KR20230147199A - 통합된 스포츠 훈련 - Google Patents

통합된 스포츠 훈련 Download PDF

Info

Publication number
KR20230147199A
KR20230147199A KR1020237032579A KR20237032579A KR20230147199A KR 20230147199 A KR20230147199 A KR 20230147199A KR 1020237032579 A KR1020237032579 A KR 1020237032579A KR 20237032579 A KR20237032579 A KR 20237032579A KR 20230147199 A KR20230147199 A KR 20230147199A
Authority
KR
South Korea
Prior art keywords
user
measurements
data
activity
received
Prior art date
Application number
KR1020237032579A
Other languages
English (en)
Inventor
윌리엄 유엔
잭 알. 유엔
Original Assignee
윌리엄 유엔
잭 알. 유엔
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 윌리엄 유엔, 잭 알. 유엔 filed Critical 윌리엄 유엔
Publication of KR20230147199A publication Critical patent/KR20230147199A/ko

Links

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
    • 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
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • 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
    • A63B2220/30—Speed
    • A63B2220/34—Angular speed
    • 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
    • A63B2220/40—Acceleration
    • 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
    • A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
    • A63B2220/836—Sensors arranged on the body of the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Dentistry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

여러 관성 측정 장치(IMU)를 사용하여 골퍼 스윙과 같은 스포츠 중 동작을 수행하는 동안 사용자의 동작을 측정하는 스포츠 훈련 시스템이다. IMU에는 사용자 동작의 결함을 감지하는 시스템 기능을 향상시키기 위해 추가 센서가 연결될 수 있다. 또한, 시스템은 머신 러닝을 사용하여 IMU 데이터에서 사용자 동작의 결함을 감지하고 결정한다. 강사 장치가 결함 타입에 대한 피드백과 개선할 권장 사항을 제공하는 동안, 데이터가 사용자 장치에서 수집 및 설정될 수 있다.

Description

통합된 스포츠 훈련
본 특허 출원은 2021년 2월 25일에 출원된 가출원 특허 출원 번호 63/153,831의 미국 특허 출원의 우선권을 주장하며, 그 내용은 본원에 참고로 포함된다.
본 발명은 일반적으로 인간 코치 없이도 신체의 움직임을 추적하고 분석하기 위한 실시간 센서 기반 모니터링 장치 및 관련 방법에 관한 것이다. 더 구체적으로, 본 발명은, 다양한 결과를 얻기 위해 사용자의 움직임을 조정하는 방법에 대한 사용자 피드백을 제공하기 위해, 신체의 다른 부분에 배치될 수 있는 센서 패키지 또는 센서 세트를 사용하며, 센서 데이터를 모니터링하고, 센서 데이터를 분석하는 것에 관한 것이다.
모든 스포츠에는 특히 훈련 및 코칭과 관련하여 고유한 일련의 과제와 복잡성이 있다. 고성과의 운동선수의 경우 훈련은 더욱 어렵다. 성과의 레벨 외에도, 스포츠 자체의 복잡성에 따라 누군가를 훈련시키는 것이 얼마나 어려운지 결정된다. 예를 들어, 골프보다 탁구를 "습득하는/배우는" 것이 훨씬 용이하다. 두 스포츠 모두 합리적인 손과 눈의 협업이 필요하다. 그러나, 골프에서는 그립(예: 그립에 압력을 가할 압력의 양과 손가락), 자세, 엉덩이 회전, 체중 이동, 머리 위치, 팔꿈치 고정, 손목 회전 등과 관련된 더 많은 세부 사항에 대한 제어가 필요하다. 제어해야 할 추가적인 물리적 요소가 있을 수 있을 뿐만 아니라, 공을 지면에서 떨어뜨리려면 이러한 요소를 함께 조정하고 동기화해야 한다. 현재 훈련 도구는 게임의 특정 측면만 식별/개선한다. 전문 골프 강사라도 그립 압력이나 전술한 모든 세부 사항을 한꺼번에 관찰/분석하는 것은 인간적으로 불가능하다.
열악한 형태와 움직임은 주어진 신체 활동에서 열악한 성과를 초래할 수 있을 뿐만 아니라, 특정 상황에서는, 사용자는 활동 중에 해를 입거나 부상을 입을 수 있다. 예를 들어, 무거운 역기를 드는 사용자는 잘못된 태도나 자세로 인해 쉽게 부상을 입을 수 있다. 개인 트레이너나 지식이 풍부한 관찰자가 안내를 제공하지 않으면, 사용자는 잠재적인 위험을 인식하지 못할 수도 있다. 역도, 요가 및 기타 스포츠와 같은 피트니스 분야에서 사용자의 움직임을 이해하면, 사용자의 성과를 향상시킬 뿐만 아니라 부상을 예방하는 데 도움이 될 수 있다.
스포츠와 건강 분야에서 센서를 사용하는 것은 업계에서 잘 알려져 있다. 사용자의 걸음 수와 심박수를 추적하는 피트니스 시계가 시중에 나와 있지만, 이러한 장치는 제공할 수 있는 데이터의 양이 제한되어 있어 실제로 사용자의 동작을 정확하게 모니터링할 수 없다. 따라서, 현재 장치에는 결과(예: 성공, 실패, 부상)를 예측하고 권장 사항(예: 조정)을 제공할 만큼 자세하게 사용자의 실시간 동작의 모든 파라미터를 모니터링하고 분석하는 기능이 없다. 일부 센서나 카메라는 데이터와 이미지를 캡처할 수 있지만, 현재 이러한 데이터와 이미지를 자동으로 캡처하고 사용하여 다양한 신체 활동 전반에 걸쳐 예측 및 권장 사항(특히 미세 조정에 관한)을 생성할 수 있는 시스템은 없다.
따라서, 실시간 센서 기반 모니터링 및 물리적 움직임 분석의 개선된 시스템 및 방법이 당업계에 필요하다.
본 발명의 실시예는 소형 폼 팩터에 맞도록 설계된 센서 패키지 또는 센서 세트를 포함할 수 있다. 패키지에 연결된 추가 센서는 다양한 파라미터를 모니터링할 수 있는 스포츠나 신체 활동에 맞게 조정될 수 있다. 스포츠와 추적해야 하는 움직임에 따라 사용자 신체의 다양한 지점에 센서 패키지를 원하는 만큼 배치할 수 있다. 필요와 스포츠에 따라, 추가 센서가 센서 패키지에 추가되거나 연결될 수 있다. 골프는 일부 추가 센서가 연결된 여러 센서 패키지가 사용자의 스윙 결과를 정확하게 분석하고 예측할 수 있는 예이다. 골프 스윙에는 다양한 구성 요소가 있으며 사용자는 여러 센서를 사용하여 스윙(예: 무릎, 허리, 어깨에 센서를 장착하며 클럽 내에, 장갑 상에, 머리에 부착하고 신발 내에 장착하는 센서 패키지)을 분석할 수 있다. 신발과 장갑의 센서 패키지에는 압력을 모니터링하기 위해 추가 압력 센서가 부착되어 있을 수 있다.
도 1은 물리적 움직임을 모니터링하고 분석하기 위한 시스템이 구현될 수 있는 예시적인 네트워크 환경을 도시한다.
도 2는 주어진 물리적 움직임에 대한 예시적인 머신 러닝(ML) 데이터 베이스를 도시한다.
도 3은 예시적인 관성 측정 유닛(IMU) 데이터 베이스를 도시한다.
도 4는 예시적인 제안 데이터 베이스를 도시한다.
도 5는 물리적 움직임에 관한 데이터 수집을 위한 예시적인 방법을 도시하는 흐름도이다.
도 6은 신체 움직임 데이터를 분석하는 예시적인 방법을 도시하는 흐름도이다.
도 7은 신체적 움직임에 관한 학습 기반 제안을 하기 위한 예시적인 방법을 도시하는 흐름도이다.
도 8은 학습 기반 제안 구체화를 위한 예시적인 방법을 나타내는 흐름도이다.
도 9는 물리적 움직임을 모니터링하고 분석하기 위한 예시적인 방법을 도시하는 흐름도이다.
도 10은 이동 센서의 위치를 파악하고 폴링하는 예시적인 방법을 도시한 흐름도이다.
도 11은 플레이 모니터링 및 분석을 위한 예시적인 방법을 도시하는 흐름도이다.
도 12는 연습 모니터링 및 분석을 위한 예시적인 방법을 도시하는 흐름도이다.
도 13은 지시 관리를 위한 예시적인 방법을 도시하는 흐름도이다.
본 발명의 실시예는 소형 폼 팩터에 맞도록 설계된 센서 패키지 또는 센서 세트를 포함할 수 있다. 패키지에 연결된 추가 센서는 다양한 파라미터를 모니터링할 수 있는 스포츠나 신체 활동에 맞게 조정될 수 있다. 스포츠와 추적해야 하는 움직임에 따라 사용자 신체의 다양한 지점에 센서 패키지를 원하는 만큼 배치할 수 있다. 필요와 스포츠에 따라 추가 센서를 센서 패키지에 추가하거나 연결할 수 있다. 골프는 일부 추가 센서가 연결된 여러 센서 패키지가 사용자의 스윙 결과를 정확하게 분석하고 예측할 수 있는 예이다. 골프 스윙에는 다양한 구성 요소가 있으며 사용자는 여러 센서(예: 무릎, 허리, 어깨, 클럽, 장갑, 머리에 부착, 신발에 센서를 장착할 수 있는 센서 패키지)를 사용하여 스윙을 분석할 수 있다. 신발과 장갑의 센서 패키지에는 압력을 모니터링하기 위한 추가 압력 센서가 부착되어 있을 수 있다.
도 1은 물리적 움직임을 모니터링하고 분석하기 위한 시스템이 구현될 수 있는 예시적인 네트워크 환경을 도시한다. 도 1의 네트워크 환경은 IMU(Inertia Measurement Unit)(100)을 포함할 수 있다. IMU(100)는 소형 패키지에 맞도록 설계된 센서 제품군으로, 운동선수와 같은 사용자에게 부착되어 착용자의 동작을 모니터링한다. 시스템은 사용자가 팔, 팔꿈치, 무릎, 허리, 어깨, 머리, 발 또는 손과 같은 신체의 다른 부분에 배치할 여러 IMU(100)를 추가로 포함한다. 또한, IMU(100)는 골프 클럽 헤드 내부, 신발 또는 장갑(예: 골프 장갑)과 같은 스포츠 장비 내에 배치될 수도 있다. 또한, IMU(100)을 사용하면 추가 센서를 연결하여 다양한 스포츠에 적용할 수 있으며 압력 데이터와 같은 다른 형태의 데이터를 수집할 수 있다. IMU(100)는 프로세서(101), 메모리(102), 자이로스코프(103), 가속도계(104), 자력계(105), 통신 장치(106) 및 임의 개수의 입력 커넥터(1~107)를 포함한다. 또한, 압력 감지 전도성 시트(108), 광 센서(109), 추가 센서(1110) 및 추가 센서(111)와 같은 다른 센서 또는 데이터 수집 장치가 입력 커넥터(1~107)에 연결될 수 있다. 프로세서(101)는 메모리(102)에 저장된 알고리즘, 코드 또는 명령을 실행하는 데 사용될 수 있다. 프로세서(101)는 또한 하나 이상의 다른 전자 장치, 서버(들), 센서 또는 다른 연결된 장치로부터 수신된 임의의 명령을 디코딩하고 실행하도록 구성될 수 있다. 프로세서(101)는 하나 이상의 범용 프로세서(예: INTEL® 또는 Advanced Micro Devices®(AMD) 마이크로프로세서, ARM) 및/또는 하나 이상의 특수 목적 프로세서(예: 디지털 신호 프로세서, Xilinx® SOC(System On Chip) FPGA(필드 프로그래밍 가능 게이트 어레이, Field Programmable Gate Array) 프로세서 및/또는 GPU(그래픽 처리 장치))를 포함할 수 있다. 프로세서(101)는 본 설명에 설명된 기능 중 임의의 것을 수행하기 위한 프로그램 명령과 같은 하나 이상의 컴퓨터 판독 가능 프로그램 명령을 실행하도록 구성될 수 있다. 메모리(102)는 IMU(100)와 같은 컴퓨팅 장치 또는 관련 컴퓨터 하드웨어에서 사용되는 정보를 저장하는 데 사용된다. 메모리(102)는 데이터가 MOS 메모리 셀 내에 저장되는 반도체 메모리 또는 MOS(금속 산화물 반도체, Metal-Oxide-Semiconductor) 메모리일 수 있다. 비휘발성 메모리의 예로는 플래시 메모리(보조 저장소로 사용) 및 ROM, PROM, EPROM 및 EEPROM 메모리(BIOS와 같은 펌웨어 저장에 사용)가 있다. 휘발성 메모리의 예로는 일반적으로 DRAM(동적 랜덤 액세스 메모리)인 기본 스토리지와 빠르지만 에너지를 소비하고 DRAM보다 메모리 영역 밀도가 낮은 SRAM(정적 랜덤 액세스 메모리)인 고속 CPU 캐시 메모리가 있다. 자이로스코프(103)는 전자 장치에 사용되는 마이크로칩 패키지 MEMS 자이로스코프(자이로미터라고도 한다)와 같이 방향 및 각속도를 측정하거나 유지하는 데 사용되는 장치이다. 가속도계(104)는 적정 가속도를 측정하는 장치이다. 적절한 가속도는 물체의 가속도(속도 변화율)이다. 서로 협력할 때 2개 이상의 가속도계(104)는 적절한 가속도의 차이를 측정할 수 있다. 자력계(105)는 특정 위치에서 자기장의 방향, 세기 또는 상대적인 변화를 측정하는 장치이다. 나침반은 주변 자기장의 방향(이 경우에는 지구 자기장의 방향)을 측정하는 장치 중 하나이다. IMU(100)의 자력계(105)는 사용자의 모든 이동에 대한 방향 데이터를 제공한다. 통신 장치(106)는 다른 IMU(100) 또는 스포츠 훈련 시스템(200), 사용자 장치(200) 또는 강사 장치(400)(instructor device)와 같은 시스템의 일부인 다른 장치에 데이터 및 명령을 전달하는 데 사용된다. 통신은 유선 연결을 통해 수행되거나 사용자가 잘 알고 있는 Bluetooth, NFC, Wi-Fi 표준 또는 셀룰러와 같은 무선 통신 장치 및 프로토콜을 통해 수행될 수 있다. 또한, 적어도 2의 서로 상이한 IMU(100)의 통신 장치는 통신 신호를 분석하여 제3 IMU(100)의 위치를 삼각 측량하는 데 사용될 수 있다. 예를 들어, 사용자의 양쪽 신발에 있는 IMU(100)는 클럽 헤드에 제3 IMU(100)가 있는 골프 클럽 헤드의 위치를 결정하는 데 사용될 수 있다. 시스템이 클럽 헤드의 위치를 결정하고 이어서 볼의 위치를 결정하여 사용자 볼과 클럽이 선택된 클럽에 대해 올바른 위치에 있는지 확인한다. 결정된 위치를 기준으로, 사용자에게 피드백을 제공할 수 있다. 입력 커넥터(1~107)는 다른 센서와 같은 외부 장치를 IMU(100)에 연결하는 적어도 하나의 수단을 나타낸다. 이를 통해 추가 센서를 연결함으로써 IMU(100)을 다른 스포츠에 적용할 수 있다. 입력 커넥터 1~107은 USB, USB-C, Thunderbolt, 4~6 또는 8핀 커넥터를 포함할 수 있지만 이에 제한되지는 않는다. 당업계에 잘 알려진 다른 많은 연결 장치가 있다. 감압 전도성 시트(108)는 입력 커넥터(1 내지 107)를 통해 IMU(100)에 연결된다. 감압 전도성 시트(108)는 유연성이 있고 착용 가능한 물품에 통합될 수 있는 전기 전도성 시트이다. 예를 들어, 압력 감지 시트는 장갑이나 신발 안창에 적용되거나 직조될 수 있다. 시트는 장갑을 낀 사용자의 그립을 이해하거나 신발 깔창에서 사용자의 체중 분포를 추적하는 등 압력을 모니터링하는 데 사용된다. 특히, 골퍼의 클럽 그립은 매우 구체적이며 스윙의 정확성에 영향을 미칠 수 있다. 골프 장갑의 압력 감지 시트는 골퍼 그립에 대한 귀중한 데이터를 제공할 수 있다. 또 다른 실시예에서, 감압 시트는 다른 형태의 의류에 있는 사용자의 신발 안창에 있을 수 있다. 광 센서(109)는 이미지 센서, CMOS, 적외선 센서, 또는 이미지 캡처에 사용되는 다른 형태의 광 센서와 같은 것이다. 광 센서는 입력 커넥터(1~107)를 통해 IMU(100)에 연결된다. 광 센서는 시각적인 움직임 추적에 사용될 수 있다. 예를 들어, 사용자의 얼굴을 향하는 모자 챙의 광 센서를 사용하여 사용자의 눈 움직임을 추적할 수 있다. 대안적으로, 광 센서는 바로 전방을 향할 수 있다. 즉, 운동선수가 똑바로 보고 있는 경우 광 센서는 클럽이나 배트가 접촉 시 공을 치는 것을 볼 수 있어야 한다. 강사가 사용자의 눈 움직임, 특히 미묘한 시선이나 눈 움직임을 관찰하는 것은 매우 어렵다. 예를 들어, 선수가 스윙 중에 공에서 눈을 떼면 그 시선이 단 1초에 불과하더라도 그 시선은 선수의 스윙 정확성에 큰 영향을 미칠 수 있다. 추가 센서 1(110) 및 추가 센서 n은 입력 커넥터 1부터 n(107)을 통해 IMU(100)에 부착될 수 있는 임의의 개수의 추가 센서를 나타낸다. 추가 센서를 사용하면 IMU(100)를 다양한 스포츠에 맞게 IMU를 맞춤 설정할 수 있는 상이한 형태의 센서에 적용할 수 있다. 예를 들어, 수영자는 몸 위의 물의 흐름을 이해하기 위해 다양한 유량 센서나 모니터를 추가할 수 있다. 또한, 스포츠 훈련 시스템(200)은 프로세서(201), 메모리(202), ML 데이터 베이스(203), IMU 데이터 베이스(204), 제안 데이터 베이스(205), 데이터 수집 모듈(206), 분석 모듈(207), 제안 모듈(208) 및 머신 러닝 모듈(209)을 포함한다. 스포츠 훈련 시스템(200)은 사용자 장치(300)로부터 또는 IMU(100)로부터 직접 데이터를 수집한다. 데이터가 수집 및 분석된 후 스포츠에 따라 시각화가 개발되어 사용자 장치(300)와 강사 장치(400) 모두로 다시 전송된다. 이어서, 사용자와 강사는 시각화를 사용하여 피드백을 제공하고 스포츠에 대한 사용자의 움직임을 개선한다. 스포츠 훈련 시스템(200)은 또한 IMU(100) 데이터 및 관련 분석을 사용자 동작에서 발견된 이상 현상을 개선하는 데 도움이 되는 개선 팁, 요령, 운동을 포함하는 유사한 이력 분석과 비교함으로써 사용자의 성능을 개선하는 데 도움이 되는 자동화된 피드백을 사용자에게 제공할 수 있다. 프로세서(201)는 하나 이상의 범용 프로세서(예: INTEL® 또는 Advanced Micro Devices®(AMD) 마이크로프로세서, ARM) 및/또는 하나 이상의 특수 목적 프로세서(예: 디지털 신호 프로세서, Xilinx® SOC(System On Chip) FPGA(필드 프로그래밍 가능 게이트 어레이, Field Programmable Gate Array) 프로세서 및/또는 GPU(그래픽 처리 장치)를 포함할 수 있다. 프로세서(201)는 본 설명에 설명된 기능들 중 임의의 것을 수행하기 위한 프로그램 명령과 같은 하나 이상의 컴퓨터 판독 가능 프로그램 명령을 실행하도록 구성될 수 있다. 메모리(202)는 컴퓨팅 장치 또는 관련 컴퓨터 하드웨어에서 사용되는 정보를 저장하는 데 사용된다. 메모리(202)는 데이터가 MOS 메모리 셀 내에 저장되는 반도체 메모리 또는 금속 산화물 반도체(MOS) 메모리일 수 있다. 비휘발성 메모리의 예로는 플래시 메모리(보조 저장소로 사용) 및 ROM, PROM, EPROM 및 EEPROM 메모리(BIOS와 같은 펌웨어 저장에 사용)가 있다. 휘발성 메모리의 예로는 일반적으로 DRAM(동적 랜덤 액세스 메모리)인 기본 스토리지와 빠르지만 에너지를 소비하고 DRAM보다 메모리 영역 밀도가 낮은 SRAM(정적 랜덤 액세스 메모리)인 고속 CPU 캐시 메모리가 있다. ML 데이터 베이스(203)는 머신 러닝 모듈이 사용자 스윙의 잠재적인 문제나 결함을 확인하기 위해 비교하는 데 사용하는 과거 또는 알려진 모든 IMU 데이터를 저장한다. 예를 들어, ML 데이터 베이스(203)는 골퍼 스윙의 결함에 대한 모든 데이터와 결함을 수정하기 위한 관련 해결책을 저장할 수 있다. 골퍼가 뒷다리에 너무 많은 체중을 싣고 공을 치는 경우, ML 데이터 베이스에는 이와 관련된 뒷다리에 너무 많은 체중이 가해지는 문제를 해결하기 위한 관련 수정, 트릭 또는 운동이 있는 IMU(100) 데이터가 있다. 또 다른 예에서, 장갑에 장착된 IMU(100)는 자이로스코프를 사용하여 사용자가 골프 공이 슬라이스되거나 후크될 수 있는 손이나 손목을 과도하게 회전하는지 또는 회전하지 않는지 감지한다. IMU 데이터 베이스(204)는 사용자 장치(300) 또는 IMU(100)로부터 수신된 모든 IMU 데이터를 저장한다. 저장된 데이터에는 센서 데이터, 타임 스탬프, 사용자 정보, 사용자가 IMU(100)를 사용하는 스포츠 타입이 포함된다. 데이터 베이스 제안(205)은 사용자(즉, 운동선수)의 동작의 결점이나 교정을 교정하거나 부상을 예방하는 데 도움이 되는 제안된 레슨, 팁, 요령, 교정 및 운동을 저장한다. 데이터 제안은 텍스트, 애니메이션 또는 비디오 형식으로 제공될 수 있다. 데이터 수집 모듈(206)은 사용자 장치(300) 및 IMU(100)와 통신하여 IMU 데이터 베이스(204)의 데이터를 수집하고 구성한다. 분석 모듈(207)은 IMU 데이터 베이스(204)에 저장된 데이터를 사용하고 IMU(100)가 사용되고 있는 스포츠에 기초하여 데이터를 구성하고 정규화한다. IMU 데이터 베이스(204)의 IMU(100) 데이터를 이상적인 스윙의 데이터와 비교한다. 이어서, IMU 데이터 베이스(204)의 IMU(100) 데이터가 매핑될 수 있고 IMU 데이터가 정상 또는 정확한 동작과 어떻게 비교되는지 보여주기 위해 차트 및 시각화가 생성될 수 있다. 예를 들어, 사용자의 골프 스윙에 대한 IMU 데이터는 이상적이거나 완벽한 골프 스윙과 비교된다. 이상적인 골프 스윙이나 완벽한 골프 스윙은, 사용자마다 상이하기 때문에, 사용자마다 상이할 수 있다. 비교를 통해 사용자의 IMU 데이터(예: 모션 데이터)가 이상적이거나 완벽한 스윙에 대한 정상 범위를 벗어나는 위치가 표시된다. IMU 데이터와 이상적이거나 완벽한 스윙의 범위 차이가 시각화에 매핑될 수 있다. 예를 들어, 사용자의 동작으로 히트맵(heatmap)을 생성하고 애니메이션을 적용할 수 있다. 히트 맵은 사용자 신체의 3D 표현일 수 있으며 사용자의 스윙과 신체 위치에 대한 애니메이션을 나타낸다. 이어서, IMU 데이터는 스윙 전체에 대한 3D 표현에 매핑된다. IMU 데이터가 특정 범위를 벗어나면, 3D 표현에 빨간색으로 표시된다. 이를 통해, 사용자나 강사는 스윙의 전체 애니메이션을 통해 사용자의 스윙과 관련된 문제를 확인할 수 있다. IMU 데이터를 이상적이거나 완벽한 스윙과 비교하는 다른 차트와 그래프도 생성될 수 있다. 또 다른 실시예에서, 사용자가 선택한 스윙 또는 스타일과 비교되는 스윙이 있을 수 있다. 예를 들어, 사용자가 특정 프로 골퍼처럼 스윙하고 싶다면, 해당 스윙을 선택하면 사용자의 스윙이 해당 프로 골퍼의 스윙과 비교된다. 또한, 이는 야구, 축구, 수영 등을 포함하되 이에 제한되지 않는 다른 스포츠에도 적용될 수 있다. 또한, 제안 모듈(208)은 사용자의 스윙을 향상시키기 위한 학습 팁, 요령 또는 연습을 제공하도록 작동한다.
머신 러닝 모듈(209)은 스윙에서 문제 영역이 어디에 있는지 결정할 것이고, 제안 모듈(208)은 스윙을 개선하기 위해 사용자가 할 수 있는 팁, 트릭, 레슨 또는 연습을 찾을 것이다. 개선 자료는 개선 자료(즉, 팁, 요령, 강의 또는 연습)가 사용자 동작과 관련된 알려진 문제 또는 문제와 연관된 제안 데이터 베이스(205)에 저장된다. 예를 들어, 골프 스윙 중에 사용자의 뒷다리에 체중이 너무 많이 실리는 것으로 확인되면, 제안 모듈은 스윙의 결함을 개선하는 데 도움이 되는 것으로 알려진 팁이나 요령을 제안할 수 있다. 또 다른 실시예에서, 제안 모듈(208)은 사용자의 동작을 개선하는 데 도움이 되도록 사용자 및 사용자 장치(300)에 어떤 자료를 전송해야 하는지에 대해 강사 장치(400)의 강사에 의해 지시된다. 머신 러닝 모듈(209)은 사용자 IMU 데이터를 다른 과거 또는 알려진 데이터와 비교하여 사용자 동작을 학습한다. 예를 들어, 머신 러닝 모듈(209)은 사용자의 IMU 데이터를 사용하여 사용자의 골프 스윙을 학습한다. 이어서, 머신 러닝 모듈(209)은 비교를 사용하여 사용자 데이터(제안 데이터 베이스)와 관련된 알려진 지시를 기반으로 개선 사항을 제안한다. 또한, 또 다른 실시예에서, 사용자 입력 또는 설문지에 기초한 사용자 선호도와 같은 사용자 데이터에 기초하여 제안이 사용자에게 제공될 수 있다. 예를 들어, 사용자는 설정 과정에서 키, 몸무게, 체형, 나이, 특정 부상/장애 등을 물어 스윙 스타일을 추천하도록 요청할 수 있다. 예를 들어, 큰 배를 가진 키가 작은 남자는 키가 크고 건강한 사람과 같은 방식으로 스윙을 할 수 없거나 스윙을 원하지 않을 수 있다. 또한, 센서(벨트/허리 어깨 등)가 체형이나 성향을 계산해 판단해 스윙을 추천한다. 시스템은 (양호한 히트를) 강화하거나 (양호하지 않은 히트를) 변경하는 것을 권장할 수 있다. 또한, 머신 러닝 모듈은 강사의 제안이나 피드백을 모니터링하고 나중에 참조할 수 있도록 해당 데이터를 ML 데이터 베이스에 저장한다. 사용자 장치(300)는 컴퓨터, 태블릿, 휴대폰 등으로 구성될 수 있다. 이들 장치는 해당 분야에 잘 알려져 있으며, 프로세서(302), 메모리(302), 디스플레이(303), 통신 장치(304), 이미지 센서(305), 센서 데이터 베이스(306), GPS(307), 기반 모듈(308), 클럽 볼 위치 모듈(309), 센서 위치 모듈(310), 플레이 모듈(311) 및 연습 모듈(312)을 포함한다. 프로세서(301)는 하나 이상의 범용 프로세서(예: INTEL® 또는 Advanced Micro Devices®(AMD) 마이크로프로세서, ARM) 및/또는 하나 이상의 특수 목적 프로세서(예: 디지털 신호 프로세서, Xilinx® SOC(System On Chip), FPGA(필드 프로그래밍 가능 게이트 어레이, Field Programmable Gate Array) 프로세서 및/또는 GPU(그래픽 처리 장치))를 포함할 수 있다. 프로세서(301)는 본 발명에 설명된 기능 중 임의의 것을 수행하기 위한 프로그램 명령과 같은 하나 이상의 컴퓨터 판독 가능 프로그램 명령을 실행하도록 구성될 수 있다. 메모리(302)는 컴퓨팅 장치 또는 관련 컴퓨터 하드웨어에서 사용되는 정보를 저장하는 데 사용된다. 메모리(302)는 데이터가 MOS 메모리 셀 내에 저장되는 반도체 메모리 또는 MOS(금속 산화물 반도체) 메모리일 수 있다. 비휘발성 메모리의 예로는 플래시 메모리(보조 저장소로 사용) 및 ROM, PROM, EPROM 및 EEPROM 메모리(BIOS와 같은 펌웨어 저장에 사용)가 있다. 휘발성 메모리의 예로는 일반적으로 DRAM(동적 랜덤 액세스 메모리)인 기본 스토리지와 빠르지만 에너지를 소비하고 DRAM보다 메모리 영역 밀도가 낮은 SRAM(정적 랜덤 액세스 메모리)인 고속 CPU 캐시 메모리가 있다. 디스플레이(303)는 사용자 장치(300)에 통합되고 터치 요소(즉, 터치 디스플레이) 또는 다른 입력 방법을 통한 사용자 입력을 위한 수단을 포함할 것이다. 디스플레이는 LCD(액정 디스플레이), IPS-LCD(면내 스위칭 액정 디스플레이), OLED(유기 발광 다이오드) 또는 AMOLED(액티브 매트릭스 유기 발광 다이오드)일 수 있다. 통신 장치(304)는 IMU(100) 또는 스포츠 훈련 시스템(200) 또는 강사 장치(400)와 같은 시스템의 일부인 다른 장치에 데이터 및 명령을 전달하는 데 사용된다. 통신은 유선 연결을 통해 수행되거나 사용자가 잘 알고 있는 Bluetooth, NFC, Wi-Fi 표준 또는 셀룰러와 같은 무선 통신 장치 및 프로토콜을 통해 수행될 수 있다. 이미지 센서(305)는 CMOS, 적외선 센서, 또는 이미지를 캡처하는 데 사용되는 다른 타입의 광 센서 등이다. 사용자 장치(300)의 이미지 센서(305)는 사용자 동작의 이미지를 캡처하는 데 사용될 수 있으며 IMU 데이터 및 분석 모듈(207)과 함께 사용되어 IMU 데이터를 오버레이할 수 있다. 예를 들어, 사용자는 훈련 시스템을 사용하는 동안 자신의 스윙을 기록하기 위해 사용자 장치를 사용할 수 있다. 해당 이미지나 비디오는 캡처되어 IMU 데이터 베이스(204)의 IMU 데이터와 함께 저장된다. 센서 데이터 베이스(306)는 스포츠 훈련 시스템(200)에 위치한 IMU 데이터 베이스(204)와 유사하지만 대신 사용자 장치(300)에 위치한다. 센서 데이터 베이스(306)는 이미지 센서(305)와 같은 사용자 장치(300)의 장치로부터 수집될 수 있는 센서 데이터뿐만 아니라 모든 IMU(100) 데이터를 저장한다. 또 다른 실시예에서, 사용자 장치(300)의 마이크로폰으로부터 캡처된 사운드 데이터도 저장되고 분석될 수 있다. 구체적으로, 소리 데이터는 두 물체 사이의 접촉 소리와 그것이 고체인지 분석하는 데 사용될 수 있다. 예를 들어, 골프 클럽이 골프 공을 정확하게 쳤을 때 골프 클럽이 골프 공의 중심을 벗어나 쳤을 때와 비교하면 독특한 소리가 난다. GPS(307) 또는 GPS(Global Positioning System)는 사용자 장치(300)의 위치를 추적할 수 있다. 이 데이터는 장치의 "재생" 기능 중에 사용된다. 예를 들어, 사용자가 골프 라운드 중에 시스템을 사용할 때, 시스템은 사용자의 동작(예: 스윙)을 추적할 수 있을 뿐만 아니라, 시스템은 사용자 장치의 위치를 추가로 사용하여 공이 얼마나 멀리서 맞았는지 그리고 공의 궤적을 추정할 수 있다. 이 데이터는 클럽의 IMU(100)와 연관되어 사용자가 일반적으로 특정 클럽으로 공을 얼마나 멀리 치는지 이해하는 데 사용될 수 있다. 또한 공이 직선으로 맞았는지 여부(예: 슬라이스 또는 후크)를 위치에 따라 판단할 수도 있다. 기반 모듈(308)은 사용자가 사용자 장치(300)에서 스포츠 훈련 애플리케이션을 열 때이다. 이어서 기반 모듈(308)은 사용자 장치의 다른 모든 관련 모듈을 초기화할 것이다. 먼저, 기반 모듈(308)은 사용자 장치의 통신 내에 새로운 센서가 있는지 또는 데이터 베이스에 센서가 있는지 확인한다. 시스템은 모듈식 시스템을 의미하기 때문에, 언제든지 시스템에 임의 개수의 IMU(100)를 추가하거나 제거할 수 있다. 새로운 센서가 감지되거나 시니어 데이터 베이스(306)에 등록된 센서가 없으면, 설정 프로세스가 시작되고, 사용자에게는 새로운 IMU(100)를 추가하거나 제거하기 위한 단계별 프로세스가 안내된다. 이는 해당 모듈이 시작되게 한다. 클럽 볼 위치 모듈(309)은 설정 프로세스가 완료되자마자 시작되고 기반 모듈(308)에 의해 시작된다. 클럽 공 위치 모듈(309)은 사용자의 신발과 테니스 라켓 또는 골프 클럽과 같은 스포츠 장비의 IMU(100)에 있는 통신 장치(106)를 사용한다. 모듈은 각각의 위치를 삼각측량하기 위해 적어도 3개의 IMU(100) 사이의 통신 장치(106)를 사용한다. 통신 장치로부터의 신호를 이용한 삼각 측량의 사용은 이제 기술 분야에 널리 퍼져 있다. 예를 들어, 가능한 방법 중 하나는 3개의 장치의 Bluetooth 신호 강도 판독값을 사용하여 장치(https://cseweb.ucsd.edu/classes/fa06/cse237a/finalproj/almula.pd) 중 하나의 위치를 계산하는 것이다. 센서 위치 모듈(310)은 시스템의 설정 단계 동안 사용되며 플레이 또는 연습 모듈에 의해 시작된다. 모듈은 다른 센서의 위치를 기반으로 센서의 위치를 결정하는 데 사용된다. 센서 위치 모듈(310)은 클럽 볼 위치 모듈(309)에 설명된 것과 동일한 기술을 사용할 수 있다. 또 다른 실시예에서, IMU(100)의 위치는 일반적으로 센서 데이터 베이스(306)를 폴링함으로써 결정될 수 있다. 센서의 일반적인 위치는 설정 프로세스 중에 결정될 수 있다. 예를 들어, 센서의 위치는 신체 위치(예: 팔꿈치, 무릎, 손 등)를 기반으로 결정될 수 있다. 삼각 측량을 통해 또는 일반적으로 신체 위치를 기반으로 센서의 위치를 알면 사용자 움직임이나 스윙과 같은 모션 데이터를 분석할 때 보다 정확한 측정이 가능하다. 사용자가 기반 모듈(308)에서 플레이를 선택하면 플레이 모듈(311)이 시작된다. 플레이 모듈(311)은 사용자가 게임을 하면서 IMU(100)와 스포츠 훈련 시스템(200)을 사용하고자 할 때 사용된다. 예를 들어, 사용자가 골프 라운드를 플레이하기 위해 시스템을 사용하기를 원한다면 플레이 모듈(311)이 시작될 것이다. 플레이 연습을 위해 IMU(100)를 사용하는 것들 간의 차이점은 연습 세션 중에 사용 가능한 모든 IMU(100)를 사용할 수 있다는 것이다. 연습 세션 동안 사용자는 몸 전체에 IMU(100)를 가질 수 있다. 플레이하는 동안, 사용자는 다양한 센서를 모두 착용하고 싶지 않고 특정 센서만 활용하기를 원할 수 있다. 예를 들어, 골프를 연습하는 동안, 사용자는 골프 클럽 헤드의 IMU(100), 사용자 신발(예: 깔창)의 IMU(100) 및 무릎, 허리, 엉덩이, 어깨, 팔꿈치 등과 같은, 사용자의 골프 장갑에 통합되거나 또는 사용자의 머리에 착용할 수 있는, 신체 주위의 IMU(100)를 포함할 수 있는 시스템에 대해 사용 가능한 모든 센서 또는 IMU(100)를 사용할 수 있다. 골프 라운드를 하는 동안, 신체에 부착된 모든 장치는 번거로울 수 있다. 플레이 모듈(311)은 시스템이 작동하도록 하기 위해 번거롭거나 사용자의 옷이나 장비에 통합되지 않는 몇 가지 필수 센서만 찾는다. 이러한 IMU(100)는 골프 클럽 헤드, 사용자 신발(즉, 깔창), 장갑 및 셔츠를 포함할 수 있다. 이렇게 하면 기본적인 스윙 및 움직임 정보를 계속 추적할 수 있지만 모든 정보를 사용할 수는 없다. 또한, 플레이 모듈(311)은 사용자 장치(300)의 GPS(307)를 사용하여 사용자의 위치를 추적한다. 골프에서 이는 사용자 공의 거리와 경로를 추적하는 데 사용될 수 있다. IMU(100)는 사용자 클럽에 통합되어 있기 때문에, 시스템은 사용자가 어떤 클럽을 사용하고 있는지 알고 라운드 전반에 걸쳐 샷이 사용된 클럽과 얼마나 정확한지 추적할 수 있다. 시스템은 또한 샷을 위해 줄을 서 있는 동안 정확한 클럽 위치에 대한 사용자 피드백을 제공하기 위해 실시간으로 또는 게임 플레이 중에 클럽 볼 위치 모듈(309)을 사용할 수 있다. 위에서 간략하게 설명된 연습 모듈(312)은 사용자가 연습 세션 중에 시스템을 사용하기를 원하는 경우 시작된다. 연습 세션 동안, 연습 모듈(312)은 센서 데이터 베이스(306)에 등록되거나 저장되어 있는 등록된 IMU(100)의 최대 수를 찾을 것이다. 연습 모듈(306)은, 또한 연습 중에, 예를 들어, 골프 스윙을 연습하는 동안 사용자의 이미지를 캡처하는 데 사용되도록 이미지 센서(305)를 시작할 수 있다. 플레이 모듈(311)과 연습 모듈(312)은 전술한 바와 같이 각각이 사용자를 감지할 수 있는 방법에 제한되지 않는다. 그러나, 또 다른 실시예에서, 사용자는 플레이 중 다른 상황에서 어떤 센서를 사용하고 싶은지 설정할 수 있다. 한 사용자는 골프 라운드를 하는 동안 더 많은 센서를 선호할 수 있고, 제2 사용자는 더 적은 센서를 선호할 수 있다. 강사 장치(400)는 휴대폰, 태블릿, 컴퓨터 또는 이와 유사한 장치일 수 있으며, 프로세서(401), 메모리(402), 디스플레이(403), 통신 장치(404), 이미지 센서(405), 강사 모듈(406)을 포함할 수 있다. 또한, 강사 장치(400)는 스포츠 훈련 시스템(200)을 사용하고 있는 운동선수의 동작을 검토할 수 있게 해주는 강사 또는 코치에 의해 사용될 수 있다. 강사 장치(400)는 강사 또는 코치가 동작 데이터 및 분석을 볼 수 있을 뿐만 아니라 사용자 장치(300)에 수동 피드백을 제공할 수 있게 한다. 프로세서(401)는 하나 이상의 범용 프로세서(예를 들어, INTEL® 또는 AMD(Advanced Micro Devices®) 마이크로프로세서, ARM) 및/또는 하나 이상의 특수 목적 프로세서(예를 들어, 디지털 신호 프로세서, Xilinx® SOC(시스템 온 칩, System On Chip) FPGA(필드 프로그래밍 가능 게이트 어레이, Field Programmable Gate Array) 프로세서 및/또는 GPU(그래픽 처리 장치))를 포함할 수 있다. 프로세서(401)는 본원에 설명된 기능 중 임의의 것을 수행하기 위한 프로그램 명령과 같은 하나 이상의 컴퓨터 판독 가능 프로그램 명령을 실행하도록 구성될 수 있다. 메모리(402)는 컴퓨팅 장치 또는 관련 컴퓨터 하드웨어에서 사용되는 정보를 저장하는 데 사용된다. 메모리(402)는 데이터가 MOS 메모리 셀 내에 저장되는 반도체 메모리 또는 금속 산화물 반도체(MOS) 메모리일 수 있다. 비휘발성 메모리의 예로는 플래시 메모리(보조 저장소로 사용) 및 ROM, PROM, EPROM 및 EEPROM 메모리(BIOS와 같은 펌웨어 저장에 사용)가 있다. 휘발성 메모리의 예로는 일반적으로 DRAM(동적 랜덤 액세스 메모리)인 1차 저장소, 및 일반적으로 빠르지만 에너지를 소비하고 DRAM보다 낮은 메모리 영역 밀도를 제공하는 SRAM(정적 랜덤 액세스 메모리, Static Random-Access Memory)인 고속 CPU 캐시 메모리가 있다. 디스플레이(403)는 강사 장치(400)에 통합되고 터치 요소(즉, 터치 디스플레이) 또는 다른 입력 방법을 통한 사용자 입력을 위한 수단을 포함할 것이다. 디스플레이는 LCD(액정 디스플레이), IPS-LCD(면내 스위칭 액정 디스플레이), OLED(유기 발광 다이오드) 또는 AMOLED(액티브 매트릭스 유기 발광 다이오드)일 수 있다. 통신 장치(404)는 사용자 장치(300) 및 스포츠 훈련 시스템(200)과 데이터 및 명령을 통신하는 데 사용된다. 통신은 유선 연결을 통해 수행되거나 사용자가 잘 알고 있는 Bluetooth, NFC, Wi-Fi 표준 또는 셀룰러와 같은 무선 통신 장치 및 프로토콜을 통해 수행될 수 있다. 이미지 센서(405)는 CMOS, 적외선 센서, 또는 이미지를 캡처하는 데 사용되는 다른 형태의 광 센서 등이다. 강사 장치(400)의 이미지 센서(405)는 사용자 동작의 이미지를 캡처하는 데 사용될 수 있으며 IMU 데이터 및 분석 모듈(407)과 함께 사용되어 IMU 데이터를 오버레이할 수 있다. 강사 모듈(406)은 강사 또는 코치에 의해 시작되며 강사가 사용자의 데이터 및 분석을 볼 수 있게 한다. 강사 모듈(406)은 시작되면 사용자 장치(300) 및 스포츠 훈련 시스템(200)과 통신하고 사용자의 IMU 데이터 및 분석을 수신한다. 사용자에게 제공될 제안이나 피드백과 함께 강사나 코치에게 표시되는 동작 분석이다. 이어서 강사나 코치는 제안 데이터 베이스(204)에서 선택하거나 제안 모듈(208)에 의해 제공되는 제안을 추천함으로써 자신의 피드백을 제공할 수 있다. 또 다른 실시예에서, 코치의 피드백은 맞춤화될 수 있다. 강사나 코치는 제안 데이터 베이스에 없는 다른 팁이나 요령을 제공할 수도 있다.
도 2는 주어진 물리적 움직임에 대한 예시적인 머신 러닝(ML) 데이터 베이스(203)를 도시한다. ML 데이터 베이스(203)는, 사용자의 스윙 동작에 대한 잠재적인 문제나 결함을 결정하기 위해, 머신 러닝 모듈이 비교하는 데 사용하는 과거 또는 모든 알려진 IMU 데이터를 저장한다. 예를 들어, ML 데이터 베이스(203)는 골퍼 스윙의 결함에 대한 모든 예시 데이터와 결함을 수정하기 위한 관련 구제책이 무엇인지 기록할 수 있다. 골퍼가 뒷다리에 너무 많은 체중을 싣고 공을 치는 경우, ML 데이터 베이스에는 이와 관련된 IMU(100) 데이터와 뒷다리에 너무 많은 체중이 가해지는 문제를 해결하기 위한 관련 수정, 트릭 또는 운동이 있다. 구체적으로, 위에서 언급된 예의 경우, ML 데이터 베이스(203)는 사용자의 신발 밑창에 있는 압력 감지 전도성 시트(108)에 대해 어느 정도의 압력이 측정되어야 하는지에 관한 데이터를 저장할 것이다. 이 압력 측정은 범위일 수 있다. IMU(100)에서 측정된 데이터가 해당 범위를 벗어나면 결함이 있다고 판단할 수 있다. 측정된 압력이 너무 높고 범위를 벗어나면 사용자의 뒷다리에 체중이 많이 실릴 수 있다. 위의 예에서는 문제를 식별하기 위해 하나의 센서만 고려하지만, 다른 실시예에서는 센서 데이터 그룹을 사용하여 사용자 동작의 결함을 식별할 수 있다.
도 3은 예시적인 관성 측정 단위(IMU) 데이터 베이스(204)를 도시한다. IMU 데이터 베이스(204)는 사용자 장치(300) 또는 IMU(100)로부터 수신된 모든 IMU 데이터를 저장한다. 저장된 데이터에는 센서 데이터, 타임 스탬프, 사용자 정보, 사용자가 IMU(100)를 사용하는 스포츠 타입이 포함된다.
도 4는 예시적인 제안 데이터 베이스(205)를 도시한다. 제안 데이터 베이스(205)는 사용자(즉, 운동선수)의 동작의 결함이나 교정을 교정하는 데 도움이 되는 제안된 레슨, 팁, 요령, 교정 및 운동을 저장한다. 제안 데이터는 텍스트, 애니메이션, 동영상 형태로 제공될 수 있다. 예를 들어, IMU(100)로부터의 데이터가 사용자의 스윙이 끝날 때 사용자의 뒷발에 가해지는 압력이 정상 범위보다 높다고 결정하는 경우, 사용자가 스윙하는 동안 뒷다리에 많은 체중을 싣고 있다고 결정할 수 있다. 제안 데이터 베이스(205)는 문제를 해결하기 위한 임의의 수의 팁, 요령, 연습 또는 수업을 가지고 있다. 예를 들어, 문제 해결 방법에 대한 팁을 제공하는 강사나 코치의 동영상을 사용자가 시청할 수 있다.
도 5는 데이터 수집 모듈(206)의 실행에 따른 물리적 움직임에 관한 데이터 수집을 위한 예시적인 방법을 도시하는 흐름도이다. 데이터 수집 모듈(206)은 사용자 장치(300) 및 IMU(100)와 통신하여 IMU 데이터 베이스(204)의 데이터를 수집하고 구성한다. 데이터 수집 모듈(206)은 단계 501에서 데이터 수집 모듈(206)을 개시할 시스템을 사용자가 개시했다는 신호를 사용자 장치(300)로부터 수신하는 모듈로 시작한다. 예를 들어, 이 활성 신호는 사용자가 사용자 장치(300)에서 앱을 열 때 생성될 수 있다. 앱이 로드되면, 앱은 스포츠 훈련 시스템(200)이 데이터 수신을 시작할 수 있도록 하는 활성 신호를 전송함으로써 스포츠 훈련 시스템(200)과 연결ㄷ된다. 또한, 활성 신호는 직접적이고 안전한 데이터 전송을 위해 사용자 장치(300)와 스포츠 훈련 시스템(200) 사이에 직접 통신 링크를 설정하는 데에도 사용될 수 있다. 데이터 수집 모듈(206)이 활성화되면, 모듈은 단계 502에서 가장 최근 데이터에 대해 사용자 장치(300)의 센서 데이터 베이스(306)를 폴링하기 시작한다. 이어서, 데이터는 단계 503에서 데이터 수집 모듈에 의해 수신된다. 수신된 데이터는 단계 504에서 조직화되고 그룹화된다. IMU(100)로부터 사용자 장치(300)에 의해 수집되는 데이터는 골프 스윙과 같은 사용자 움직임의 이동을 추적하므로 데이터는 일정 기간 동안 추적된다. 또한 임의의 개수의 센서가 있는 여러 IMU(100)에서 나오는 데이터도 있다. 골프 클럽을 스윙하는 데 걸리는 시간과 같은 기간 동안 정확하게 분석을 수행할 수 있도록 모든 데이터를 그룹화하고 구성해야 한다. 이어서, 데이터는 단계 505에서 IMU 데이터 베이스(204)에 저장된다. 이어서, 모듈은 사용자가 여전히 스윙 중인지 또는 단계 506에서 스윙이 완료되었는지 확인한다. 사용자가 완료하지 않았고 더 많은 데이터를 수집할 계획인 경우 모듈은 단계 502로 돌아간다. 또 다른 실시예에서, 시스템과 모듈은 사용자가 어떤 스포츠를 하고 있는지 파악하고 IMU 데이터를 모니터링하여 사용자가 골프 스윙과 같은 특정 동작을 시작하는 시기를 결정할 수 있다. 이어서, 사용자가 골프 스윙과 같은 동작을 시작했다고 결정되면 데이터가 저장된다. 사용자가 동작, 즉 골프 스윙을 완료하면 분석 모듈(207)은 단계 507에서 시작된다. 분석 모듈이 단계 507에서 시작되면 모듈은 사용자 장치(300)가 여전히 활성 상태인지 또는 사용자가 단계 508에서 수행했는지 여부를 결정한다. 사용자가 완료하지 않은 경우, 모듈은 단계 502로 돌아가고, 그렇지 않은 경우 모듈은 단계 509에서 종료된다.
도 6은 분석 모듈(207)의 실행에 따라 신체 움직임 데이터를 분석하는 예시적인 방법을 도시하는 흐름도이다. 분석 모듈(207)은 단계 601에서 모든 데이터를 IUM 데이터 베이스(204)에 수집하고 정리한 후 이를 시작하는 데이터 수집 모듈(207)로 시작한다. 이어서, 분석 모듈(207)은 단계 602에서 정리된 데이터에 대해 IMU 데이터 베이스를 폴링하기 시작한다. 이어서, 데이터는 단계 603에서 모델, 차트, 히스토그램, 테이블 및 기타 시각화에 제공된다. 시각화는 사전 구성될 수 있으며 데이터 피드만 필요하다. 미리 구성된 시각화를 사용하고 그에 데이터를 공급하는 방법은 해당 분야에 잘 알려져 있다. 예를 들어, IMU(100) 데이터는 골프 스윙과 같은 동작 동안 한 발의 압력이나 무게를 보여주는 선 그래프로 입력될 수 있다. 그러면 사용자는 스윙하는 동안 해당 발에 얼마나 많은 압력이나 무게가 분산되었는지 확인할 수 있다. 그래프에는 스윙 중에 발에 가해지는 체중의 양에 대한 정상 범위도 포함될 수 있다. 구체적으로, 선 그래프는 오른손잡이 사용자의 골프 스윙에서 뒷다리의 신발 밑창에 위치하는 감압 전도성 시트(108)로부터의 데이터를 가질 수 있다. 그래프의 X축은 사용자의 스윙 시작부터 스윙 종료까지의 시간을 나타낸다. Y축은 발에 가해지는 압력을 나타낸다. 사용자는 스윙을 시작할 때 체중을 고르게 분산시켜야 하기 때문에, 일반적인 스윙은 일반적으로 y축 중앙 어딘가에 사용자의 체중이나 뒷발의 압력을 표시한다. 스윙이 시작되면 체중이 뒷다리와 발로 분산되어 압력이 증가하게 된다. 이어서, 스윙 포워드가 공을 치고 따라가면서 체중이 사용자의 앞발로 전달된다. 시각화의 또 다른 예로는 애니메이션과 3D 모델이 있다. 예를 들어, 골프 스윙을 하는 사람의 3D 모델에는 다양한 데이터 포인트의 히트 맵과 같은 데이터가 중첩될 수 있다. 스윙의 정상 범위를 벗어나면 압력이나 움직임 데이터가 판독되며 정상 범위 내의 데이터는 녹색으로 표시된다. 완벽한 스윙을 수행하는 사용자는 골프 스윙의 3D 애니메이션 표현을 볼 수 있으며 전체 스윙에서 정상 범위 내에서 녹색이 표시된다. 그런 다음 모듈은 단계 604에서 사용자 장치(300)로부터의 요청을 기다린다. 데이터는 처리 능력이 제한되어 사용자 장치가 너무 많은 데이터로 사용자 장치를 압도하지 않도록 사용자 장치(300)가 요청할 때까지 스포츠 훈련 시스템(200)의 메모리에 저장된다. 시각화에 대한 요청이 사용자 장치(300)로부터 수신되면, 단계 605에서 시각화가 사용자 장치로 전송된다. 시각화가 전송되면, 단계 606에서 새로운 시각화를 생성하기 위해 데이터 수집 모듈(206)에 의해 다시 시작될 때까지, 모듈은 종료된다.
도 7은 제안 모듈(208)의 실행에 따라 신체적 움직임에 관한 학습 기반 제안을 하기 위한 예시적인 방법을 도시하는 흐름도이다. 제안 모듈(208)은 단계 701에서 머신 러닝 모듈(209)로부터 사용자 동작의 식별된 결함을 수신하는 것으로 시작된다. 예를 들어, 머신 러닝 모듈(209)은 골프에서 스윙이 끝날 때 사용자의 뒷발에 너무 많은 체중이 실려 있음을 식별할 수 있다. 이어서, 제안 모듈(208)은 수신된 결함을 사용하여 단계 702에서 제안 데이터 베이스(205)의 제안을 식별한다. 식별된 결함에 대해 둘 이상의 제안이 있을 수 있다. 결함이 식별되면, 결함은 사용자 장치(300) 및 강사 장치(400)로 전송되도록 머신 러닝 모듈(208)로 다시 전송된다.
도 8은 머신 러닝 모듈(209)의 실행에 따른 학습 기반 제안 세분화를 위한 예시적인 방법을 도시하는 흐름도이다. 머신 러닝 모듈(209)은 단계 801에서 가장 최근 또는 새로운 IMU 데이터에 대한 IMU 데이터 베이스(204)의 폴링으로 시작한다. 신규 또는 최근 IMU 데이터는 단계 802에서 ML 데이터 베이스(203)의 데이터와 비교된다. ML 데이터 베이스(203)는 머신 러닝 모듈(209)이 사용자 스윙의 특정 결함을 식별하는 데 사용할 수 있는 데이터를 저장한 다음 제안 모듈(208)에 결함을 자동으로 전송하며, 제안 모듈(208)은 사용자의 동작 또는 스윙을 개선하기 위한 제안을 전송한다. 단계 803에서, IMU 데이터 및 ML 데이터 베이스(203)가 일치하는 경우 제안 모듈이 시작된다. 단계 803에서, 일치하는 것이 없다면, 강사는 단계 805에서 강사 장치(400)에 프롬프트된다. 강사에게 프롬프트하는 목적은 머신 러닝 모듈(209)이 사용자의 동작이나 스윙에 어떤 결함이 있는지 파악하지 못하거나 개인의 체형이나 부상으로 인한 신체적 한계가 있어 정상적인 스윙에 적합하지 않기 때문이며, 따라서 데이터가 강사에게 전송된다. 강사는 사용자의 IMU 데이터를 검토하여 사용자의 동작이나 스윙에 결함(들)이 무엇인지 또는 개인의 특별한 요구 사항이 무엇인지 결정하고 강사는 단계 806에서 결정된 결함을 머신 러닝 모듈(209)로 다시 보낸다. 이어서, 강사가 결정한 결함은 단계 807에서 IMU 데이터와 함께 ML 데이터 베이스(203)에 저장되어 다음에 유사한 IMU 데이터가 수신될 때 머신 러닝 모듈(209)이 결함을 인식할 수 있도록 한다. 이어서, 결정된 결함은 단계 808에서 제안 모듈(208)로 전송된다. 제안 모듈(208)로 전송된 데이터는 ML 데이터 베이스(203)에서 결정되고 폴링된 결함일 수 있거나 강사로부터 결정된 결함일 수 있다. 데이터가 제안 모듈로 전송되면, 머신 러닝 모듈(209)은 단계 809에서 종료된다. 일부 실시예에서, IMU 데이터가 ML 데이터 베이스(203)와 비교될 때, 데이터는 임계값 비교에 기초하여 일치되며, 구체적으로 IMU 데이터는 ML 데이터 베이스(203)의 데이터와 정확히 일치하지 않을 수 있지만 임계값 내에서는 일치할 수 있다.
도 9는 기반 모듈(308)의 실행에 따른 물리적 움직임을 모니터링하고 분석하는 예시적인 방법을 도시하는 흐름도이다. 기반 모듈(308)은 사용자가 단계 901에서 모듈을 시작하는 사용자 장치(300)에서 애플리케이션을 시작할 때 시작된다. 이어서, 기반 모듈(308)은 단계 902에서 연결되었거나 사용자 장치 근처에 새로운 센서가 있는지 확인하기 위해 폴링을 시작한다. 특히, 센서 데이터 베이스(306)에 아직 없는 추가 IMU(100)가 있는 경우이다. 모듈은 사용자 장치(300)에 연결된 현재 센서와 센서 데이터 베이스(306)에 현재 저장된 센서를 살펴봄으로써 이를 수행한다. 센서는 Bluetooth, NFC 또는 기타 저전력 통신 방법과 같은 알려진 통신 방법을 사용하여 연결될 수 있다. 새로운 센서가 감지되면, 단계 903에서 설정 모듈(310)은 단계 904에서 시작된다. 단계 903에서, 새로운 센서가 감지되지 않으면, 단계 905에서 사용자가 플레이 또는 연습을 위해 애플리케이션을 사용하고 있는지 묻는 메시지가 표시된다. 예를 들어, 사용자가 골프 라운드를 원할 때 플레이 옵션을 선택하는 반면에, 골퍼가 골프 연습장에서 골프 스윙을 연습하기 위해 애플리케이션을 사용하려는 경우, 골퍼는 연습 옵션을 선택할 것이다. 플레이 대 연습이라는 두 가지 옵션의 차이에 따라 시스템이 사용할 센서가 결정된다. 예를 들어, 연습 모드의 경우, 시스템은 사용자 장치(300) GPS(307)를 사용할 필요가 없지만, 플레이할 때와 비교할 때 추가 센서가 활용될 수 있다. 단계 906에서, 사용자가 "연습"을 선택했는지 여부가 결정되고, 그렇다면 단계 907에서 연습 모듈(312)이 시작된다. 사용자가 "연습" 대신 "플레이"를 선택하면 플레이 모듈(311)이 908에서 시작된다. 플레이 모듈(311) 또는 연습 모듈(312)이 실행되면, 클럽 볼 위치 모듈(310)이 단계(909)에서 시작된다. 이 시점에서, 사용자 장치(300)에 필요한 모든 모듈이 시작되었으며 모듈은 910에서 종료된다.
도 10은 센서 위치 모듈(310)의 실행에 따라 이동 센서의 위치를 찾고 폴링하는 예시적인 방법을 도시하는 흐름도이다. 센서 위치 모듈은 단계 1001에서 플레이 모듈(311) 또는 연습 모듈(312)에 의해 모듈이 시작되는 것으로 시작된다. 이어서, 센서 데이터 베이스(306)는 단계(1002)에서 얼마나 많은 센서와 어떤 센서가 사용자 장치(300)에 이미 연결되어 있는지를 결정하기 위해 폴링된다. 센서 데이터 베이스(306)는 시스템 및 사용자 장치(300)에 연결된 센서 또는 IMU(100)의 타입을 저장한다. 또한, 설정 프로세스 중에, 사용자 신체에 있는 센서의 대략적인 위치도 저장된다. 예를 들어, 위치는 발, 클럽 또는 머리일 수 있다. 1003 단계에서, 센서의 위치가 추출된다. 사용자 신체의 일반적인 위치가 결정되면, IMU(100)의 106에 있는 통신 장치는 단계 1004에서 신호 데이터에 대해 폴링된다. 이어서, 신호 데이터는 단계 1005에서 적어도 2개의 다른 센서와 관련하여 각 센서의 정확한 위치를 계산하는 데 사용된다. 통신 데이터를 사용하여 장치의 정확한 위치를 계산하는 방법은 해당 기술 분야에 잘 알려져 있다. 예를 들어, 서로 다른 3개의 장치 간의 신호를 활용하면, 신호 강도를 사용하여 삼각측량을 통해 각 센서의 위치를 서로 계산할 수 있다. 이어서, 위치 데이터는 단계 1006에서 IMU 데이터 베이스(204)에 저장된다. 위치 데이터는, 어떤 이유로 스포츠 훈련 시스템(200)에 연결되지 않은 경우, 센서 데이터 베이스(306)에 로컬로 저장될 수도 있다. 단계 1007에서, 모듈은 플레이 모듈(311) 또는 연습 모듈(312)이 여전히 활성 상태인지 여부를 결정한다. 놀이 모듈(311)이나 연습 모듈(312)이 여전히 활성화되어 있는 경우, 모든 센서의 위치 데이터를 계속해서 계산하므로 모듈은 1004단계로 복귀한다. 사용자 신체의 움직임을 더 잘 이해하려면 다양한 센서의 위치가 필요하다. 또한, 센서는 골프 클럽의 헤드나 배트에 위치하여 사용자의 스윙을 추적하는 데 도움이 될 수 있다. 플레이 모듈(311) 또는 연습 모듈(312)이 더 이상 활성 상태가 아닌 경우, 모듈은 단계 1008에서 종료된다.
도 11은 플레이 모듈(311)의 실행에 따른 플레이 모니터링 및 분석을 위한 예시적인 방법을 도시하는 흐름도이다. 플레이 모듈(311)은 사용자가 단계 1101에서 "플레이" 옵션을 선택할 때 모듈을 시작하는 기본 모듈(308)로 시작된다. 이어서, 센서 위치 모듈(310)이 단계 1102에서 개시된다. 이는 플레이 모듈(311)이 정확한 위치와 현재 사용되고 있는 센서를 결정할 수 있게 한다. 예를 들어, 사용자는 연습할 때 가능한 모든 센서를 사용하는 대신 골프 라운드를 할 때 제한된 수의 센서만 사용할 수 있다. 또한, 골프 라운드를 하는 동안 사용자는 번거로울 수 있는 너무 많은 센서를 착용하고 싶지 않을 수도 있다. 단계 1103에서, 골프에 사용되는 시기를 결정하는 데 도움이 되는 클럽-공 위치 모듈(309)이 또한 개시되어 사용자의 스윙 전에 공과 클럽의 배치가 올바른지 결정할 것이다. 이어서, 단계 1104에서, 연결되어 사용되고 있는 IMU(100)로부터 데이터가 수신된다. 데이터는 또한 단계 1105에서 센서 위치 모듈(310)로부터 수신된다. 데이터는 또한 단계 1106에서 클럽볼 위치 모듈(309)로부터 수신된다. 사용자 장치(300)의 GPS(307)로부터의 GPS 데이터도 단계 1107에서 수신된다. GPS 데이터는 플레이 중 사용자의 성능과 움직임을 추적하는 데 사용될 수 있다. 예를 들어, 사용자가 골프 라운드를 할 때, GPS 데이터를 사용하여, 사용자가 스윙할 때의 위치를 기반으로 공을 치는 거리를 확인할 수 있다. GPS 데이터, IMU 데이터, 위치 데이터를 포함한 모든 센서 데이터는 단계 1108에서 IMU 데이터 베이스(306)에 저장된다. 데이터는 스포츠 훈련 시스템(200) 및 IMU 데이터 베이스(204)로 전송되기 전에 센서 데이터 베이스(306)에 저장될 수도 있다. 이어서, 단계 1109에서 플레이어가 아직 플레이 중인지 여부가 결정된다. 사용자가 여전히 플레이 중인 경우m 시스템은 계속해서 데이터를 수신하고 단계 1104로 돌아간다. 사용자가 더 이상 플레이하지 않으면, 모듈은 단계 1110에서 종료된다.
도 12는 연습 모듈(312)의 실행에 따른 연습 모니터링 및 분석을 위한 예시적인 방법을 도시하는 흐름도이다. 연습 모듈(312)은 사용자가 단계 1201에서 "연습" 옵션을 선택할 때 모듈을 시작하는 기본 모듈(308)로 시작된다. 이어서, 센서 위치 모듈(310)은 단계 1202에서 시작된다. 이는 연습 모듈(312)이 정확한 위치와 현재 사용되고 있는 센서를 결정할 수 있게 한다. 예를 들어, 사용자는 자신의 동작이나 스윙을 더 잘 이해하고 분석하는 연습을 할 때 사용 가능한 모든 센서를 사용할 수 있다. 단계 1203에서, 골프에 사용되는 시기를 결정하는 데 도움이 되는 클럽-공 위치 모듈(309)이 또한 개시되어 사용자의 스윙 전에 공과 클럽의 배치가 올바른지 결정할 것이다. 이어서, 단계 1204에서 연결되어 사용되고 있는 IMU(100)로부터 데이터가 수신된다. 데이터는 또한 단계 1205에서 센서 위치 모듈(310)로부터 수신된다. 데이터는 또한 단계 1206에서 클럽볼 위치 모듈(309)로부터 수신된다. IMU 데이터와 센서 위치 데이터를 포함한 모든 센서 데이터는 단계 1207에서 IMU 데이터 베이스(306)에 저장된다. 데이터는 스포츠 훈련 시스템(200) 및 IMU 데이터 베이스(204)로 전송되기 전에 센서 데이터 베이스(306)에 저장될 수도 있다. 이어서, 단계 1208에서 플레이어가 아직 연습 중인지 여부가 결정된다. 사용자가 여전히 연습 중이면, 시스템은 계속해서 데이터를 수신하고 단계 1204로 돌아간다. 사용자가 더 이상 플레이하지 않으면, 모듈은 단계 1209에서 종료된다.
도 13은 강사 모듈(406)의 실행에 따른 강의 관리를 위한 예시적인 방법을 도시하는 흐름도이다. 강사 모듈(406)은 강사가 강사 장치(400)의 애플리케이션을 열거나, 단계 1301에서, 스포츠 훈련 시스템(200)으로부터의 프롬프트에 의해 모듈이 시작되는 것으로 시작된다. 프롬프트는 경고 또는 통지를 통해 강사 장치(400)에 표시될 수 있다. 예를 들어, 머신 러닝 모듈(209)이 사용자가 연습하고 강사가 없는 동안 결함을 결정할 수 있는 경우 머신 러닝 알고리즘 및 데이터를 더욱 개선하는 데 도움이 되도록 강사가 결함을 판단하도록 유도할 수 있다. 강사 모듈(406)이 시작되면, 모듈은 단계 1302에서 스포츠 훈련 시스템(200)으로부터 전송된 데이터를 수신한다. 수신된 데이터는 사용자의 IMU(100)로부터의 IMU 데이터이다. 다른 실시예에서, 수신된 데이터는 사용자 동작의 잠재적인 결함에 대해 IMU 데이터에 가장 근접하게 일치하는 머신 러닝 모듈(209)로부터의 추천이다. 이어서, 수신된 데이터는 강사 장치(400)의 디스플레이(403)에 표시된다. 강사는 사용자의 동작이나 스윙에 대한 분석된 데이터를 보고 피드백을 제공하거나 결함을 식별하라는 요청을 받는다. 강사는 결함을 개선하기 위해 제안된 해결 방법, 연습 또는 강의를 제공할 수도 있다. 강사의 입력은 단계 1304에서 수신될 것이다. 이어서 강사의 입력은 단계 1305에서 스포츠 훈련 시스템(200)으로 다시 전송된다. 이어서, 강사 모듈(406)은 사용자 장치(300)와 통신하여 단계(1306)에서 사용자가 여전히 시스템을 활발하게 사용하고 있는지 여부를 결정한다. 사용자가 여전히 활동 중인 경우, 모듈은 단계 1302로 돌아가서 스포츠 훈련 시스템(200)으로부터 데이터를 계속 수신할 것이고 강사는 피드백을 계속 제공할 것이다. 반면에, 사용자가 더 이상 적극적으로 연습하거나 플레이하지 않는 경우, 강사는 더 이상 필요하지 않으며 모듈은 단계 1307에서 종료된다.
프로세스 및 방법에서 수행되는 기능은 다른 순서로 구현될 수 있다. 또한, 개략적인 단계 및 동작은 예시로서만 제공되며, 단계 및 동작 중 일부는 선택적일 수 있으며, 더 적은 수의 단계 및 동작으로 결합되거나, 개시된 실시예의 본질을 손상시키지 않고 추가적인 단계 및 동작으로 확장될 수 있다.

Claims (21)

  1. 통합된 스포츠 훈련을 위한 시스템으로서, 상기 시스템은:
    복수의 상이한 활동-여기서 각각의 활동은 신체 부분에 관한 측정값 세트와 연관되어 있음-에 관한 정보를 저장하는 데이터 베이스;
    사용자의 신체 상의 상이한 위치에 부착되도록 구성된 복수의 상이한 형태의 센서를 포함하는 관성 측정 유닛; 및
    컴퓨팅 장치
    를 포함하고,
    상기 컴퓨팅 장치는:
    상기 사용자에 의한 활동 수행 중에 상기 관성 측정 유닛으로부터 복수의 측정값을 수신하며-여기서 상기 수신된 측정값은 상기 복수의 센서에 의해 취해짐-;
    상기 사용자에 의해 수행된 상기 활동을 식별하고, 또한 상기 저장된 측정값 세트로부터 하나 이상의 편차를 식별하기 위해, 상기 수신된 측정값에 머신 러닝을 적용하고;
    상기 사용자에게 제공할 하나 이상의 피드백 통신을 생성
    하도록 구성되며,
    상기 피드백 통신의 생성은 상기 저장된 측정값 세트로부터 상기 식별된 편차에 기반하는 것을 특징으로 하는 시스템.
  2. 제1항에 있어서, 상기 컴퓨팅 장치는 상기 식별된 활동과 관련된 강사 장치(instructor device)에 상기 식별된 편차를 추가로 전달하며, 상기 피드백 통신의 생성은 상기 강사 장치로부터의 입력에 추가로 기반하는 것을 특징으로 하는 시스템.
  3. 제1항에 있어서, 상기 컴퓨팅 장치는 상기 사용자에 의해 수행된 상기 활동에 관한 사용자 입력을 추가로 수신하며, 상기 신체의 상이한 위치에 센서를 배치하는 것과 관련하여 상기 사용자에게 제공할 센서 배치 명령을 생성하고, 상기 센서 배치 명령의 생성은 상기 수신된 사용자 입력을 기반으로 하는 것을 특징으로 하는 시스템.
  4. 제1항에 있어서, 상기 컴퓨팅 장치는 상기 복수의 센서 각각과 연관된 위치 중 하나를 추가로 식별하며, 상기 편차 중 적어도 하나를 식별하는 것은 상기 식별된 위치 및 상기 수신된 측정값의 대응하는 측정값에 기반하는 것을 특징으로 하는 시스템.
  5. 제1항에 있어서, 상기 저장된 측정값의 세트는 상기 활동 동안에 상기 신체 부분과 연관된 범위를 정의하며, 상기 수신된 측정값 중 하나 이상에 대응하는 상기 식별된 편차가 상기 정의된 범위를 벗어나는 것을 특징으로 하는 시스템.
  6. 제1항에 있어서, 상기 수신된 측정값은 타임스탬프와 연관되어 있으며, 상기 편차의 식별은 상기 타임스탬프에 추가로 기반하는 것을 특징으로 하는 시스템.
  7. 제1항에 있어서, 상기 컴퓨팅 장치는 상기 사용자의 체형에 관한 데이터를 추가로 수신하며, 상기 사용자의 체형에 대하여 수신된 데이터를 기반으로 상기 편차의 식별을 조정하는 것을 특징으로 하는 시스템.
  8. 제7항에 있어서, 상기 피드백 통신의 생성은 상기 사용자의 체형에 대하여 수신된 데이터에 추가로 기반하는 것을 특징으로 하는 시스템.
  9. 제1항에 있어서, 상기 컴퓨팅 장치는 상기 수신된 측정값에 기반하여 상기 활동을 수행하는 상기 사용자의 시각화를 추가로 생성하며, 상기 시각화가 상기 매핑된 측정값에 따라 수행된 활동 중에 상기 사용자의 신체를 제공하도록, 상기 시각화의 생성은 상기 수신된 측정값을 상기 사용자의 신체 상의 위치에 매핑하는 것이 포함되는 것을 특징으로 하는 시스템.
  10. 제9항에 있어서, 상기 시각화는 상기 수행된 활동을 시각화하는 동안 상기 식별된 편차의 정도를 제공하기 위해 색상 또는 색상 강도를 사용하는 히트맵(heatmap)인 것을 특징으로 하는 시스템.
  11. 통합된 스포츠 훈련을 위한 방법으로서, 상기 방법은:
    복수의 상이한 활동-여기서 각각의 활동은 신체 부분에 관한 측정값 세트와 연관되어 있음-에 관한 정보를 메모리에 저장하는 단계;
    상기 사용자에 의한 활동 수행 중에 관성 측정 유닛으로부터 컴퓨팅 장치로 전송된 복수의 측정값을 수신하는 단계-여기서 상기 수신된 측정값은 상기 관성 측정 유닛과 연관되며 사용자의 신체 상의 상이한 위치에 부착된 상기 복수의 센서로부터 취해짐-;
    상기 사용자에 의해 수행된 상기 활동을 식별하고, 또한 상기 저장된 측정값 세트로부터 하나 이상의 편차를 식별하기 위해, 상기 수신된 측정값에 머신 러닝을 적용하는 단계; 및
    상기 사용자에게 제공할 하나 이상의 피드백 통신을 생성하는 단계
    를 포함하고,
    상기 피드백 통신을 생성하는 단계는 상기 저장된 측정값 세트로부터 상기 식별된 편차에 기반하는 것을 특징으로 하는 방법.
  12. 제11항에 있어서, 상기 식별된 활동과 관련된 강사 장치에 상기 식별된 편차를 전달하는 단계를 추가로 포함하며, 상기 피드백 통신을 생성하는 단계는 상기 강사 장치로부터의 입력에 추가로 기반하는 것을 특징으로 하는 방법.
  13. 제11항에 있어서, 상기 사용자에 의해 수행된 상기 활동에 관한 사용자 입력을 수신하는 단계와, 상기 신체의 상이한 위치에 상기 센서를 배치하는 것과 관련하여 상기 사용자에게 제공할 센서 배치 명령을 생성하는 단계를 더 포함하며, 상기 센서 배치 명령을 생성하는 단계는 상기 수신된 사용자 입력에 기반하는 것을 특징으로 하는 방법.
  14. 제11항에 있어서, 상기 복수의 센서 각각과 연관된 위치 중 하나를 식별하는 단계를 추가로 포함하며, 상기 편차 중 적어도 하나를 식별하는 단계는 상기 식별된 위치 및 상기 수신된 측정값의 대응하는 측정값에 기반하는 것을 특징으로 하는 방법.
  15. 제11항에 있어서, 상기 저장된 측정값의 세트는 상기 활동 동안에 상기 신체 부분과 연관된 범위를 정의하며, 상기 수신된 측정값 중 하나 이상에 대응하는 상기 식별된 편차가 상기 정의된 범위를 벗어나는 것을 특징으로 하는 방법.
  16. 제11항에 있어서, 상기 수신된 측정값은 타임스탬프와 연관되어 있으며, 상기 편차의 식별은 상기 타임스탬프에 추가로 기반하는 것을 특징으로 하는 방법.
  17. 제11항에 있어서, 상기 사용자의 체형에 관한 데이터를 수신하는 단계, 및 상기 사용자의 체형에 대하여 수신된 데이터를 기반으로 상기 편차의 식별을 조정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  18. 제17항에 있어서, 상기 피드백 통신을 생성하는 단계는 상기 사용자의 체형에 대하여 수신된 데이터에 추가로 기반하는 것을 특징으로 하는 방법.
  19. 제11항에 있어서, 상기 수신된 측정값에 기반하여 상기 활동을 수행하는 상기 사용자의 시각화를 생성하는 단계를 추가로 포함하고, 상기 시각화가 상기 매핑된 측정값에 따라 수행된 활동 중에 상기 사용자의 신체를 제공하도록, 상기 시각화를 생성하는 단계는 상기 수신된 측정값을 상기 사용자의 신체 상의 위치에 매핑하는 단계를 포함하는 것을 특징으로 하는 방법.
  20. 제19항에 있어서, 상기 시각화는 상기 수행된 활동을 시각화하는 동안 상기 식별된 편차의 정도를 제공하기 위해 색상 또는 색상 강도를 사용하는 히트맵인 것을 특징으로 하는 방법.
  21. 통합된 스포츠 훈련을 위한 방법을 수행하기 위한 실행 가능한 명령이 구현되는, 비일시적인 컴퓨터 판독 가능한 저장 매체로서, 상기 방법은:
    복수의 상이한 활동-여기서 각각의 활동은 신체 부분에 관한 측정값 세트와 연관되어 있음-에 관한 정보를 메모리에 저장하는 단계;
    상기 사용자에 의한 활동 수행 중에 관성 측정 유닛으로부터 컴퓨팅 장치로 전송된 복수의 측정값을 수신하는 단계-여기서 상기 수신된 측정값은 상기 관성 측정 유닛과 연관되며 사용자의 신체 상의 상이한 위치에 부착된 상기 복수의 센서로부터 취해짐-;
    상기 사용자에 의해 수행된 상기 활동을 식별하고, 또한 상기 저장된 측정값 세트로부터 하나 이상의 편차를 식별하기 위해, 상기 수신된 측정값에 머신 러닝을 적용하는 단계; 및
    상기 사용자에게 제공할 하나 이상의 피드백 통신을 생성하는 단계
    를 포함하고,
    상기 피드백 통신을 생성하는 단계는 상기 저장된 측정값 세트로부터 상기 식별된 편차에 기반하는 것을 특징으로 하는 비일시적인 컴퓨터 판독 가능한 저장 매체.
KR1020237032579A 2021-02-25 2022-02-18 통합된 스포츠 훈련 KR20230147199A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163153831P 2021-02-25 2021-02-25
US63/153,831 2021-02-25
PCT/US2022/017007 WO2022182591A1 (en) 2021-02-25 2022-02-18 Integrated sports training

Publications (1)

Publication Number Publication Date
KR20230147199A true KR20230147199A (ko) 2023-10-20

Family

ID=82901327

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237032579A KR20230147199A (ko) 2021-02-25 2022-02-18 통합된 스포츠 훈련

Country Status (3)

Country Link
US (1) US12029941B2 (ko)
KR (1) KR20230147199A (ko)
WO (1) WO2022182591A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12029941B2 (en) 2021-02-25 2024-07-09 William Yuen Integrated sports training
CA3222789A1 (en) 2021-05-27 2022-12-01 Ai Thinktank Llc 3d avatar generation and robotic limbs using biomechanical analysis
US12008839B2 (en) * 2021-05-28 2024-06-11 Sportsbox.ai Inc. Golf club and other object fitting using quantitative biomechanical-based analysis
US11620858B2 (en) * 2021-05-28 2023-04-04 Sportsbox.ai Inc. Object fitting using quantitative biomechanical-based analysis
USD1035721S1 (en) 2022-04-20 2024-07-16 Sportsbox.ai Inc. Display screen with transitional graphical user interface
USD1035720S1 (en) 2022-04-20 2024-07-16 Sportsbox.ai Inc. Display screen with transitional graphical user interface
USD1036464S1 (en) 2022-04-20 2024-07-23 Sportsbox.ai Inc. Display screen with transitional graphical user interface

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101970066B (zh) * 2008-02-27 2014-10-22 耐克创新有限合伙公司 交互式运动训练日志
EP2323554B1 (en) * 2008-08-07 2019-02-20 University of Massachusetts Spectroscopic sensors
US8419560B2 (en) * 2011-07-14 2013-04-16 Alexander Andre Amini System and method for adaptive delivery of game balls based on player-specific performance data analysis
WO2013151770A1 (en) * 2012-04-03 2013-10-10 Carnegie Mellon University Musculoskeletal activity recognition system and method
KR101975056B1 (ko) * 2016-12-02 2019-05-07 한국전자통신연구원 사용자 맞춤형 트레이닝 시스템 및 이의 트레이닝 서비스 제공 방법
US10352962B2 (en) * 2016-12-29 2019-07-16 BioMech Sensor LLC Systems and methods for real-time data quantification, acquisition, analysis and feedback
US20190374161A1 (en) * 2018-06-08 2019-12-12 Seismic Holdings, Inc. Exosuit systems and methods for detecting and analyzing lifting and bending
US20200261023A1 (en) * 2019-02-14 2020-08-20 Athletai Co. Ascertaining, Reporting, and Influencing Physical Attributes And Performance Factors of Athletes
US20210321875A1 (en) * 2020-04-20 2021-10-21 Tsinghua University Real-time Monitoring and Identification System Based on Bracelet Temperature Measurement and Positioning
US12029941B2 (en) 2021-02-25 2024-07-09 William Yuen Integrated sports training

Also Published As

Publication number Publication date
US12029941B2 (en) 2024-07-09
US20220266091A1 (en) 2022-08-25
WO2022182591A1 (en) 2022-09-01

Similar Documents

Publication Publication Date Title
KR20230147199A (ko) 통합된 스포츠 훈련
US11742067B2 (en) Predictable and adaptive personal fitness planning
US10089763B2 (en) Systems and methods for real-time data quantification, acquisition, analysis and feedback
US11832971B2 (en) Wearable device utilizing flexible electronics
US10352962B2 (en) Systems and methods for real-time data quantification, acquisition, analysis and feedback
US11679300B2 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
US11263919B2 (en) Feedback signals from image data of athletic performance
US10918924B2 (en) Frameworks, devices and methodologies configured to enable delivery of interactive skills training content, including content with multiple selectable expert knowledge variations
US20160038088A1 (en) Systems and devices for measuring, capturing, and modifying partial and full body kinematics
US20160275805A1 (en) Wearable sensors with heads-up display
JP2014171907A (ja) 個人およびスポーツ対象物に関するパフォーマンス情報を決定する方法
US20220379167A1 (en) Object fitting using quantitative biomechanical-based analysis
CA3222789A1 (en) 3d avatar generation and robotic limbs using biomechanical analysis
US10313868B2 (en) Athletic data aggregation and display system
KR20170114452A (ko) 스마트 밴드 및 스마트 공을 이용한 스포츠 트레이닝 시스템
CN110337316B (zh) 信息处理设备、信息处理方法、以及程序
CN111316201A (zh) 借助器材支持锻炼者的运动锻炼的系统、方法及计算机程序产品
KR102377754B1 (ko) 오토코칭정보 제공방법 및 시스템
US20240042276A1 (en) Systems and methods for measuring and analyzing the motion of a swing and matching the motion of a swing to optimized swing equipment
KR20240128407A (ko) 웨어러블 센서를 이용한 골프 레슨 방법, 골프 라운드 복기 방법, 골프 레슨 장치 및 골프 라운드 복기 장치
KR20240137112A (ko) 스윙의 모션을 측정 및 분석하는 시스템 및 방법
KR20200071457A (ko) 오토코칭정보 제공방법 및 시스템