최근 현대인들은 삶의 질의 향상, 건강 향상에 대한 관심이 증가하면서 퍼스널트레이닝을 수행하는 비율이 증가 하고 있다. 퍼스널트레이닝은 건강유지, 체중감량, 재활 및 몸의 균형을 유지하기 위해 개인의 신체 특징에 맞추어 운동을 안전하게 수행 할 수 있도록 하는 것이다. 기초대사량을 증가시키며 긴장완화와 스트레스를 해소하여 심리적 안정을 회복시키는 효과가 있는 퍼스널트레이닝의 운동 시에는 정확한 자세는 운동의 효과를 극대화 시킬 수 있는 중요한 요소이다. 하지만 부정확한 자세는 운동 수행 시 부상의 위험을 초래한다. 관련연구를 통해 기존 신체의 동작을 인식하는 연구는 사용자의 복장이나 사용 환경에 큰 영향을 받거나 제한한 공간을 사용한다는 문제점을 확인 하였다. 또한 ...
최근 현대인들은 삶의 질의 향상, 건강 향상에 대한 관심이 증가하면서 퍼스널트레이닝을 수행하는 비율이 증가 하고 있다. 퍼스널트레이닝은 건강유지, 체중감량, 재활 및 몸의 균형을 유지하기 위해 개인의 신체 특징에 맞추어 운동을 안전하게 수행 할 수 있도록 하는 것이다. 기초대사량을 증가시키며 긴장완화와 스트레스를 해소하여 심리적 안정을 회복시키는 효과가 있는 퍼스널트레이닝의 운동 시에는 정확한 자세는 운동의 효과를 극대화 시킬 수 있는 중요한 요소이다. 하지만 부정확한 자세는 운동 수행 시 부상의 위험을 초래한다. 관련연구를 통해 기존 신체의 동작을 인식하는 연구는 사용자의 복장이나 사용 환경에 큰 영향을 받거나 제한한 공간을 사용한다는 문제점을 확인 하였다. 또한 가속도센서를 활용한 SVM 방식은 움직임이 있는 동작을 판별할 때는 가능하지만 움직임이 없는 동작에는 적용할 수 없는 문제점이 있다. 다양한 동작을 하는 코어 운동에 대한 특성을 추출하고 동작의 정확도 판정하는 시스템이 필요하다. 본 논문에서는 적외선 카메라나 키넥트센서 등 복잡한 장치나 설비의 구축이 없어도 사용자의 운동 자세에 대한 특성 추출 및 정확한 동작 수행 여부의 판정이 가능한 오일러 각 기반의 모션 추출 프로그램을 제안하였다. 모션 추출 프로그램은 데이터 취득부, 운동 특성 추출부, 운동 자세 판정부로 구현하였다. 데이터 취득부는 신체에 부착되어 있는 센서 별 모션 데이터를 실시간으로 확인하고 저장하였다. 센서 별로 x, y, z 각 축에서의 선형가속도 값과 쿼터니언 x, y, z, w 값 기반의 오일러 각을 추출하였다. 이때 모션 데이터는 csv 형식의 파일로 저장하고 선형가속도 값과 오일러 각의 추출 결과 값은 모션 데이터의 DB에 저장하였다. 운동 특성 추출부는 센서를 통해 취득한 모션 데이터를 기반으로 각 운동별 특성을 추출하였다. 각 운동 종류 마다 단계를 분류하고 특징 구간들을 선정하고 이후 선정된 구간에서의 가속도 값과 오일러 각 값을 운동 별 정확도 판정을 위해 추출하였다. 운동 별로 추출된 팩터는 csv의 파일 형식으로 저장하고 운동 특성 DB에 기록하였다. 운동 자세 판정부는 사용자 운동 자세에 대해 정확한 동작 수행 여부를 판정하였다. 판정 기능은 실시간으로 수신되는 사용자의 모션 데이터와 운동 특성 DB에 저장되어 있는 팩터를 비교하여 운동 자세 정확도를 판정하였다. 다양한 운동 자세에 대한 정확한 동작 수행의 여부를 판정하기 위해 운동 자세 정확도 판정 알고리즘을 개발하였다. 센서에서 취득한 데이터를 기반으로 유효성 검사를 한 후 센서 부착위치를 확인하였다. 이후 센서의 부착위치를 고려하여 해당 관절의 굽힘각을 계산하였다. 운동 자세의 정확도는 사용자가 선택한 운동에 대해 관절의 굽힘각을 비교하여 판정하였다. 운동 자세에 따라 호흡가스 분석기를 통해 운동량을 측정하여 운동 자세 정확도에 따라 운동량을 비교하였다. 실험은 호홉 가스 분석기를 통해 스쿼트, 런지, 팔굽혀펴기 자세에 대한 칼로리 소모량을 측정하였다. 실험자들의 각 운동의 정확한 자세의 정확도는 평균 97.68%로 나타났으며 부정확한 자세의 정확도는 평군 72.02%로 확인하였다. 또한 실험자 별 운동 부정확한 자세의 운동량은 정확한자세의 운동량보다 낮게 나타났다. 따라서 정확한 운동의 동작은 운동의 효율을 극대화 시킬 수 있는 것을 확인하였다.
최근 현대인들은 삶의 질의 향상, 건강 향상에 대한 관심이 증가하면서 퍼스널트레이닝을 수행하는 비율이 증가 하고 있다. 퍼스널트레이닝은 건강유지, 체중감량, 재활 및 몸의 균형을 유지하기 위해 개인의 신체 특징에 맞추어 운동을 안전하게 수행 할 수 있도록 하는 것이다. 기초대사량을 증가시키며 긴장완화와 스트레스를 해소하여 심리적 안정을 회복시키는 효과가 있는 퍼스널트레이닝의 운동 시에는 정확한 자세는 운동의 효과를 극대화 시킬 수 있는 중요한 요소이다. 하지만 부정확한 자세는 운동 수행 시 부상의 위험을 초래한다. 관련연구를 통해 기존 신체의 동작을 인식하는 연구는 사용자의 복장이나 사용 환경에 큰 영향을 받거나 제한한 공간을 사용한다는 문제점을 확인 하였다. 또한 가속도센서를 활용한 SVM 방식은 움직임이 있는 동작을 판별할 때는 가능하지만 움직임이 없는 동작에는 적용할 수 없는 문제점이 있다. 다양한 동작을 하는 코어 운동에 대한 특성을 추출하고 동작의 정확도 판정하는 시스템이 필요하다. 본 논문에서는 적외선 카메라나 키넥트센서 등 복잡한 장치나 설비의 구축이 없어도 사용자의 운동 자세에 대한 특성 추출 및 정확한 동작 수행 여부의 판정이 가능한 오일러 각 기반의 모션 추출 프로그램을 제안하였다. 모션 추출 프로그램은 데이터 취득부, 운동 특성 추출부, 운동 자세 판정부로 구현하였다. 데이터 취득부는 신체에 부착되어 있는 센서 별 모션 데이터를 실시간으로 확인하고 저장하였다. 센서 별로 x, y, z 각 축에서의 선형가속도 값과 쿼터니언 x, y, z, w 값 기반의 오일러 각을 추출하였다. 이때 모션 데이터는 csv 형식의 파일로 저장하고 선형가속도 값과 오일러 각의 추출 결과 값은 모션 데이터의 DB에 저장하였다. 운동 특성 추출부는 센서를 통해 취득한 모션 데이터를 기반으로 각 운동별 특성을 추출하였다. 각 운동 종류 마다 단계를 분류하고 특징 구간들을 선정하고 이후 선정된 구간에서의 가속도 값과 오일러 각 값을 운동 별 정확도 판정을 위해 추출하였다. 운동 별로 추출된 팩터는 csv의 파일 형식으로 저장하고 운동 특성 DB에 기록하였다. 운동 자세 판정부는 사용자 운동 자세에 대해 정확한 동작 수행 여부를 판정하였다. 판정 기능은 실시간으로 수신되는 사용자의 모션 데이터와 운동 특성 DB에 저장되어 있는 팩터를 비교하여 운동 자세 정확도를 판정하였다. 다양한 운동 자세에 대한 정확한 동작 수행의 여부를 판정하기 위해 운동 자세 정확도 판정 알고리즘을 개발하였다. 센서에서 취득한 데이터를 기반으로 유효성 검사를 한 후 센서 부착위치를 확인하였다. 이후 센서의 부착위치를 고려하여 해당 관절의 굽힘각을 계산하였다. 운동 자세의 정확도는 사용자가 선택한 운동에 대해 관절의 굽힘각을 비교하여 판정하였다. 운동 자세에 따라 호흡가스 분석기를 통해 운동량을 측정하여 운동 자세 정확도에 따라 운동량을 비교하였다. 실험은 호홉 가스 분석기를 통해 스쿼트, 런지, 팔굽혀펴기 자세에 대한 칼로리 소모량을 측정하였다. 실험자들의 각 운동의 정확한 자세의 정확도는 평균 97.68%로 나타났으며 부정확한 자세의 정확도는 평군 72.02%로 확인하였다. 또한 실험자 별 운동 부정확한 자세의 운동량은 정확한자세의 운동량보다 낮게 나타났다. 따라서 정확한 운동의 동작은 운동의 효율을 극대화 시킬 수 있는 것을 확인하였다.
The ratio of personal training increases recently, as modern people’s interest in the improvement of quality of life and health grows. Personal training is enabling individuals to safely exercise in line with personal physical characteristics for health maintenance, weight loss, rehabilitation, and ...
The ratio of personal training increases recently, as modern people’s interest in the improvement of quality of life and health grows. Personal training is enabling individuals to safely exercise in line with personal physical characteristics for health maintenance, weight loss, rehabilitation, and body balancing. In carrying out personal training with an effect of recovering psychological stability by increasing basic metabolism, easing tension, and relieving stress, accurate postures are an important factor that can maximize exercise effects. However, inaccurate postures in exercise cause the risk of injuries. Through relevant studies, existing studies on recognizing physical motions confirmed that postures in exercise are severely affected by clothes or the use environment, or that a problem of using limited space exists. Although the SVM mode using an accelerator sensor can apply to the judgment of motions with movements, but it cannot apply to the motions without movements. Therefore a system that can extract the characteristics of core exercises accompanied by various motions and judge motion’s accuracy is needed. This study developed a Euler angle-based motion extraction program by which the characteristics of various exercise motions of personal training can be extracted and accurate exercise motions can be judged without restrictions of clothes and spaces. The motion extraction program consisted of the data acquisition unit, characteristics extracting unit, and exercise posture Judgment unit. The data acquisition unit checked and stored motion data of each sensor attached to human body. In each axis of x, y, and z, linear acceleration values and Quaternion x, y, z, and w values-based Euler angles were extracted. Motion data were saved in a CSV file, and the linear acceleration values and Euler angle extraction result values were stored on the motion database. The characteristics extracting unit extracted each exercise’s characteristics based on the motion data acquired through the sensors. Steps per exercise type were classified, characteristic sections were selected, and then the characteristics for accuracy judgment by each exercise in terms of acceleration values and Euler angle values in the selected sections were extracted. The extracted factors by each exercise were saved in the CSV file format, and they were recorded in the exercise characteristics database. The exercise posture judgment unit judged the status of accurate motion execution regarding exercise posture. As for judgment function, exercise posture accuracy was judged by comparing the user’s motion data received in real time and the factors stored in the database. To judge the status of accurate motion execution on various exercise motions, the accuracy judgment algorithm for exercise postures was developed. After an effectiveness test was conducted on the basis of the data acquired from the sensors, the sensor attachment positions were checked. In consideration of the sensors’ attachment positions, the bending angles of the joint concerned were calculated. Exercise posture accuracy was judged by comparing the joint’s bending angles concerned with user-selecting exercises. According to exercise posture, the amount of exercise was measured through a respiratory gas analyzer, and efficiencies according to exercise posture’s accuracy were compared. The amounts of exercise were compared according to exercise posture accuracy through an experiment. The experiment measured calorie consumption through squat, lunge, and push up postures, respectively. The participants’ accurate posture accuracy in each exercise was 97.43% on average, and the accuracy of inaccurate postures was 72.78% on average. The exercise amount of inaccurate postures of each participant was lower than that of accurate postures. Consequently, the accurate exercise postures were confirmed to maximize exercise efficiency.
The ratio of personal training increases recently, as modern people’s interest in the improvement of quality of life and health grows. Personal training is enabling individuals to safely exercise in line with personal physical characteristics for health maintenance, weight loss, rehabilitation, and body balancing. In carrying out personal training with an effect of recovering psychological stability by increasing basic metabolism, easing tension, and relieving stress, accurate postures are an important factor that can maximize exercise effects. However, inaccurate postures in exercise cause the risk of injuries. Through relevant studies, existing studies on recognizing physical motions confirmed that postures in exercise are severely affected by clothes or the use environment, or that a problem of using limited space exists. Although the SVM mode using an accelerator sensor can apply to the judgment of motions with movements, but it cannot apply to the motions without movements. Therefore a system that can extract the characteristics of core exercises accompanied by various motions and judge motion’s accuracy is needed. This study developed a Euler angle-based motion extraction program by which the characteristics of various exercise motions of personal training can be extracted and accurate exercise motions can be judged without restrictions of clothes and spaces. The motion extraction program consisted of the data acquisition unit, characteristics extracting unit, and exercise posture Judgment unit. The data acquisition unit checked and stored motion data of each sensor attached to human body. In each axis of x, y, and z, linear acceleration values and Quaternion x, y, z, and w values-based Euler angles were extracted. Motion data were saved in a CSV file, and the linear acceleration values and Euler angle extraction result values were stored on the motion database. The characteristics extracting unit extracted each exercise’s characteristics based on the motion data acquired through the sensors. Steps per exercise type were classified, characteristic sections were selected, and then the characteristics for accuracy judgment by each exercise in terms of acceleration values and Euler angle values in the selected sections were extracted. The extracted factors by each exercise were saved in the CSV file format, and they were recorded in the exercise characteristics database. The exercise posture judgment unit judged the status of accurate motion execution regarding exercise posture. As for judgment function, exercise posture accuracy was judged by comparing the user’s motion data received in real time and the factors stored in the database. To judge the status of accurate motion execution on various exercise motions, the accuracy judgment algorithm for exercise postures was developed. After an effectiveness test was conducted on the basis of the data acquired from the sensors, the sensor attachment positions were checked. In consideration of the sensors’ attachment positions, the bending angles of the joint concerned were calculated. Exercise posture accuracy was judged by comparing the joint’s bending angles concerned with user-selecting exercises. According to exercise posture, the amount of exercise was measured through a respiratory gas analyzer, and efficiencies according to exercise posture’s accuracy were compared. The amounts of exercise were compared according to exercise posture accuracy through an experiment. The experiment measured calorie consumption through squat, lunge, and push up postures, respectively. The participants’ accurate posture accuracy in each exercise was 97.43% on average, and the accuracy of inaccurate postures was 72.78% on average. The exercise amount of inaccurate postures of each participant was lower than that of accurate postures. Consequently, the accurate exercise postures were confirmed to maximize exercise efficiency.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.