이터를 관리자 단말로 제공하고, 운동프로그램 설계자가 체육 교육에 해당하는 각 동작 순서 별 동작 수행 데이터를 넘버링한 동작 수행 프로그램을 관리자 단말로부터 수신한다.
동작 데이터는 사용자 단말에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터다.
프로세서는, 동작 시연자의 동작 수행 데이터 및 사용자의 동작 수행 데이터로부터 상호 대응되는 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출한다.
프로세서는, 기학습된 인공지능모델을 통하여 도출된 사용자의 실수 값과 동작 시연자의 실수 값을 비교하여, 동작 시연자의 동작과 일치하도록 보정되어야 하는 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성한다.
프로세서는, 피드백 동작 정보에 대응하는 3차원 캐릭터를 생성하여 사용자 단말에 제공하되, 3차원 캐릭터 생성 시에 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 제공한다.
프로세서는, 동작 데이터로부터 추출한 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값과 피드백 동작 정보를 비교하고, 인공지능모델을 업데이트한다.
전술한 본 발명의 과제 해결 수단에 의하면, 비대면 수업의 장기화로 저하된 체육교육의 효과를 극대화 하기 위해, 체육교육과정 중 수행평가를 자동화하고 자발적 참여도를 높이기 위해 3D 캐릭터를 이용한 시뮬레이션기반 홈트레이닝 시스템을 사용하여 체육선생님들이 양질의 교육콘텐츠를 개발하는데 집중하도록 하기 위함이다.
또한, 본 발명은 홈트레이닝, 재활시설, 3D 애니메이션에도 활용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버의 구성을 도시한 도면이다.
도 3은 도2의 프로세서의 구성을 설명하는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 인공지능모델이 학습 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 설명하기 위한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 발명 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본 발명 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "마취 및 의식 심도 모니터링 장치"는 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, “네트워크”는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
이하, 본 발명의 일 실시예에 대하여 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 시스템은 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버(100), 사용자 단말(200) 및 관리자 단말(300)을 포함한다.
여기서, 사용자 단말(200)은 학생들이 사용하는 단말로서, 동작 시연자의 체육 교육에 관한 동작 동영상을 출력하고, 사용자가 동작 동영상을 따라서 수행한 동작 데이터를 서버(100)로 전송하는 역할을 한다. 또한 관리자 단말(300)은 교사(운동프로그램 설계자)가 사용하는 단말로서, 서버(100)로부터 제공받은 동작 시연자의 동작 수행 데이터를 체육 교육에 이용하기 위하여, 교사가 원하는 임의의 순서대로 동작 수행 데이터에 순서를 부과(넘버링)하여 세팅 및 저장하는 방식으로 동작 수행 프로그램을 설계하여 서버(100)로 전송하는 역할을 한다.
도 2는 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버의 구성을 도시한 도면이다.
도2를 참조하면, 서버(100)는 통신 모듈(110), 메모리(120), 프로세서(130) 및 데이터베이스(140)를 포함할 수 있다.
통신모듈(110)은 접속된 사용자 단말(200) 및 관리자 단말(300)과 데이터를 송수신할 수 있다. 통신모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
메모리(120)에는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 수행하기 위한 프로그램이 저장된다.
이러한 메모리(120)에는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버(100)의 구동을 위한 운영 체제나 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 수행하기 위한 프로그램의 실행 과정에서 발생되는 여러 종류가 데이터가 저장된다.
이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(130)는 메모리(120)에 저장된 프로그램을 실행하되, 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 수행하기 위한 프로그램의 실행에 따르는 전체 과정을 제어한다.
이러한 프로세서(130)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이 크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
또한 프로세서(130)는 프로그램의 실행에 따라, 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하고, 관리자 단말(300)로부터 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하고, 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말(200)로 제공하고, 사용자가 수행한 동작 데이터를 사용자 단말(200)로부터 수신하고, 사용자 단말(200)로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값을 추출하고, 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성할 수 있다. 여기서, 동작 시연자는 운동 선수 및 운동 교육 전문가를 포함하는 운동 수행 전문가를 의미한다. 또한 동작 시연자의 동작 수행 데이터는 카메라에 의해 미리 촬영된 운동 선수 및 운동 교육 전문가의 운동 동작 데이터를 의미한다.
예시적으로, 프로세서(130)는 동작 시연자(운동 수행 전문가)의 동작 수행 데이터를 미리 수집할 수 있다.
데이터베이스(140)는 프로세서(130)의 제어에 따라, 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법 시스템에 필요한 데이터를 저장 또는 제공한다. 이러한 데이터베이스(140)는 메모리(120)와는 별도의 구성 요소로서 포함되거나, 또는 메모리(120)의 일부 영역에 구축될 수도 있다. 예를 들어, 데이터베이스(140)에는 동작 수행 데이터 내의 동작 시연자의 관절 포인트, 관절 포인트에 대한 깊이값, 각 관절 포인트와 사람의 신체정보(관절 정보)를 매칭한 정보가 데이터베이스화하여 저장될 수 있다.
예를 들어, 프로세서(130)는 미리 수집된 동작 수행 데이터 내의 동작 시연자의 관절 포인트(ex. 팔꿈치, 손목, 손가락, 무릎, 발끝, 허리, 목 등과 같은 관절포인트를 식별할 수 있는 정보) 및 관절 포인트의 깊이 정보를 검출하고, 해당 관절 포인트가 어느 관절인지(ex. 팔꿈치, 손목, 손가락, 무릎, 발끝, 허리, 목 등) 식별할 수 있도록 사람의 신체정보와 연동하여 저장함으로써, 데이터베이스화할 수 있다.
도 3은 도2의 프로세서의 구성을 설명하는 블록도이다.
도 3을 참조하면, 프로세서(130)는 메모리(120)에 저장된 프로그램의 실행에 따라 다양한 기능을 수행할 수 있는데, 각 기능에 따라 프로세서(130)에 포함되는 세부 모듈들을 초기 설정부(131), 데이터 추출부(132), 분석부(133), 평가부(134) 및 피드백부(135)로 나타낼 수 있다.
초기 설정부(131)는 관리자 단말(300)로부터 동작 수행 데이터에 임의 순서대로 순서를 부과한 데이터(넘버링 데이터)를 수신하여 동작 수행 프로그램을 설정할 수 있다.
예를 들어, 프로세서(130)는 데이터베이스(140)에 저장된 동작 수행 데이터를 관리자 단말(300)로 제공할 수 있다. 이때 관리자 단말(300)을 이용하여, 운동프로그램 설계자(ex. 교사)는 동작 수행 데이터(이미지 또는 영상)를 원하는 순서대로 순서를 부과(넘버링)하여 세팅 및 저장함으로써, 체육 교육에 요구되는 운동 동작 수행 과제(동작 수행 프로그램)를 설계할 수 있다. 이어서, 프로세서(130)는 운동프로그램 설계자가 체육 교육에 해당하는 각 동작 순서 별 동작 수행 데이터를 넘버링한 동작 수행 프로그램을 관리자 단말(300)로부터 수신할 수 있다
예시적으로, 프로세서(130)는 관리자 단말(300)로부터 수신한 동작 수행 프로그램에 따른 체육 교육 동영상을 생성하여, 사용자 단말(200)로 제공할 수 있다. 이때 사용자(학생)는 사용자 단말(200)을 통해 출력되는 체육 교육 동영상을 보고 해당 동작을 따라서 수행한 동작 데이터를 촬영할 수 있다. 이어서, 사용자가 수행한 동작 데이터를 사용자 단말(200)을 이용하여 서버(100)로 전송할 수 있다.
이때 동작 데이터는 사용자 단말(200)에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터다. 동작 데이터는 사용자 단말(200)에 내장된 카메라에 의해 촬영될 수 있으나 이에 한정된 것은 아니며, 별도의 카메라를 이용하여 촬영될 수도 있다.
데이터 추출부(132)는 사용자의 동작 수행 데이터로부터 사람의 관절 포인트와 관절 포인트의 깊이 값을 추출할 수 있다.
분석부(133)는 동작 시연자의 동작 수행 데이터 및 사용자의 동작 수행 데이터로부터 상호 대응되는 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출할 수 있다.
또한 프로세서(130)는 기학습된 인공지능모델을 통하여 도출된 사용자의 실수 값과 동작 시연자의 실수 값을 비교하여, 동작 시연자의 동작과 일치하도록 보정되어야 하는 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성할 수 있다.
예시적으로, 프로세서(130)는 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가하고, 사용자가 어떻게 움직여야 바람직한지를 나타내는 피드백 동작 정보를 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 인공지능모델이 학습 과정을 설명하기 위한 도면이다.
구체적으로, 도 4에 도시된 바와 같이, 프로세서(130)는 인공지능모델(160)을 사용하여 도출된 사용자의 실수 값과 동작 시연자의 실수 값들을 비교 평가하고, 동작 시연자와 똑같이 움직이기 위해 사용자의 동작이 어떻게 더 보정되어야 할지를 나타내는 피드백 동작 정보(즉, 관절 포인트 및 관절 깊이값에 대한 정보)를 생성할 수 있다.
예시적으로, 인공지능모델(160)은 전문적인 트레이닝 방법에 따라 동작 시연자의 관절 움직임대로 사용자가 움직였는지를 판단하였는지 여부, 인체 해부학적 정보에 따라 적절한 관절 이동이 있었는지 여부, 사용자의 과거 운동 수행 정보, 사용자의 개인별 신체 특성에 따른 운동 수행 방법에 대한 정보(EX. 동작수행시간, 동작횟수, 호흡수 등)를 고려하여 분석부(133)에서 도출된 사용자의 실수 값과 동작 시연자의 실수 값을 비교할 수 있다. 비교결과를 통해 사용자가 어떻게 움직여야할지를 나타내는 관절 포인트와 관절 포인트에 대한 깊이값(즉, 피드백 동작 정보)를 생성할 수 있다.
평가부(134)는분석부(133)에서 분석된 데이터를 이용하여 데이터베이스(140)와 연동하여 피드백 동작 정보를 생성할 수 있다.
피드백부(135)는 분석부(133)에서 분석된 데이터를 기반으로 피드백 동작 정보를 3차원 캐릭터에 매핑하여 사용자의 트레이닝 방법을 시뮬레이션으로 제공할 수 있다.
예시적으로, 프로세서(130)는, 피드백 동작 정보에 맞게 움직이는 3차원 캐릭터를 생성하여 사용자 단말(200)에 제공하되, 3차원 캐릭터 생성 시에 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 포함한 시뮬레이션을 제공할 수 있다. 예시적으로, 사용자 단말(200)에 제공되는 시뮬레이션은 사용자의 동작 좌표값(사용자의 실수 값)을 인식해서, 기 입력된 모범 값(동작 시연자의 실수 값)과 A/B방식으로 비교하여 화살표 모양의 광류 흐름을 가이드로 제공할 수 있다. 즉, 3차원 캐릭터를 생성하여 사용자에게 제공해줄 때 광류값도 함께 제공할 수 있다.
이후, 프로세서(130)는, 사용자 단말(200)로부터 수신한 사용자(학생)의 동작 데이터로부터 추출한 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값과 피드백 동작 정보를 비교하고, 인공지능모델(160)을 업데이트할 수 있다.
예컨데, 오른쪽 팔꿈치의 각도가 해당 동작의 중요도에 지대한 영향을 미치는 경우에, 동작 시연자와 사용자의 오른쪽 팔꿈치 각도 차이의 편차가 줄어들 수 있도록 피드백 동작 정보를 생성하는 데에 인공지능모델(160)이 사용될 수 있다. 즉, 사용자가 동작 시연자의 동작을 모방하여 시연해낼 수 있도록 하는 데에 인공지능모델(160)이 사용되는데, 잘못된 동작으로 따라하는 경우의 횟수를 줄여나가기 위해 인공지능모델(160)의 역할이 있다.
이하에서는 상술한 도1 내지 도4에 도시된 구성 중 동일한 기능을 수행하는 구성의 경우 설명을 생략하기로 한다.
도5는 본 발명의 일 실시예에 따른 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 서버에 의해 수행되는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법은 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하는 단계(S110), 관리자 단말(300)로부터 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하는 단계(S120), 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말(200)로 제공하고, 사용자가 수행한 동작 데이터를 사용자 단말(200)로부터 수신하는 단계(S130), 사용자 단말(200)로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값을 추출하는 단계(S140) 및 사용자의 관절 포인트와 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성하는 단계(S150)를 포함한다.
S110단계는 동작 수행 데이터 내 동작 시연자의 관절 포인트 및 관절 포인트에 대한 깊이값을 검출하되, 관절 포인트를 사람의 신체정보와 매칭하여 데이터베이스화할 수 있다.
S120 단계는 데이터베이스에 저장된 동작 수행 데이터를 관리자 단말(300)로 제공하고, 운동프로그램 설계자가 체육 교육에 해당하는 각 동작 순서 별 동작 수행 데이터를 넘버링한 동작 수행 프로그램을 관리자 단말(300)로부터 수신할 수 있다.
S130단계에서, 동작 데이터는 사용자 단말(200)에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터다.
S150단계는, 동작 시연자의 동작 수행 데이터 및 사용자의 동작 수행 데이터로부터 상호 대응되는 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출하는 단계를 포함할 수 있다.
또한 S150단계는 기학습된 인공지능모델을 통하여 도출된 사용자의 실수 값과 동작 시연자의 실수 값을 비교하여, 동작 시연자의 동작과 일치하도록 보정되어야 하는 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성하는 단계를 포함할 수 있다.
본 발명은 피드백 동작 정보에 대응하는 3차원 캐릭터를 생성하여 사용자 단말(200)에 제공하는 단계를 더 포함하되, 3차원 캐릭터 생성 시에 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 제공할 수 있다.
또한 동작 데이터로부터 추출한 사용자의 관절 포인트 및 관절 포인트에 대한 깊이값과 피드백 동작 정보를 비교하고, 인공지능모델을 업데이트하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 서버
110: 통신모듈
120: 메모리
130: 프로세서
131: 초기 설정부
132: 데이터 추출부
133: 분석부
134: 평가부
135: 피드백부
140: 데이터베이스
160: 인공지능모델
200: 사용자 단말
300: 관리자 단말

Claims (2)

  1. 서버에 의해 수행되는 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법에 있어서,
    (a) 동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하는 단계;
    (b) 관리자 단말로부터 상기 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하는 단계;
    (c) 상기 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말로 제공하고, 사용자가 수행한 동작 데이터를 상기 사용자 단말로부터 수신하는 단계;
    (d) 상기 사용자 단말로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값을 추출하는 단계; 및
    (e) 상기 사용자의 관절 포인트와 상기 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성하는 단계를 포함하되,
    상기 (a) 단계에서,
    상기 동작 시연자는 운동 선수 및 운동 교육 전문가를 포함하는 운동 수행 전문가인 것이고,
    상기 동작 수행 데이터는 카메라에 의해 미리 촬영된 운동 선수 및 운동 교육 전문가의 운동 동작 데이터인 것이고,
    상기 동작 수행 데이터 내 상기 동작 시연자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값을 검출하되, 상기 관절 포인트를 사람의 신체정보와 매칭하여 데이터베이스화하는 것이고,
    상기 (b) 단계는
    데이터베이스에 저장된 상기 동작 수행 데이터를 상기 관리자 단말로 제공하고,
    상기 넘버링된 동작 수행 프로그램은 운동프로그램 설계자가 상기 관리자 단말을 통해 상기 체육 교육에 해당하는 각 동작 순서 별 상기 동작 수행 데이터를 넘버링하여 세팅 및 저장한 것이고,
    상기 (c) 단계에서,
    상기 동작 데이터는 상기 사용자 단말에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터인 것이고,
    상기 (e) 단계는,
    (e-1) 상기 동작 시연자의 동작 수행 데이터 및 상기 사용자의 동작 수행 데이터로부터 상호 대응되는 상기 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출하는 단계; 및
    (e-2) 기학습된 인공지능모델을 통하여 도출된 상기 사용자의 실수 값과 상기 동작 시연자의 실수 값을 비교하여, 상기 동작 시연자의 동작과 일치하도록 보정되어야 하는 상기 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성하는 단계를 포함하고, 상기 피드백 동작 정보를 생성하는 단계는 상기 동작 시연자의 관절 움직임대로 상기 사용자가 움직였는지 여부, 및 상기 사용자가 인체 해부학적 정보에 따르는 관절 이동에 따라 움직였는지 여부를 판단하는 과정을 포함하고,
    상기 사용자의 과거 운동 수행정보와 상기 사용자의 동작수행시간, 동작횟수, 및 호흡수에 대한 정보는 상기 피드백 동작 정보의 생성을 위해 기 수집되는 것이고,
    상기 피드백 동작 정보는 상기 사용자가 어떻게 움직여야 할지를 나타내는 사용자의 관절 포인트와 관절 포인트에 대한 깊이값인 것이고,
    (f) 상기 피드백 동작 정보에 대응하는 3차원 캐릭터를 생성하여 상기 사용자 단말에 제공하는 단계를 포함하되, 상기 3차원 캐릭터 생성 시에 상기 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 제공하고,
    (g) 상기 동작 데이터로부터 추출한 상기 사용자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값과 상기 피드백 동작 정보를 비교하고, 상기 인공지능모델을 업데이트하는 단계를 포함하고,
    상기 인공지능모델이 상기 동작 시연자의 동작 수행 데이터와 상기 사용자의 동작 수행 데이터 차이의 편차가 감소하도록 상기 피드백 동작 정보를 생성하는,
    사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법.
  2. 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버에 있어서,
    사용자 동작 인식을 이용한 체육 교육 관리 및 평가 방법을 수행하기 위한 프로그램이 저장된 메모리; 및
    상기 프로그램을 수행하는 프로세서;를 포함하며,
    상기 프로세서는, 상기 프로그램의 실행에 따라,
    동작 시연자의 동작 수행 데이터로부터 동작 시연자의 관절 포인트가 식별되도록 데이터베이스화하고,
    관리자 단말로부터 상기 동작 수행 데이터가 임의의 순서대로 넘버링된 동작 수행 프로그램을 수신하고,
    상기 동작 수행 프로그램에 따른 체육 교육 동영상을 사용자 단말로 제공하고, 사용자가 수행한 동작 데이터를 상기 사용자 단말로부터 수신하고,
    상기 사용자 단말로부터 수신한 동작 데이터로부터 사용자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값을 추출하고,
    상기 사용자의 관절 포인트와 상기 동작 시연자의 관절 포인트를 비교하여 분석 및 평가한 피드백 동작 정보를 생성하고,
    상기 동작 데이터는 상기 사용자 단말에 출력되는 체육 교육 동영상을 따라하는 사용자의 동작을 실시간으로 촬영한 사용자의 동작 수행 데이터인 것이고,
    상기 동작 시연자는 운동 선수 및 운동 교육 전문가를 포함하는 운동 수행 전문가인 것이고,
    상기 동작 수행 데이터는 카메라에 의해 미리 촬영된 운동 선수 및 운동 교육 전문가의 운동 동작 데이터인 것이고,
    상기 프로세서는,
    상기 동작 수행 데이터 내 상기 동작 시연자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값을 검출하되, 상기 관절 포인트를 사람의 신체정보와 매칭하여 데이터베이스화하는 것이고,
    데이터베이스에 저장된 상기 동작 수행 데이터를 상기 관리자 단말로 제공하고,
    상기 넘버링된 동작 수행 프로그램은 운동프로그램 설계자가 상기 관리자 단말을 통해 상기 체육 교육에 해당하는 각 동작 순서 별 상기 동작 수행 데이터를 넘버링하여 세팅 및 저장한 것이고,
    상기 프로세서는,
    상기 동작 시연자의 동작 수행 데이터 및 상기 사용자의 동작 수행 데이터로부터 상호 대응되는 상기 관절 포인트에 대한 깊이값의 유사도, 특정 시점 및 시구간에서 두개 이상의 관절 포인트가 이루는 각도의 유사도 및 모션 벡터값의 차이를 포함하는 시간 변수에 따른 3차원 실수 값을 도출하고,
    기학습된 인공지능모델을 통하여 도출된 상기 사용자의 실수 값과 상기 동작 시연자의 실수 값을 비교하여, 상기 동작 시연자의 동작과 일치하도록 보정되어야 하는 상기 사용자의 동작 정보를 포함하는 피드백 동작 정보를 생성하고,
    상기 피드백 동작 정보를 생성하는 과정은 상기 동작 시연자의 관절 움직임대로 상기 사용자가 움직였는지 여부, 및 상기 사용자가 인체 해부학적 정보에 따르는 관절 이동에 따라 움직였는지 여부를 판단하는 과정을 포함하고,
    상기 사용자의 과거 운동 수행정보와 상기 사용자의 동작수행시간, 동작횟수, 및 호흡수에 대한 정보는 상기 피드백 동작 정보의 생성을 위해 기 수집되는 것이고,
    상기 피드백 동작 정보는 상기 사용자가 어떻게 움직여야 할지를 나타내는 사용자의 관절 포인트와 관절 포인트에 대한 깊이값인 것이고,
    상기 프로세서는,
    상기 피드백 동작 정보에 대응하는 3차원 캐릭터를 생성하여 상기 사용자 단말에 제공하되,
    상기 3차원 캐릭터 생성 시에 상기 피드백 동작 정보로부터 검출된 화살표로 힘벡터 표시 가이드를 제공하고,
    상기 동작 데이터로부터 추출한 상기 사용자의 관절 포인트 및 상기 관절 포인트에 대한 깊이값과 상기 피드백 동작 정보를 비교하고, 상기 인공지능모델을 업데이트하며,
    상기 인공지능모델이 상기 동작 시연자의 동작 수행 데이터와 상기 사용자의 동작 수행 데이터 차이의 편차가 감소하도록 상기 피드백 동작 정보를 생성하는
    사용자 동작 인식을 이용한 체육 교육 관리 및 평가 서버.
KR1020210109237A 2020-07-24 2021-08-19 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템 KR20220013347A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020200092152 2020-07-24
KR20200092152 2020-07-24
KR1020200120545 2020-09-18

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020200120545 Division 2020-07-24 2020-09-18

Publications (1)

Publication Number Publication Date
KR20220013347A true KR20220013347A (ko) 2022-02-04

Family

ID=80268566

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210109237A KR20220013347A (ko) 2020-07-24 2021-08-19 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템

Country Status (1)

Country Link
KR (1) KR20220013347A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102550216B1 (ko) * 2022-07-20 2023-06-29 남세엔터테인먼트 유한회사 영상 처리 장치, 서버, 영상 처리 시스템, 영상 처리 방법
KR102566378B1 (ko) * 2023-01-02 2023-08-17 주식회사 데브언리밋 인공지능을 통한 영상 분석 기반 홈 트레이닝 가이드 제공방법, 장치 및 컴퓨터프로그램
KR102593279B1 (ko) * 2022-12-15 2023-10-24 에버엑스 주식회사 운동 자세 추정 및 동작 분석을 위한 방법 및 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102550216B1 (ko) * 2022-07-20 2023-06-29 남세엔터테인먼트 유한회사 영상 처리 장치, 서버, 영상 처리 시스템, 영상 처리 방법
KR102593279B1 (ko) * 2022-12-15 2023-10-24 에버엑스 주식회사 운동 자세 추정 및 동작 분석을 위한 방법 및 시스템
KR102566378B1 (ko) * 2023-01-02 2023-08-17 주식회사 데브언리밋 인공지능을 통한 영상 분석 기반 홈 트레이닝 가이드 제공방법, 장치 및 컴퓨터프로그램

Similar Documents

Publication Publication Date Title
KR20220013347A (ko) 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템
US20210339084A1 (en) Physical Education Kinematic Motor Skills Testing System
CN113706960B (zh) 一种基于vr技术的护理操作练习平台及使用方法
CN111027486A (zh) 一种中小学课堂教学效果大数据辅助分析评价系统及其方法
US20220080260A1 (en) Pose comparison systems and methods using mobile computing devices
Wattanasoontorn et al. A kinect-based system for cardiopulmonary resuscitation simulation: A pilot study
US20150147734A1 (en) Movement assessor
CN110782482A (zh) 运动评估方法、装置、计算机设备及存储介质
Sun et al. Systems and methods for projecting images onto an object
US20200193854A1 (en) Virtual reality training method for developing soft skills
US11954869B2 (en) Motion recognition-based interaction method and recording medium
CN114022512A (zh) 运动辅助方法、装置及介质
CN113409651B (zh) 直播健身方法、系统、电子设备、存储介质
CN116844084A (zh) 一种融合区块链的体育运动动作分析与纠正方法及系统
Trajkova Designing ai-based feedback for ballet learning
Zhu et al. [Retracted] Application of Virtual Reality Based on Computer Vision in Sports Posture Correction
Casas-Ortiz et al. Intelligent systems for psychomotor learning: A systematic review and two cases of study
KR102298505B1 (ko) 정맥주사 수행평가 장치 및 방법
Li et al. [Retracted] Intelligent Correction Method of Shooting Action Based on Computer Vision
KR20160020924A (ko) 멀티미디어 학습 평가 시스템
Антощук et al. Human action analysis models in artificial intelligence based proctoring systems and dataset for them
KR101723500B1 (ko) 정보 제공 장치 및 그 방법
CN117173789A (zh) 一种实心球动作评分方法、系统、设备及存储介质
Rabbani et al. Using Microsoft Kinect V2 for Custom Upper-Limb Rehabilitation Exercises
Zhou et al. Innovative Research on Constructing a Holographic Sports Intelligent Classroom Based on AI Technology

Legal Events

Date Code Title Description
E601 Decision to refuse application
E601 Decision to refuse application
E801 Decision on dismissal of amendment