WO2023128612A1 - Ai운동가이드장치 및 방법 - Google Patents

Ai운동가이드장치 및 방법 Download PDF

Info

Publication number
WO2023128612A1
WO2023128612A1 PCT/KR2022/021513 KR2022021513W WO2023128612A1 WO 2023128612 A1 WO2023128612 A1 WO 2023128612A1 KR 2022021513 W KR2022021513 W KR 2022021513W WO 2023128612 A1 WO2023128612 A1 WO 2023128612A1
Authority
WO
WIPO (PCT)
Prior art keywords
exercise
user
pmw
muscle strength
value
Prior art date
Application number
PCT/KR2022/021513
Other languages
English (en)
French (fr)
Inventor
유선경
Original Assignee
주식회사 디랙스
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
Priority claimed from KR1020220152002A external-priority patent/KR20230101699A/ko
Application filed by 주식회사 디랙스 filed Critical 주식회사 디랙스
Publication of WO2023128612A1 publication Critical patent/WO2023128612A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features

Definitions

  • the present invention relates to a method and exercise equipment for automatically providing a target weight suitable for a user.
  • Weight exercise equipment is provided in various forms according to body parts for increasing muscle strength or purpose of use, and is mainly made to train the upper and lower bodies using hands or feet. The user may exercise by moving the selected weight through the exercise structure of the exercise device.
  • the AI exercise guide device automatically sets the target weight of the exercise equipment that the user wants to use when user data including at least some of the user's gender, age, weight, height, BMI, and body fat is input. want to set
  • the AI exercise guide device is intended to automatically adjust the target weight of the exercise equipment according to the user's exercise purpose.
  • AI exercise guide device based on user data muscle strength estimation unit for estimating the estimated muscle strength value of the user's specific muscle strength; A detection unit for detecting a percentile value to which the estimated muscle strength value belongs in a predetermined adult muscle strength percentile value; and a PMW estimation unit for estimating the PMW of an exercise machine the user intends to use based on the detected percentile value.
  • the AI exercise guide device can automatically set a target weight suitable for the user for each exercise device when user data including at least some of the user's gender, age, weight, height, BMI and body fat is input. There is an effect.
  • the AI exercise guide device also has the effect of automatically setting a target weight suitable for the user for each exercise machine according to the user's exercise purpose.
  • FIG. 1 shows a smart gym system in which an AI exercise guide device is used as a preferred embodiment of the present invention.
  • FIG. 2 shows an example of an exercise device in which an AI exercise guide method provided in a smart gym is implemented as a preferred embodiment of the present invention.
  • 3 is a preferred embodiment of the present invention, showing the internal configuration of the exercise equipment and smart gym server in which the AI exercise guide method is implemented in the smart gym system.
  • FIG. 4 is a preferred embodiment of the present invention, showing the internal configuration of the AI exercise guide device.
  • FIG 5 shows an example of a user interface of an AI exercise guide device as a preferred embodiment of the present invention.
  • FIG. 6 shows an example of a motion trajectory detected in an exercise device in which an AI motion guide method is implemented as a preferred embodiment of the present invention.
  • FIG. 7 is a preferred embodiment of the present invention, showing a flow chart of the AI exercise guide method.
  • AI exercise guide device based on user data muscle strength estimation unit for estimating the estimated muscle strength value of the user's specific muscle strength; A detection unit for detecting a percentile value to which the estimated muscle strength value belongs in a predetermined adult muscle strength percentile value; and a PMW estimation unit for estimating the PMW of an exercise machine the user intends to use based on the detected percentile value.
  • the AI exercise guide device further includes a motion goal setting unit that automatically sets a target weight of an exercise machine that the user wants to use based on the estimated PMW. .
  • the PMW estimator uses a matching table that matches the PMW percentile value of the exercise machine obtained from the population using the exercise machine the user wants to use with the preset adult muscle strength percentile value , characterized in that for estimating the PMW matching the estimated muscle strength value.
  • the PMW percentile value of the exercise equipment obtained from the population is updated using the PMW data of the user using the exercise equipment the user wants to use provided in at least one smart gym.
  • the matching table is also updated.
  • the user data is characterized in that it includes at least a part of the user's gender, age, weight, height, BMI, and body fat percentage.
  • the specific muscle strength is characterized in that the grip strength.
  • the target weight of the exercise equipment that the user wants to use is different according to the user's exercise purpose received through the user interface.
  • the AI exercise guide method calculates an estimated muscle strength value by estimating a user's specific muscle strength based on user data in a muscle strength estimation unit; Detecting a percentile value to which the estimated muscle strength value belongs in a predetermined adult muscle strength percentile value in a detection unit; It is characterized in that it comprises a; step.
  • FIG. 1 shows a smart gym system in which an AI exercise guide device is used as a preferred embodiment of the present invention.
  • the smart gym system 100 includes a smart gym server 110, at least one exercise device 100a, 100b, 100c, ..., 100n, at least one user terminal 120 and a manager terminal 130. .
  • the smart gym server 110 can communicate with the first smart gym 112, the second smart gym 114, and the nth smart gym 116 in physically different locations, and the first smart gym At least one exercise device (100a, 100b) disposed in 112, at least one exercise device (100c) disposed in the second smart gym 114, and at least one disposed in the nth smart gym 116 Transmission and reception of data with the exercise equipment 100n is possible.
  • the smart gym provides the user's exercise record using exercise equipment to the smart gym server 110, and the smart gym server 110 learns and analyzes the user's exercise record to suit the user. It refers to a physical space that provides exercise prescriptions. Smart gyms can be implemented in fitness centers, gyms, and spaces equipped with exercise equipment.
  • Users who come to the smart gym to exercise can enter the smart gym after verifying their identity when entering or exiting the smart gym. For example, by tagging the user terminal 120 to an unmanned terminal such as a kiosk at the entrance of a smart gym by NFC (Near Field Communication) or RFID (Radio Frequency IDentification) method, the user can enter or exit after member verification, or unattended Access is possible after member confirmation is performed through biometric information confirmation such as face recognition in the terminal.
  • NFC Near Field Communication
  • RFID Radio Frequency IDentification
  • Information on the user whose membership has been confirmed may be transmitted from the smart gym server 200 to at least one of the exercise devices 100A, 100B, 100C, and 100N through the network.
  • the smart gym server 200 may transmit information about the user to the exercise equipment to which the terminal 120 is tagged by the user.
  • the information about the user is also used as the term user data and includes at least some or all of the user's gender, age, weight, height, BMI, and body fat percentage.
  • the smart gym server 110 provides a first user (USER A) and a second user (USER B) using each of at least one exercise device (100a, 100b) disposed in the smart gym 112, an exercise method suitable for each user. , exercise intensity, exercise sequence, etc. can be guided.
  • the smart gym server 110 may automatically control values such as a target weight and a recommended usage speed of each of the exercise machines 100a and 100b.
  • the smart gym server 110 may receive exercise records of the first user (USER A) and the second user (USER B) using the exercise equipment (100a, 100b), respectively.
  • health information such as heart rate, blood pressure, and pulse of the user or life log information may be received from the user terminal 120 .
  • the smart gym server 110 may be implemented in the form of a cloud server.
  • the smart gym server 110 can integrate and manage information collected from each exercise equipment in the smart gym exercise center located in different locations. For example, the smart gym server 110 integrates and manages the details of the first user using the exercise equipment in the smart gym 112 in the first location and the details of using the exercise equipment in the smart gym 114 in the second location. can do.
  • At least one exercise device may be a stretching exercise machine, a weight exercise machine, or an aerobic exercise machine.
  • Weight exercise equipment includes free weight equipment and machine equipment.
  • At least one exercise device (100a, 100b, 100c, ..., 100n) provides an exercise guide suitable for the user through a display attached to the exercise device or a display capable of communicating with the exercise device through wired or wireless communication.
  • a stretching device an exercise guide related to stretching to be used by a user is provided through a smart mirror capable of communicating with the stretching device by wire or wirelessly.
  • a motion guide may be provided using various output methods such as a speaker and vibration.
  • At least one exercise device may perform wired or wireless communication with the smart gym server 110, the user terminal 120, and the manager terminal 130.
  • the user terminal 120 may be implemented in the form of a smart phone, smart watch, handheld device, or wearable device.
  • the user terminal 120 may install an application for using the smart gym system.
  • the user terminal 120 may receive exercise sequence information and the like from the smart gym server 120 .
  • An exercise sequence refers to an exercise plan that is planned in consideration of the user's physical strength and exercise ability.
  • the exercise sequence includes information such as a list of exercise equipment to be used by the user, a target weight of each exercise machine, and the number of times of use.
  • the user uses at least one exercise device (100a, 100b, 100c, ..., 100n) in the smart gym system 100
  • the user performs communication through tagging such as NFC or RFID using the terminal 120, or Identity verification may be performed using the user's body characteristics.
  • the smart gym server 110 may transmit user data to the exercise equipment tagged by the user.
  • 3 is a preferred embodiment of the present invention, showing the internal configuration of the exercise equipment and smart gym server in which the AI exercise guide method is implemented in the smart gym system.
  • the exercise equipment 300 in the smart gym can communicate with the smart gym server 380, the user terminal 390, and an external server 388.
  • the exercise device 300 includes a processor 310, a sensing unit 320, a communication unit 340, a motion guide unit 360 and a display 370.
  • a camera unit 330 and an image processing unit 350 may be further included.
  • the processor 310 may further include an AI processing unit 312 as needed.
  • the shoulder press 200 shows an example of an exercise device 300 to which an AI exercise guide method used in a smart gym is applied.
  • the exercise device 300 will be described with reference to FIGS. 2 and 3 .
  • the sensing unit 220 may be installed in the frame structure 213 of the exercise body 210 .
  • the frame structure 213 includes a base frame 231a, guide rails 231b, and connection lines 231c.
  • the sensing unit 220 irradiates a laser beam toward the fin structure 215, receives the reflected laser beam, and measures the distance D (S220) from the sensing unit 220 to the fin structure 215 in real time or It is measured in units of preset t time. Through this, the sensing unit 220 may detect at least one of the position, moving speed, and moving direction of the weight member 211 selected by the pin structure 215 in real time.
  • the sensing unit 220 measures the distance (D) (S220) to the pin structure 215 inserted in the weight plate, Based on this, the motion trajectory can be detected.
  • the communication unit 340 may receive a user input through the display unit 230 or transmit and receive user data from the user DB 382 of the smart gym server 380 .
  • the communication unit 340 can also communicate with an external server 388 .
  • Exercise guide unit 360 based on the user data received from the user DB 382, the target weight of the exercise machine, the moving speed of the exercise machine, the breathing method when using the exercise machine, the exercise sequence when using a plurality of exercise machines, and the exercise machine Information such as a target weight of can be provided to the user.
  • the smart gym server 380 may calculate an estimated muscle strength value of a specific muscle strength based on user data.
  • PMW estimation of the exercise equipment to be used by the user is estimated, and the initial target weight of the exercise equipment to be used by the user is automatically set based on the user's exercise purpose and PMW estimation .
  • PMW Personal Maximum Weight
  • Examples of PMW include 1RM, 4RM, and the like.
  • the smart gym server 380 may provide the initial target weight of the exercise equipment to be used by the user to the exercise guide unit 360 of the exercise machine 300, and the exercise guide unit 360 is displayed on the display 370 to be used by the user.
  • the initial target weight of the exercise equipment can be displayed. For an example of presenting the initial target weight (550 in FIG. 5) of the exercise equipment to be used by the user, see FIG.
  • the camera unit 330 is built into the exercise device 300 or can communicate with the exercise device 300 by wire or wireless, and can capture a user's exercise posture.
  • the image processing unit 350 may analyze the user's exercise posture captured by the camera unit 330 through the processor 310 .
  • the user can learn the image processing result of the exercise posture photographed when the user exercises with the target weight of the exercise machine, and transmit the learning result to the smart gym server 380.
  • the AI processing unit 312 may also process or learn the objectification index using the user's exercise device.
  • An example of the objectification index is an exercise record, and the weight of the exercise machine identified when using the exercise machine, the number of repetitions (Reps), the number of sets, the exercise trajectory, the movement speed, and the regularity of the number of repetitions per set (Reps), etc. includes
  • the smart gym server 380 includes a user DB 382, a machine learning processing unit 384, and an exercise guide processing unit 386.
  • the user DB 382 stores and manages user data.
  • User data includes the user's gender, age, weight, height, BMI, and body fat percentage.
  • the machine learning processing unit 384 learns and processes the objectification index including the exercise records of the exercise devices used by the user in the smart gym.
  • the machine learning processing unit 384 may update the PMW estimation to the PMW individual based on the objectification index of the exercise equipment that the user has used in the smart gym for a certain period of time.
  • the machine learning processing unit 384 updates the PMW individual to a value larger than the PMW estimate when the objectification index is equal to or greater than the first reference value, and the PMW individual to a value smaller than the PMW estimate when the objectification index is equal to or less than the second reference value .
  • the machine learning processing unit 384 determines that the user's exercise capacity is greater than the PMW estimate estimated from the user's specific muscle strength based on the objectification index identified based on the user's exercise record, etc. Estimates the user's maximum muscle strength value as PMW It can be reset to a larger PMW individual . On the other hand, if it is determined that the user's exercise capacity is smaller than the PMW estimate from the user's specific muscle strength based on the objectification index identified based on the user's exercise record, the user's maximum muscle strength value is reset to a PMW individual smaller than the PMW estimate .
  • the user can move the shoulder press along the moving speed guide VG1 530 provided by the exercise guide unit.
  • the moving speed guide VG1 (530) means a moving speed suitable for obtaining an effect suitable for the exercise purpose when the user uses the shoulder press exercise equipment.
  • the measured speed V1 (520) at which the user pushes the shoulder press is displayed along the reference line (510).
  • the AI processing unit 312 or the exercise guide processing unit 386 determines that the movement speed guide VG1 (530) and the speed V1 (520) have a higher matching rate, and an exercise optimized for the exercise purpose has been performed.
  • the sensing unit 320 may determine a motion trajectory based on distance information sensed while the user is using the shoulder press.
  • the machine learning processing unit 384 determines that the higher the matching rate between VG1 (530) and speed V1 (520), the more the user performs the shoulder press exercise in conformity with the exercise program provided by the AI exercise device.
  • the machine learning processing unit 384 determines the rising start point 611, the falling start point 613, the rising section speed V1 (S610), and the falling section speed V2 (S620) identified from the motion trajectory detected while the user uses the shoulder press. , the average speed of the ascending section, the average speed of the descending section, and at least a part of the height H 612 are used to determine the completeness of the motion trajectory, and the degree of completeness of the motion trajectory can be converted into a numerical value and used as an objectification index.
  • the machine learning processing unit 384 determines the completeness of the user's motion trajectory
  • the preset values, ascent start time, descent start time, ascent section speed, descent section speed, ascent section average speed, descent section average speed, and height The degree of completeness can be converted into a numerical value and used as an objectification index by comparing each of them and assigning a score of high, medium, low, or 1 to 10 points for completeness according to a predetermined standard. It should be noted that this is only one embodiment of the present invention and various conversions are possible.
  • the machine learning processing unit 384 uses the number of repetitions (Reps) as an objectification index, the number of repetitions based on the regularity between the total number of repetitions constituting one set and each movement trajectory The completeness of (Reps) may be determined, and the degree of completeness of the number of repetitions (Reps) may be converted into a numerical value and used.
  • the exercise guide processing unit 386 may also provide the target weight of the exercise equipment updated based on the PMW individual received from the machine learning processing unit 384.
  • FIG. 4 is a preferred embodiment of the present invention, showing the internal configuration of the AI exercise guide device.
  • the AI exercise guide device 400 includes a muscle strength estimation unit 410, a detection unit 420, a PMW estimation unit 430, and an exercise goal setting unit 440.
  • Muscular strength estimator 410 estimates an estimated muscle strength value for a specific muscle strength of the user based on the user data.
  • the muscle strength estimator 410 calculates an estimated muscle strength value for a specific muscle strength of the user, as in one embodiment of Equation 1, using the user's gender, BMI, body fat percentage, and age information.
  • One example of the specific muscle strength may be grip strength.
  • Equation 1 A, B, C, D and E represent preset values.
  • the detection unit 420 detects the percentile value to which the estimated muscle strength value belongs to the adult muscle strength percentile obtained from an external server (FIG. 3, 388) or set as shown in Tables 1 to 2.
  • Table 1 shows the percentiles of male adult relative grip strength
  • Table 2 shows the percentiles of female adult relative grip strength.
  • the estimated muscle strength value of a 32-year-old man is calculated as 55.9 in the muscle strength estimation unit 410
  • the estimated muscle strength value of a 32-year-old man is 55.9 in the adult muscle strength percentile value set in the detection unit 420 as shown in Table 1. Detects the 40th percentile to which it belongs.
  • the PMW estimator 430 estimates the PMW of the exercise machine the user intends to use using the PMW percentile value matched to the percentile value of the estimated muscle strength value detected by the detector 420 .
  • the PMW estimator 430 may pre-store the PMW percentile value of the exercise equipment obtained from the population using the exercise equipment or download it from the smart gym server.
  • the smart gym server pre-stores a mapping table that stores the PMW percentile value for each exercise equipment, and the PMW percentile value will be updated in predetermined period units to further reflect the data of users using each exercise equipment in the smart gym.
  • the machine learning processing unit 384 of the smart gym server 380 initially generates a matching table based on PMW data obtained from a preset population. Thereafter, the machine learning processing unit 384 continuously collects PMW data of users who use exercise equipment provided in the smart gym, and a matching table providing a PMW percentile value generated based on the PMW data obtained from the initially set population. can be updated at regular intervals.
  • Tables 3 to 5 show examples of mapping tables used by the PMW estimation unit 430. In Tables 3 to 5, only some of the PMW90 percentile values in the PMW10 percentile values are shown for convenience of explanation, and it should be noted that the described numbers are an example for understanding.
  • the PMW estimator 430 detects the percentile 40 to which the estimated muscle strength value of 55.9 of a 32-year-old male belongs in the predetermined adult muscular strength percentile value as shown in Table 1, the PMW of the exercise machine corresponding to the 40th percentile is estimated.
  • the PMW estimation unit 430 estimates the PMW of the chest press exercise machine to be 65.1 kg corresponding to the percentile value of PMW40 based on the 'initial population PMW (kg)'.
  • Estimate the PMW of the leg extension exercise equipment to be 66.5kg corresponding to the percentile value of PMW40.
  • the estimated PMW of the shoulder press equipment is estimated to be 41.2kg corresponding to the percentile value of PMW40.
  • the PMW estimator 430 in addition to the PMW data of the initially set population, when the big data of users using exercise equipment in the smart gym is further collected, Tables 3 to 5 " Updated PMW data such as "updated population PMW (kg)" can be used.
  • the PMW estimation of the chest press exercise equipment can be updated to 64.7kg corresponding to the percentile value of PMW40.
  • the PMW estimation of the leg extension exercise equipment can be updated to 66.8kg corresponding to the percentile value of PMW40.
  • the PMW estimation of the shoulder press equipment can be updated to 40.2kg corresponding to the percentile value of PMW40.
  • the exercise goal setting unit 440 sets an initial target weight for each exercise machine based on the estimated PMW of each exercise machine estimated by the PMW estimator 430.
  • the exercise goal setting unit 440 may set an initial target value for each exercise device according to the user's exercise goal received through the user interface.
  • the exercise goal setting unit 440 sets the initial target value of the exercise equipment differently depending on whether the user's exercise purpose is free exercise 541, standard exercise 542, muscle enhancement 543, or conditioning 544. can
  • the initial target value of the exercise equipment may be set as PMW estimation *P Free (%).
  • the initial target value of the exercise machine may be set as PMW estimation *P standard (%).
  • the initial target value of the exercise machine may be set as PMW estimation *P muscle enhancement (%).
  • the initial target value of the exercise equipment may be set as PMW estimation *P conditioning (%).
  • P muscle enhancement (%) is set to 65 to 85%, and the number of repetitions can be set to 6 to 12 times.
  • the weight P muscle enhancement (%) that is reflected may use a preset value.
  • the weight P muscle augmentation (%) can be set to be readjusted by receiving objective index feedback such as the user's motion trajectory for the initial target weight proposed to the user and the completeness of the user's motion trajectory for each number of exercises.
  • the exercise target setting unit may newly set and provide a target weight based on the individual PMW of the shoulder press exercise machine.
  • FIG. 7 is a preferred embodiment of the present invention, showing a flowchart for providing an AI exercise guide method in exercise equipment.
  • the smart gym server may transmit user data to the exercise equipment.
  • the user may directly input his/her own user data using a user interface supported by a display attached to the terminal or exercise equipment.
  • Muscular strength estimator calculates an estimated muscle strength value for a specific muscle strength of the user based on the received user data (S710).
  • One example of the user's specific muscle strength is grip strength.
  • the detection unit detects a percentile value to which the estimated muscle strength value belongs to a predetermined adult muscle strength percentile value (S720).
  • the PMW estimation unit estimates the PMW of the exercise equipment the user wants to use based on the percentile value to which the estimated muscle strength value belongs (S730).
  • the PMW estimator may use a PMW percentile value corresponding to a percentile value to which the estimated muscle strength value belongs. For example, if the percentile value to which the estimated muscle strength value belongs is a% (a is a natural number), the PMW of the exercise machine is estimated using the PMW percentile a% value.
  • the exercise target setting unit sets a target weight of the exercise equipment based on the estimated PMW (S740).
  • Methods according to embodiments of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on the medium may be those specially designed and configured for the present invention or those known and usable to those skilled in computer software.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자 데이터를 기초로 상기 사용자의 특정근력의 추정근력값을 추정하는 근력추정부; 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 검출부;및 검출된 백분위 수치를 기초로 상기 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 PMW추정부;를 포함하는 것을 특징으로 한다.

Description

AI운동가이드장치 및 방법
본 발명은 사용자에게 적합한 목표중량을 자동으로 제공하는 방법 및 운동기구에 관한 것이다.
웨이트 운동기구는 근력을 높이기 위한 신체 부위나 사용 목적 등에 따라 다양한 형태로 제공되고 있으며, 주로 손이나 발을 이용하여 상체와 하체를 단련시키도록 이루어진다. 사용자는 운동기구의 운동 구조물을 통해 선택된 무게를 이동시킴으로써 운동을 실시할 수 있다.
그러나, 사용자가 운동기구를 자신의 신체적 특성, 운동 수행능력 또는 운동기구의 목적에 맞게 적합하게 사용하고 있는지 확인하기가 어려운 문제가 있다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자 성별, 나이, 체중, 키, BMI 및 체지방 중 적어도 일부를 포함하는 사용자 데이터가 입력되면 사용자가 이용하고자 하는 운동기구의 목표중량을 자동으로 설정하고자 한다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자의 운동 목적에 따라 운동기구의 목표중량을 자동으로 조정하고자 한다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자 데이터를 기초로 상기 사용자의 특정근력의 추정근력값을 추정하는 근력추정부; 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 검출부;및 검출된 백분위 수치를 기초로 상기 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 PMW추정부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자 성별, 나이, 체중, 키, BMI 및 체지방 중 적어도 일부를 포함하는 사용자 데이터가 입력되면 운동기구마다 사용자에게 적합한 목표중량을 자동으로 설정할 수 있는 효과가 있다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 또한 사용자의 운 동목적에 따라 운동기구마다 사용자에게 적합한 목표중량을 자동으로 설정할 수 있는 효과가 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, AI운동가이드장치가 이용되는 스마트짐 시스템을 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 스마트짐에 구비된 AI운동가이드 방법이 구현된 운동기기의 일 예를 도시한다.
도 3 는 본 발명의 바람직한 일 실시예로서, 스마트짐 시스템에서 AI운동가이드 방법이 구현된 운동기구와 스마트짐 서버의 내부 구성도를 도시한다.
도 4 는 본 발명의 바람직한 일 실시예로서, AI운동가이드장치의 내부 구성도를 도시한다.
도 5 는 본 발명의 바람직한 일 실시예로서, AI운동가이드장치의 사용자인터페이스의 일 예를 도시한다.
도 6 은 본 발명의 바람직한 일 실시예로서, AI운동가이드 방법이 구현된 운동기기에서 검출된 운동궤적의 일 예를 도시한다.
도 7 은 본 발명의 바람직한 일 실시예로서, AI운동가이드 방법의 흐름도를 도시한다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 사용자 데이터를 기초로 상기 사용자의 특정근력의 추정근력값을 추정하는 근력추정부; 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 검출부;및 검출된 백분위 수치를 기초로 상기 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 PMW추정부;를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, AI운동가이드장치는 상기 추정된 PMW을 기초로 상기 사용자가 이용하고자 하는 운동기구의 목표중량을 자동으로 설정하는 운동목표설정부;를 더 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 PMW추정부는 상기 사용자가 이용하고자 하는 운동기구를 이용한 모집단에서 획득한 상기 운동기구의 PMW 백분위값과 상기 기설정된 성인 근력 백분위값을 매칭하는 매칭테이블을 이용하여, 상기 추정근력값에 매칭되는 PMW을 추정하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 모집단에서 획득한 상기 운동기구의 PMW 백분위값은 적어도 하나 이상의 스마트짐에 비치된 상기 사용자가 이용하고자 하는 운동기구를 사용한 사용자의 PMW 데이터를 이용하여 갱신되고, 이 경우 상기 매칭테이블도 갱신되는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 사용자 데이터는 사용자 성별, 나이, 체중, 키, BMI 및 체지방률 중 적어도 일부를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 상기 특정근력은 악력인 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 사용자인터페이스를 통해 수신한 상기 사용자의 운동 목적에 따라 상기 사용자가 이용하고자 하는 운동기구의 목표중량이 상이해지는 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, AI운동가이드방법은 근력추정부에서 사용자 데이터를 기초로 사용자의 특정 근력을 추정한 추정근력값을 계산하는 단계; 검출부에서 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 단계;및 PMW추정부에서 상기 추정근력값이 속하는 백분위 수치를 기초로 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 단계;를 포함하는 것을 특징으로 한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명한다.
도 1 은 본 발명의 바람직한 일 실시예로서, AI운동가이드장치가 이용되는 스마트짐 시스템을 도시한다.
스마트짐 시스템(100)은 스마트짐 서버(110), 적어도 하나의 운동기구(100a, 100b, 100c,..., 100n), 적어도 하나의 사용자 단말기(120) 및 관리자 단말기(130)를 포함한다.
도 1 에서 스마트짐 서버(110)는 물리적으로 서로 다른 위치의 제 1 스마트짐(112), 제 2 스마트짐(114), 그리고 제 n 스마트짐(116)과 통신이 가능하며, 제 1 스마트짐(112) 내에 배치된 적어도 하나의 운동기구(100a, 100b), 제 2 스마트짐(114) 내에 배치된 적어도 하나의 운동기구(100c), 그리고 제 n 스마트짐(116) 내에 배치된 적어도 하나의 운동기구(100n)과 데이터의 송수신이 가능하다.
본 발명의 바람직한 일 실시예로서, 스마트짐은 사용자가 운동기구를 이용한 운동기록을 스마트짐 서버(110)에 제공하고, 스마트짐 서버(110)에서 사용자의 운동기록을 학습하고 분석하여 사용자에게 맞는 운동처방을 제공해주는 물리적 공간을 지칭한다. 스마트짐은 피트니스센터, 헬스장, 운동기기를 구비한 공간 등으로 구현될 수 있다.
스마트짐에 운동을 하러 온 사용자는(USER A, USER B, USER C, ..., USER N) 스마트짐 출입 시에 본인 확인을 거친 후 스마트짐 내로 들어올 수 있다. 예를 들어, 사용자는 스마트짐 출입구에 있는 키오스크와 같은 무인 단말기에 사용자 단말기(120)를 NFC(Near Field Communication)나 RFID(Radio Frequency IDentification) 방식으로 태깅함으로써, 회원 확인을 거친 후 출입하거나, 무인 단말기에 얼굴인식 등과 같은 생체정보 확인을 통해 회원 확인이 이루어진 후 출입할 수 있다.
회원 확인이 이루어진 사용자에 대한 정보는 스마트짐 서버(200)에서 네트워크를 통해 운동 기구들(100A,100B, 100C, 100N) 중 적어도 하나로 전송될 수 있다. 예를 들어, 스마트짐 서버(200)는 사용자가 단말기(120)를 태깅한 운동기구에 사용자에 대한 정보를 전송할 수 있다. 본 발명의 바람직한 일 실시예에서, 사용자에 대한 정보는 사용자 데이터라는 용어로도 이용되며 사용자 성별, 나이, 체중, 키, BMI 및 체지방률 중 적어도 일부 또는 전부를 포함한다.
스마트짐 서버(110)는 스마트짐(112) 내에 배치된 적어도 하나의 운동기구(100a, 100b) 각각을 이용하는 제 1 사용자(USER A) 및 제 2 사용자(USER B)에게 각 사용자에게 맞는 운동방법, 운동강도, 운동 시퀀스 등을 안내할 수 있다. 그리고, 스마트짐 서버(110)는 운동기구(100a, 100b) 각각의 목표 중량, 추천이용속도 등의 값을 자동으로 제어할 수 있다. 또한, 스마트짐 서버(110)는 운동기구(100a, 100b) 각각을 이용한 제 1 사용자(USER A) 및 제 2 사용자(USER B)의 운동기록을 수신할 수 있다. 그리고 사용자 단말기(120)로부터 사용자의 심박수, 혈압, 맥박 등과 같은 건강정보나 라이프로그 정보 등을 수신할 수 있다.
스마트짐 서버(110)는 클라우드 서버의 형태로 구현될 수 있다. 스마트짐 서버(110)는 위치가 서로 다른 스마트짐 운동센터 내의 각각의 운동기구에서 수집한 정보를 통합하여 관리가 가능하다. 예를 들어, 스마트짐 서버(110)는 제 1 사용자가 제 1 위치의 스마트짐(112)에서 운동기구를 이용한 내역과 제 2 위치의 스마트짐(114)에서 운동기구를 이용한 내역을 통합하여 관리할 수 있다.
본 발명의 바람직한 일 실시예로서, 적어도 하나의 운동기구(100a, 100b, 100c,..., 100n)는 스트레칭 운동기구, 웨이트 운동 기구나 유산소 운동 기구일 수 있다. 웨이트 운동 기구는 프리웨이트 기구와 머신 기구를 포함한다. 적어도 하나의 운동기구(100a, 100b, 100c,..., 100n)는 운동기구에 부착된 디스플레이 또는 운동기구와 유무선으로 통신이 가능한 디스플레이를 통해 사용자에게 적합한 운동가이드를 제공한다. 예를 들어, 스트레칭 기구의 경우 스트레칭 기구와 유무선으로 통신이 가능한 스마트미러를 통해 사용자가 이용할 스트레칭과 관련한 운동가이드를 제공한다. 다만 이에 제한되는 것은 아니며, 스피커, 진동 등 다양한 출력 방법을 이용하여 운동가이드를 제공할 수 있다.
적어도 하나의 운동기구(100a, 100b, 100c,..., 100n)는 스마트짐 서버(110), 사용자 단말기(120) 그리고 관리자 단말기(130)와 유무선 통신을 수행할 수 있다.
본 발명의 바람직한 일 실시예로서, 사용자 단말기(120)는 스마트폰, 스마트와치, 핸드헬드 장치, 웨어러블 장치 등의 형태로 구현될 수 있다. 그리고, 사용자 단말기(120)는 스마트짐 시스템 이용을 위한 어플리케이션 등을 설치할 수 있다. 사용자 단말기(120)는 스마트짐 서버(120)로부터 운동 시퀀스 정보 등을 수신할 수 있다. 운동 시퀀스는 사용자의 체력과 운동 능력을 고려하여 계획된 운동계획을 지칭한다. 운동 시퀀스는 사용자가 이용할 운동기구 목록, 각 운동기구의 목표 중량과 이용 횟수 등의 정보를 포함한다.
사용자는 스마트짐 시스템(100) 내의 적어도 하나의 운동기구(100a, 100b, 100c,..., 100n)를 사용할 때 단말기(120)를 이용하여 NFC, RFID 등의 태깅을 통해통신을 수행하거나 또는 사용자의 신체 특성을 이용하여 신원확인을 수행할 수 있다. 사용자의 신원확인이 완료되면, 스마트짐 서버(110)는 사용자가 태깅한 운동기구에 사용자 데이터를 전송할 수 있다.
도 3 는 본 발명의 바람직한 일 실시예로서, 스마트짐 시스템에서 AI운동가이드 방법이 구현된 운동기구와 스마트짐 서버의 내부 구성도를 도시한다.
본 발명의 바람직한 일 실시예로서, 스마트짐 내의 운동기구(300)는 스마트짐 서버(380), 사용자 단말기(390), 그리고 외부 서버(388)와 통신이 가능하다.
본 발명의 바람직한 일 실시예로서, 운동기구(300)는 프로세서(310), 센싱부(320), 통신부(340), 운동가이드부(360) 및 디스플레이(370)를 포함한다. 또한, 카메라부(330)와 영상처리부(350)를 더 포함할 수 있다. 프로세서(310)는 필요에 따라 AI처리부(312)를 더 포함할 수 있다.
도 2 를 더 참고하면, 숄더프레스(200)는 스마트짐에서 이용하는 AI운동가이드방법이 적용된 운동기구(300)의 일 예를 나타낸다. 도 2 및 3을 참고하여 운동기구(300)를 설명한다.
센싱부(220)는 운동 본체(210)의 프레임구조물(213)에 설치될 수 있다. 프레임구조물(213)은 베이스 프레임(231a)와 가이드레일(231b) 및 연결라인(231c)를 포함한다. 센싱부(220)는 핀 구조물(215)을 향해 레이저빔을 조사하고, 반사된 레이저 빔을 수신하여, 센싱부(220)로부터 핀 구조물(215)까지의 거리(D)(S220)를 실시간 또는 기설정된 t시간 단위로 측정한다. 이를 통해, 센싱부(220)는 핀 구조물(215)에 의해 선택된 웨이트 부재(211)의 위치, 이동 속도 및 이동 방향 중 적어도 하나를 실시간으로 검출할 수 있다. 또한 사용자가 운동기구(200)의 손잡이(212)를 밀어 웨이트판이 움직이는 경우, 센싱부(220)는 웨이트판에 꽂혀있는 핀 구조물(215)까지의 거리(D)(S220)를 측정하고, 이를 기초로 운동궤적을 검출할 수 있다.
통신부(340)는 디스플레이부(230)를 통해 사용자입력을 수신하거나 또는 스마트짐 서버(380)의 사용자DB(382)로부터 사용자데이터를 송수신할 수 있다. 통신부(340)는 또한 외부서버(388)와 통신이 가능하다.
운동가이드부(360)는 사용자DB(382)로부터 수신한 사용자데이터를 기초로 운동기구의 목표중량, 운동기구의 이동속도, 운동기구 이용시 호흡방법, 복수 개의 운동기구를 이용할 때 운동시퀀스, 운동기구의 목표중량 등의 정보를 사용자에게 제공할 수 있다.
스마트짐서버(380)는 사용자데이터를 기초로 특정근력의 추정근력값을 계산할 수 있다. 그리고, 추정근력값을 기초로 사용자가 이용할 운동기구의 PMW추정을 추정하고, 사용자의 운동목적 및 PMW추정을 기초로 사용자가 이용할 운동기구의 초기목표중량을 자동으로 설정한다. 본 발명의 바람직한 일 실시예에서 PMW(Personal Maximum Weight)는 개인이 최대 노력으로 중량의 저항에 대항하여 발휘할 수 있는 근력을 말한다. PMW의 예로는 1RM, 4RM 등을 포함한다.
스마트짐서버(380)는 사용자가 이용할 운동기구의 초기목표중량을 운동기기(300)의 운동가이드부(360)에 제공할 수 있으며, 운동가이드부(360)는 디스플레이(370)에 사용자가 이용할 운동기구의 초기목표중량을 표시할 수 있다. 사용자가 이용할 운동기구의 초기목표중량(도 5, 550)을 제시한 일 예는 도 5를 참고한다.
카메라부(330)는 운동기기(300)에 내장되거나 또는 운동기기(300)와 유무선으로 통신이 가능하며, 사용자의 운동자세를 촬영할 수 있다. 영상처리부(350)는 카메라부(330)에서 촬영한 사용자의 운동자세를 프로세서(310)를 통해 분석할 수 있다. 또한 AI처리부(312)를 통해 사용자가 운동기구의 목표중량 대로 운동할 때 촬영된 운동자세의 영상처리결과를 학습하고 학습결과를 스마트짐서버(380)에 전송할 수 있다. AI처리부(312)는 또한 사용자가 운동기기를 이용한 객관화지수를 처리하거나 학습할 수 있다. 객관화지수의 일 예로는 운동기록이 있으며, 운동기구를 이용할 때 파악된 운동기구의 중량, 반복횟수(Reps), 세트수, 운동궤적, 이동속도, 그리고 세트단위 반복횟수(Reps)의 규칙성 등을 포함한다.
스마트짐서버(380)는 사용자DB(382), 기계학습처리부(384) 및 운동가이드처리부(386)를 포함한다.
사용자DB(382)는 사용자데이터를 저장하고 관리한다. 사용자 데이터는 사용자 성별, 나이, 체중, 키, BMI 및 체지방률 등을 포함한다.
기계학습처리부(384) 는 사용자가 스마트짐에서 이용한 운동기기들의 운동기록을 포함하는 객관화지수를 학습하고 처리한다. 기계학습처리부(384)는 사용자가 일정기간 동안 스마트짐에서 이용한 운동기기들의 객관화지수를 기초로 PMW추정을 PMW개인으로 업데이트 할 수 있다. 기계학습처리부(384)는 객관화지수가 제 1 기준값 이상인 경우 PMW개인을 PMW추정보다 큰 값으로, 객관화지수가 제 2 기준값 이하인 경우 PMW개인을 PMW추정보다 작은 값으로 PMW개인을 업데이트 할 수 있다.
즉, 기계학습처리부(384)는 사용자의 운동기록 등을 기초로 파악된 객관화지수를 기초로 사용자의 운동능력이 사용자의 특정근력으로부터 추정한 PMW추정보다 크다고 판단되면 사용자의 최대근력 값을 PMW추정보다 큰 PMW개인으로 재설정 할 수 있다. 이와 달리 사용자의 운동기록 등을 기초로 파악된 객관화지수를 기초로 사용자의 운동능력이 사용자의 특정근력으로부터 추정한 PMW추정보다 작다고 판단되면 사용자의 최대근력 값을 PMW추정보다 작은 PMW개인으로 재설정할 수 있다.
도 5 및 6을 더 참고하면, 사용자는 운동가이드부에서 제공하는 이동속도가이드VG1(530)를 따라 숄더프레스를 이동시킬 수 있다. 이동속도가이드VG1(530)는 사용자가 숄더프레스 운동기구를 이용할때 운동목적에 맞는 효과를 얻기에 적합한 이동속도를 의미한다. 사용자는 이동속도가이드 VG1(530)의 이동에 맞추어 숄더 프레스를 밀어내면, 사용자가 숄더 프레스를 밀어내는 측정된 속도 V1(520)가 기준라인(510)에 함께 표시된다. AI처리부(312)또는 운동가이드처리부(386)는 이동속도가이드 VG1(530)와 속도 V1(520)의 매칭률이 높을수록 운동목적에 맞는 최적화된 운동을 수행하였다고 판단한다. 센싱부(320)는 사용자가 숄더프레스를 이용하는 동안 센싱한 거리 정보를 기초로 운동궤적을 파악할 수 있다. 기계학습처리부(384)는 VG1(530)와 속도 V1(520)의 매칭률이 높을수록 사용자가 숄더프레스를 AI운동장치에서 제공한 운동프로그램에 적합하게 운동을 수행하고 있다고 파악한다.
기계학습처리부(384)는 사용자가 숄더프레스를 이용하는 동안 검출한 운동궤적에서 파악된 상승시작시점(611), 하강시작시점(613), 상승구간속도 V1(S610), 하강구간속도 V2(S620), 상승구간평균속도, 하강구간평균속도, 그리고 높이 H(612) 중 적어도 일부를 이용하여 운동궤적의 완결성을 판단하고, 운동궤적의 완결성 정도를 수치로 변환하여 객관화지수로 이용할 수 있다.
기계학습처리부(384)에서 사용자의 운동궤적의 완결성을 판단할 때는 기설정된값들과 상승시작시점, 하강시작시점, 상승구간속도, 하강구간속도, 상승구간평균속도, 하강구간평균속도, 그리고 높이 각각을 비교하여 기설정된 기준에 따라 완결성을 상, 중, 하 또는 1점에서 10점 단위의 점수 부과 등의 방식으로 완결성 정도를 수치로 변환하여 객관화지수로 이용할 수 있다. 이는 본 발명의 일 실시예일뿐이며 다양한 변환이 가능함을 유의하여야 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 기계학습처리부(384)는 반복횟수(Reps)를 객관화지수로 이용한 경우, 한 세트를 구성하는 전체 반복횟수 각각의 운동궤적 간의 규칙성을 기초로 반복횟수(Reps)의 완결성을 판단하고, 상기 반복횟수(Reps)의 완결성 정도를 수치로 변환하여 이용할 수 있다.
운동가이드처리부(386)는 또한 기계학습처리부(384)에서 수신한 PMW개인을 기초로 업데이트된 운동기기들의 목표중량을 제공할 수 있다.
도 4 는 본 발명의 바람직한 일 실시예로서, AI운동가이드장치의 내부 구성도를 도시한다.
AI운동가이드장치(400)는 근력추정부(410), 검출부(420), PMW추정부(430) 및 운동목표설정부(440)를 포함한다.
근력추정부(410)는 사용자 데이터를 기초로 사용자의 특정근력에 대한 추정근력값을 추정한다. 근력추정부(410)는 사용자의 성별, BMI, 체지방률 및 나이 정보를 이용하여 수학식 1의 일 실시예와 같이 사용자의 특정근력에 대한 추정근력값을 계산한다. 특정근력의 일 예는 악력일 수 있다.
Figure PCTKR2022021513-appb-img-000001
수학식 1에서 A,B,C,D 및 E는 기설정된 값을 나타낸다.
검출부(420)는 외부서버(도 3, 388)에서 획득하거나 또는 표 1 내지 표 2와 같이 기설정된 성인 근력 백분위값에서 추정근력값이 속하는 백분위 수치를 검출한다. 표 1 은 성인 상대악력 남자의 백분위를 나타내고, 표 2 는 성인 상대악력 여자의 백분위를 나타낸다.

백분위		 연령
19-29 30-39 40-49 50-59 60-69
90 **.* ... **.*
...
50 57.2 56.1 **.* **.*
40 **.* 55.9 **.* 53.8 49.2
...
10 **.* ... **.*

백분위		 연령
19-29 30-39 40-49 50-59 60-69
90 **.* ... 47.5
...
50 **.* 46.3 43.8 **.* **.*
40 40.3 **.* **.* **.* 34.1
...
10 31.7 ... **.*
예를 들어, 근력추정부(410)에서 32살 남성의 추정근력값이 55.9로 계산된 경우, 검출부(420)에서는 표 1과 같이 기설정된 성인 근력 백분위값에서 32살 남성의 추정근력값이 55.9 속하는 백분위 수치 40를 검출한다.
PMW추정부(430)는 검출부(420)에서 검출된 추정근력값의 백분위 수치에 매칭되는 PMW백분위값을 이용하여 사용자가 이용하고자 하는 운동기구의 PMW을 추정한다. 본 발명의 바람직한 일 실시예에서, PMW추정부(430)는 운동기구를 이용한 모집단에서 획득한 운동기구의 PMW 백분위값을 기저장하거나, 스마트짐서버로부터 다운받을 수 있다.
스마트짐 서버는 각각의 운동기구에 대한 PMW 백분위값을 저장한 매핑테이블을 기저장하고 있으며, PMW 백분위값은 스마트짐에서 각 운동기구를 이용하는 사용자들의 데이터를 더 반영하여 기설정된 기간 단위로 업데이트 될 수 있다. 보다 상세히, 스마트짐 서버(380)의 기계학습처리부(384)는 최초에 기설정된 모집단에서 획득한 PMW 데이터를 기초로 매칭테이블을 생성한다. 이 후, 기계학습처리부(384)는 스마트짐에 비치된 운동기구를 사용한 사용자들의 PMW 데이터를 계속 수집하여 최초에 기설정된 모집단에서 획득한 PMW 데이터를 기초로 생성된 PMW 백분위값을 제공하는 매칭테이블을 일정 시간 단위로 갱신할 수 있다.
표 3 내지 5는 PMW추정부(430)에서 이용하는 매핑테이블의 일 예를 도시한다. 표 3 내지 5에는 설명의 편의를 위하여 PMW10 백분위 수치에서 PMW90 백분위 수치 중 일부만을 표시하였으며, 기재된 수치는 이해를 위한 일 실시예임을 유의한다.
본 발명의 바람직한 일 실시예로서, PMW추정부(430)에서 체스트프레스 운동기구에 대한 모집단에서 획득한 운동기구의 PMW 백분위값 및 매칭테이블의 일 예는 표 3과 같다.
PMW 백분위값 최초 모집단 PMW(kg) 갱신된 모집단 PMW(kg)
PMW90 102.7 107.8
...
PMW50 67.2 67.8
PMW40 65.1 64.7
...
PMW10 24.6 23.9
본 발명의 바람직한 일 실시예로서, PMW추정부(430)에서 레그익스텐션 운동기구에 대한 모집단에서 획득한 운동기구의 PMW 백분위값 및 매칭테이블의 일 예는 표 4와 같다.
PMW 백분위값 최초 모집단 PMW(kg) 갱신된 모집단 PMW(kg)
PMW90 103.3 107.8
... ... ...
PMW50 67.3 69.2
PMW40 66.5 66.8
... ... ...
PMW10 24.6 24.9
본 발명의 바람직한 일 실시예로서, PMW추정부(430)에서 숄더프레스 운동기구에 대한 모집단에서 획득한 운동기구의 PMW 백분위값 및 매칭테이블의 일 예는 표 5와 같다.
PMW 백분위값 최초 모집단 PMW(kg) 갱신된 모집단 PMW(kg)
PMW90 64.5 65.5
... ... ...
PMW100 43.3 43.2
PMW40 41.2 40.2
... ... ...
PMW10 16.1 16.3
PMW추정부(430)는 표 1과 같은 기설정된 성인 근력 백분위값에서 32살 남성의 추정근력값 55.9 가 속하는 백분위 수치 40를 검출한 경우, 백분위 수치 40에 대응하는 운동기구의 PMW을 추정한다.표 3 내지 5를 참고하면, PMW추정부(430)는 '최초 모집단 PMW(kg)'을 기준으로 체스트프레스 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 65.1kg으로 추정한다. 레그익스텐션 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 66.5kg으로 추정한다. 그리고, 숄더프레스 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 41.2kg으로 추정한다.
본 발명의 또 다른 바람직한 일 실시예에서, PMW추정부(430)는 최초에 기설정된 모집단의 PMW 데이터 외에 스마트짐에서 운동기구를 이용한 사용자들의 빅데이터가 더 수집되는 경우, 표 3 내지 5의 "갱신된 모집단 PMW(kg)"와 같이 갱신된 PMW 데이터를 이용할 수 있다. 이 경우, 체스트프레스 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 64.7kg으로 업데이트 할 수 있다. 레그익스텐션 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 66.8kg으로 업데이트 할 수 있다. 그리고, 숄더프레스 운동기구의 PMW추정을 PMW40인 백분위수치에 대응하는 40.2kg으로 업데이트 할 수 있다.
운동목표설정부(440)는 PMW추정부(430)에서 추정된 각 운동기구의 PMW추정을 기초로 각 운동기구의 초기 목표중량을 설정한다. 운동목표설정부(440)는 사용자인터페이스를 통해 수신한 사용자의 운동목적에 따라 각 운동기구의 초기 목표값을 설정할 수 있다.
운동목표설정부(440)는 사용자의 운동목적이 자유운동(541), 표준운동(542), 근육증강(543), 컨디셔닝(544)인지 여부에 따라 각각 운동기구의 초기 목표값을 상이하게 설정할 수 있다.
자유운동(541)의 경우 운동기구의 초기 목표값을 PMW추정*PFree(%)로 설정할 수 있다. 표준운동(542)의 경우 운동기구의 초기 목표값을 PMW추정*P표준(%)로 설정할 수 있다. 근육증강(543)의 경우 운동기구의 초기 목표값을 PMW추정*P근육증강(%)로 설정할 수 있다. 그리고, 컨디셔닝(544)인 경우 운동기구의 초기 목표값을 PMW추정*P컨디셔닝(%)로 설정할 수 있다.
본 발명의 바람직한 일 실시예로서, P근육증강(%)의 경우 65~85%로 설정되고, 반복횟수는 6회~12회로 설정할 수 있다. 본 발명의 바람직한 일 실시예로서, 운동목적이 근육증강일 경우 반영하는 가중치 P근육증강(%)는 기설정된 값을 이용할 수 있다. 또한 가중치 P근육증강(%)는 사용자에게 제안한 초기목표중량에 대한 사용자의 운동궤적, 사용자의 운동횟수별 운동궤적 등의 완결성 등의 객관적지수 피드백을 받아 재조정하도록 설정할 수 있다.
사용자가 디스플레이(500)에서 제공하는 사용자 인터페이스를 통해 운동목적을 표준(542)로 선택한 경우를 가정하면, 운동목표설정부는 숄더프레스 운동기구의 PMW추정이 40.2kg인 경우, 예를 들어 P표준(%)=60을 반영한 후 25kg을 초기목표중량으로 설정할 수 있다. 40.2kg*60%=24.12kg 이며, 운동기구에서 지원하는 무게 중 가장 근접한 25kg을 초기목표중량으로 설정할 수 있다. 본 발명의 또 다른 일 실시예에서, 운동목표설정부는 숄더프레스 운동기구의 PMW개인을 기초로 목표중량을 새롭게 설정하여 제공할 수 있다.
도 7 은 본 발명의 바람직한 일 실시예로서, 운동기구에서 AI운동가이드방법을 제공하는 흐름도를 도시한다.
사용자가 이용하고자 하는 운동기구에 태깅을 하면, 스마트짐 서버는 해당 운동기구에 사용자 데이터를 전송할 수 있다. 또는 사용자는 직접 자신의 사용자 데이터를 단말기나 운동기기에 부착된 디스플레이에서 지원하는 사용자 인터페이스를 이용하여 입력할 수 있다. 근력추정부는 수신한 사용자 데이터를 기초로 사용자의 특정 근력에 대한 추정근력값을 계산한다(S710). 사용자의 특정 근력의 일 예는 악력이 있다.
검출부는 기설정된 성인 근력 백분위값에서 추정근력값이 속하는 백분위 수치를 검출한다(S720). 그리고 PMW추정부에서 추정근력값이 속하는 백분위 수치를 기초로 사용자가 이용하고자 하는 운동기구의 PMW을 추정한다(S730). PMW추정부는 추정근력값이 속하는 백분위 수치에 대응하는 PMW 백분위 수치를 이용할 수 있다. 예를 들어, 추정근력값이 속하는 백분위 수치가 a%(a는 자연수)일 경우 PMW 백분위 수치 a% 값을 이용하여 운동기구의 PMW을 추정한다. 운동목표설정부는 추정된 PMW을 기초로 운동기구의 목표중량을 설정한다(S740).
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

Claims (15)

  1. 사용자 데이터를 기초로 상기 사용자의 특정근력의 추정근력값을 추정하는 근력추정부;
    기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 검출부;및
    검출된 백분위 수치를 기초로 상기 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 PMW추정부;를 포함하는 것을 특징으로 하는 AI운동가이드장치.
  2. 제1 항에 있어서,
    상기 추정된 PMW을 기초로 상기 사용자가 이용하고자 하는 운동기구의 목표중량을 자동으로 설정하는 운동목표설정부;를 더 포함하는 것을 특징으로 하는 AI운동가이드장치.
  3. 제1 항에 있어서, 상기 PMW추정부는
    매칭테이블을 이용하여 상기 사용자가 이용하고자 하는 운동기구를 이용한 모집단에서 획득한 상기 운동기구의 PMW 백분위값과 상기 기설정된 성인 근력 백분위값을 매칭하여, 상기 추정근력값에 매칭되는 PMW을 추정하는 것을 특징으로 하는 AI운동가이드장치.
  4. 제 3 항에 있어서,
    상기 모집단에서 획득한 상기 운동기구의 PMW 백분위값은
    적어도 하나 이상의 스마트짐에 비치된 상기 사용자가 이용하고자 하는 운동기구를 사용한 사용자의 PMW 데이터를 이용하여 갱신되고, 이 경우 상기 매칭테이블도 갱신되는 것을 특징으로 하는 AI운동가이드장치.
  5. 제 1 항에 있어서, 상기 사용자 데이터는
    사용자 성별, 나이, 체중, 키, BMI 및 체지방률 중 적어도 일부를 포함하는 것을 특징으로 하는 AI운동가이드장치.
  6. 제 1 항에 있어서, 상기 특정근력은
    악력인 것을 특징으로 하는 AI운동가이드장치.
  7. 제 2 항에 있어서,
    사용자인터페이스를 통해 수신한 상기 사용자의 운동 목적에 따라 상기 사용자가 이용하고자 하는 운동기구의 목표중량이 상이해지는 것을 특징으로 하는 AI운동가이드장치.
  8. 근력추정부에서 사용자 데이터를 기초로 사용자의 특정 근력을 추정한 추정근력값을 계산하는 단계;
    검출부에서 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 단계;및
    PMW추정부에서 상기 추정근력값이 속하는 백분위 수치를 기초로 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 단계;를 포함하는 것을 특징으로 하는 AI운동가이드방법.
  9. 제 8 항에 있어서,
    운동목표설정부에서 상기 추정된 PMW을 기초로 상기 사용자가 이용하고자 하는 운동기구의 목표중량을 설정하는 단계;를 더 포함하는 것을 특징으로 하는 AI운동가이드방법.
  10. 제 9 항에 있어서, 상기 목표중량은 자동으로 설정되는 것을 특징으로 하는 AI운동가이드방법.
  11. 제 8 항에 있어서, 상기 PMW을 추정하는 단계는
    상기 사용자가 이용하고자 하는 운동기구를 이용한 모집단에서 획득한 상기 운동기구의 PMW 백분위값과 상기 기설정된 성인 근력 백분위값을 매칭하는 매칭테이블을 이용하여, 상기 추정근력값에 매칭되는 PMW을 추정하는 것을 특징으로 하는 AI운동가이드방법.
  12. 제 8 항에 있어서, 상기 사용자 데이터는
    사용자 성별, 나이, 체중, 키, BMI 및 체지방률 중 적어도 일부를 포함하는 것을 특징으로 하는 AI운동가이드방법.
  13. 제 8 항에 있어서, 상기 특정 근력은
    악력인 것을 특징으로 하는 AI운동가이드방법.
  14. 제 9 항에 있어서,
    사용자인터페이스를 통해 수신한 상기 사용자의 운동 목적에 따라 상기 사용자가 이용하고자 하는 운동기구의 목표중량이 상이하게 자동으로 설정되는 것을 특징으로 하는 AI운동가이드방법.
  15. 컴퓨터-판독가능 기록매체로서,
    상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은:
    근력추정부에서 사용자 데이터를 기초로 사용자의 특정 근력을 추정한 추정근력값을 계산하는 단계;
    검출부에서 기설정된 성인 근력 백분위값에서 상기 추정근력값이 속하는 백분위 수치를 검출하는 단계;및
    PMW추정부에서 상기 추정근력값이 속하는 백분위 수치를 기초로 사용자가 이용하고자 하는 운동기구의 PMW을 추정하는 단계;및
    운동목표설정부에서 상기 추정된 PMW을 기초로 상기 사용자가 이용하고자 하는 운동기구의 목표중량을 설정하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 기록매체.
PCT/KR2022/021513 2021-12-28 2022-12-28 Ai운동가이드장치 및 방법 WO2023128612A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210190376 2021-12-28
KR10-2021-0190376 2021-12-28
KR10-2022-0152002 2022-11-14
KR1020220152002A KR20230101699A (ko) 2021-12-28 2022-11-14 Ai운동가이드장치 및 방법

Publications (1)

Publication Number Publication Date
WO2023128612A1 true WO2023128612A1 (ko) 2023-07-06

Family

ID=86999611

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/021513 WO2023128612A1 (ko) 2021-12-28 2022-12-28 Ai운동가이드장치 및 방법

Country Status (1)

Country Link
WO (1) WO2023128612A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000051390A (ja) * 1998-08-07 2000-02-22 Tyo:Kk トレーニング管理システム
KR20160059997A (ko) * 2014-11-19 2016-05-27 김병욱 최대 근력 측정기 및 최대 근력에 기초한 운동 처방 제공 시스템
KR102066001B1 (ko) * 2018-09-10 2020-01-14 인하대학교 산학협력단 운동 지수기반의 운동 코칭 방법 및 시스템
KR20200008250A (ko) * 2018-07-16 2020-01-28 주식회사 인프라웨어테크놀러지 운동 처방 정보를 제공하는 서버 및 컴퓨터 프로그램
KR102173553B1 (ko) * 2019-09-26 2020-11-03 주식회사 베니페 딥러닝 기술을 이용한 능동형 맞춤 운동시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000051390A (ja) * 1998-08-07 2000-02-22 Tyo:Kk トレーニング管理システム
KR20160059997A (ko) * 2014-11-19 2016-05-27 김병욱 최대 근력 측정기 및 최대 근력에 기초한 운동 처방 제공 시스템
KR20200008250A (ko) * 2018-07-16 2020-01-28 주식회사 인프라웨어테크놀러지 운동 처방 정보를 제공하는 서버 및 컴퓨터 프로그램
KR102066001B1 (ko) * 2018-09-10 2020-01-14 인하대학교 산학협력단 운동 지수기반의 운동 코칭 방법 및 시스템
KR102173553B1 (ko) * 2019-09-26 2020-11-03 주식회사 베니페 딥러닝 기술을 이용한 능동형 맞춤 운동시스템

Similar Documents

Publication Publication Date Title
WO2016163793A1 (ko) 개인 트레이닝 서비스 방법 및 시스템
WO2011025075A1 (ko) 운동 처방 시스템
WO2018074837A1 (ko) 챌린지 보상 서버 및 그의 동작 방법
WO2020263020A1 (ko) 피트니스 센터의 운영자 및 이용자를 위한 통합 관리 시스템
WO2018012770A1 (ko) 근전도 센서를 이용한 운동 관리 방법 및 시스템
KR20190044911A (ko) IoT 운동기구, 운동지도시스템, 및 이를 이용한 운동지도방법
WO2022050489A1 (ko) 온라인 그룹을 기반으로 하는 홈 트레이닝 제공 시스템 및 그 방법
WO2016208893A1 (ko) 사용자 위치 인식에 기반한, 운동 프로그램 제공 및 관리 시스템
WO2016017968A1 (ko) 운동 관리 시스템
WO2023128612A1 (ko) Ai운동가이드장치 및 방법
WO2022225136A1 (ko) 턱걸이 기구를 이용한 인공지능 기반 콘텐츠 제공 방법, 장치 및 시스템
WO2014104463A1 (ko) 네츄럴 인터렉션 기반의 건강 및 재활 장치
CN207591252U (zh) 一种智能健身系统
WO2020059955A1 (ko) 사용자 맞춤형 운동 처방 시스템 및 그 방법
WO2023128515A1 (ko) Ai운동시퀀스제공장치 및 방법
WO2023128410A1 (ko) 운동시퀀스제공장치 및 방법
JP2023162333A (ja) トレーニング機器の制御方法
WO2021117927A1 (ko) 놀이체험 시스템 및 이를 이용한 신체발달상태 획득방법
WO2017217567A1 (ko) 피트니스 모니터링 시스템
WO2023128514A1 (ko) Ai운동시퀀스제공장치 및 방법
WO2023128512A1 (ko) Ai운동가이드장치 및 방법
WO2023128409A1 (ko) 운동성과비교장치 및 방법
WO2023128621A1 (ko) Ai운동가이드장치 및 방법
WO2013115432A1 (ko) 센서 정보와 헬스 아바타를 이용한 운동 관리 시스템
KR20230101699A (ko) Ai운동가이드장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22916753

Country of ref document: EP

Kind code of ref document: A1