[논문]퍼지 시스템을 이용한 골프 스윙 분류

박준욱; 곽수영

doi:10.5909/jbe.2013.18.3.380

[국내논문] 퍼지 시스템을 이용한 골프 스윙 분류
Golf Swing Classification Using Fuzzy System 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.18 no.3, 2013년, pp.380 - 392

박준욱 (한밭대학교 전자.제어공학과) , 곽수영 (한밭대학교 전자.제어공학과)

초록
AI-Helper

본 논문에서는 키넥트와 퍼지 시스템을 이용하여 골프 스윙 동작을 7가지 구간으로 분류하는 방법을 제안한다. 퍼지 논리의 입력으로 골프 클럽과 클럽의 헤드 위치를 사용하였으며 이 정보는 키넥트로부터 획득한 골퍼의 관절 정보와 컬러 영상 정보로부터 검출하였다. 제안하는 방법은 크게 신체 관절 추출 모듈, 골프 클럽 검출 및 헤드 추적 모듈, 골프 스윙 동작 분류 모듈로 구성되어 있다. 신체 관절 추출 모듈은 키넥트 센서로부터 검출되는 신체 관절 정보 중 골프 클럽의 검출을 위해 손의 좌표를 추출한다. 두 번째 모듈에서는 손의 좌표를 기준으로 허프 직선 변환 알고리즘을 사용하여 골프 클럽과 골프 클럽의 헤드를 검출한다. 마지막으로 인식 오류를 줄이고 동작별 인식 성능을 향상시키기 위해 퍼지 시스템을 적용하여 골프 스윙 동작을 분류하였다. 실시간 골프 스윙 영상에 대해 제안한 방법의 성능 평가를 시행하였고 제안한 방법은 평균 85.2%의 골프 스윙 동작 분류 신뢰도를 보여줌을 확인하였다.

Abstract ▼ AI-Helper

A method to classify a golf swing motion into 7 sections using a Kinect sensor and a fuzzy system is proposed. The inputs to the fuzzy logic are the positions of golf club and its head, which are extracted from the information of golfer's joint position and color information obtained by a Kinect sensor. The proposed method consists of three modules: one for extracting the joint's information, another for detecting and tracking of a golf club, and the other for classifying golf swing motions. The first module extracts the hand's position among the joint information provided by a Kinect sensor. The second module detects the golf club as well as its head with the Hough line transform based on the hand's coordinate. Using a fuzzy logic as a classification engine reduces recognition errors and, consequently, improves the performance of robust classification. From the experiments of real-time video clips, the proposed method shows the reliability of classification by 85.2%.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 움직이는 골프 클럽을 검출하고 골프 스윙 동작 중에 발생하는 모션 블러 현상을 감소시키기 위해 세 프레임에 대한 연산을 수행한다. 현재의 프레임과 그 전의 두 프레임을 I_t, I_{t - 1}, I_{t - 2}라고 정의할 때, 두 프레임의 차이 Diff(I_t1, I_t2)는 <수식 1>과 같다.
본 논문에서는 실시간으로 입력되는 키넥트의 컬러 영상과 센서 데이터를 사용하여 골프 스윙 동작을 7가지로 자동으로 분류하는 방법을 제안하였다. 분류된 골프 스윙 동작은 각 구간별 관절 정보와 골프 클럽의 이동 궤적 등의 특징 정보를 바탕으로 골프 스윙 자세를 자동으로 분석하는 기술로 확장하고자 한다.
본 논문에서는 실시간으로 입력되는 키넥트의 컬러 영상과 센서 데이터를 사용하여 골프 스윙 동작을 7가지로 자동으로 분류하는 방법을 제안하였다. 분류된 골프 스윙 동작은 각 구간별 관절 정보와 골프 클럽의 이동 궤적 등의 특징 정보를 바탕으로 골프 스윙 자세를 자동으로 분석하는 기술로 확장하고자 한다.
본 논문에서 제안한 골프 스윙 동작을 분류하는 방법은 더 나아가 골프 프로선수의 스윙에서 얻을 수 있는 관절 정보와 골프 클럽의 운동학적 데이터를 추출하여 데이터베이스를 구축하고 이를 사용하여 실시간 골프 스윙을 하는 동시에 사용자가 자신의 스윙 모습과 프로선수의 스윙 모습이 비교되어 전문가의 코칭과정 없이 스스로 학습할 수 있는 학습형 엔터테인먼트 개발을 목표로 진행될 것이다.

제안 방법

본 논문에서는 다양한 스포츠 중에서 대중적인 스포츠로 자리 잡은 골프의 스윙 모션을 키넥트 카메라와 센서를 이용하여 위의 골프에 대한 7가지 스윙 동작에 따른 골프 클럽 헤드의 위치와 속도, 이동방향에 따라 퍼지제어 방식을 이용하여 스윙 동작을 분류하는 방법을 제안한다. 제안하는 방법의 흐름도는 그림 2과 같다.
본 논문에서는 키넥트에서 제공하는 관절 추출 정보를 이용하여 그림 4와 같이 신체의 관절을 추출하고 골프 클럽 검출을 위해 양손의 좌표를 이용하였다.
본 논문에서 적용한 퍼지 시스템은 골프 클럽의 헤드 위치(Position), 골프 클럽 헤드의 속도(Velocity), 골프 클럽 헤드의 이동 방향(Direction)과 같은 세 개의 언어 변수를 이용하여 룰베이스를 만들었고 각 언어 변수들에 대한 퍼지 집합을 특징짓는 멤버쉽 함수를 선정하였다.
본 논문에서는 이 중 'IF Position is "" and Velocity is " " and Direction is " " THEN Pose is " "'와 같이 골프 스윙 동작에서는 물리적으로 발생할 수 없는 경우를 제외하여 총 74가지에 대한 룰베이스를 정의하였다.
영상의 크기는 640x480이고 초당 30프레임을 획득하였다. 골프 스윙 데이터 촬영을 위해 키넥트 센서의 위치는 약70cm높이의 책상에 배치하였고, 키넥트의 센서 측정 거리 범위를 고려하여 약 2m 떨어진 거리에서 골프스윙을 하는 자세를 정면에서 촬영하였다. 실험은 매트랩의 퍼지 툴 박스(Fuzzy toolbox)를 사용하였고, 구현은 Microsoft Visual Studio 2010 환경에서 키넥트 SDK 1.
스윙 동작 분류를 위한 인터페이스는 실시간으로 처리된 데이터를 수집하여 현재 동작 구간을 사용자에게 알려주는 방식으로 영상의 상단 부분을 이용하여 시각적으로 표현하였다. 스윙 동작 인터페이스는 기본적으로 노란색 사각형의 모습으로 생성되었고, 현재의 골프 스윙 동작에 해당되는 동작에 대해서 빨간색 사각형으로 채워지는 형식으로 구성되어 있다.
표 1에서 정의한 골프 스윙 동작 분류에 대한 결과는 그림 11과 같다. 실험 결과는 컬러 영상에서 검출된 골프 클럽과 골프 클럽 헤드를 추적하고 현재의 스윙 동작을 표시한다.
위의 3가지 타입의 오류를 이용하여 1명의 실험자가 골프 스윙을 5번 반복 실행하여 와 같이 분류 성능을 평가하고, 표 3과 같은 결과를 얻었다.
. 허프 직선 변환으로 검출된 하나의 직선은 x축에 가까운 점을 p₀ , x축에 먼 점을 p₁으로 반환하게 되는데, 본 논문에서 제안하는 방법은 두 점을 키넥트 센서로 부터 얻은 양손의 좌표와 비교하여 더 멀리 있는 점을 골프 클럽 헤드로 정의한다. 골프 클럽 헤드를 추적한 결과는 그림 7과 같이 노란색으로 표현하였다.

대상 데이터

본 논문에서 제안한 방법론을 테스트하기 위해, 키넥트센서를 이용하여 직접 촬영한 데이터를 사용하였다. 영상의 크기는 640x480이고 초당 30프레임을 획득하였다.
본 논문에서 제안한 방법론을 테스트하기 위해, 키넥트센서를 이용하여 직접 촬영한 데이터를 사용하였다. 영상의 크기는 640x480이고 초당 30프레임을 획득하였다. 골프 스윙 데이터 촬영을 위해 키넥트 센서의 위치는 약70cm높이의 책상에 배치하였고, 키넥트의 센서 측정 거리 범위를 고려하여 약 2m 떨어진 거리에서 골프스윙을 하는 자세를 정면에서 촬영하였다.

데이터처리

제안하는 방법의 골프 스윙 동작 분류 성능을 평가하기 위해 3가지 타입의 오류와 신뢰도를 이용하였다^[13]. 3가지 타입의 오류는 삭제 오류, 대체 오류, 삽입 오류이다.

이론/모형

본 논문에서는 실시간으로 움직이는 골프 클럽의 추출을 위해 차영상 기법을 이용하였다. 차영상 기법은 현재 프레임과 이전 프레임의 차이를 이용하여 실시간으로 움직이는 동작의 검출에 많이 사용 되는 알고리즘이다^[8].
골프 스윙 데이터 촬영을 위해 키넥트 센서의 위치는 약70cm높이의 책상에 배치하였고, 키넥트의 센서 측정 거리 범위를 고려하여 약 2m 떨어진 거리에서 골프스윙을 하는 자세를 정면에서 촬영하였다. 실험은 매트랩의 퍼지 툴 박스(Fuzzy toolbox)를 사용하였고, 구현은 Microsoft Visual Studio 2010 환경에서 키넥트 SDK 1.0 버전을 사용하였다.
골프 클럽은 영상에서 직선으로 표현되는 스윙 도구이다. 이러한 스윙 도구의 검출을 위해서 직선 검출에서 가장 뛰어난 성능을 볼 수 있는 허프 직선 변환 알고리즘을 사용하였다^[9]. 허프 직선 변환 알고리즘은 입력 영상에서 0이 아닌 픽셀들을 (a, b) 좌표 평면 영상에서 모두 직선으로 표현하고, 직선들이 지나가는 위치에 있는 픽셀 값을 모두 축척하면, (x, y) 좌표 평면에서의 직선은 (a, b) 좌표 평면에서는 국지적 최댓값을 갖는 형태로 나타난다.

성능/효과

퍼지 시스템은 명확하게 구분 짓기 힘든 물리량에 대해 퍼지 집합을 이용함으로써 애매모호함을 다룰 수 있게 해준다. 본 논문에서 다루고자 하는 골프 스윙 동작은 움직임의 많고 적음이 일정하지 않고 동작을 분류할 수 있는 경계가 애매하므로 퍼지 시스템을 적용하여 분류 과정에 나타날 수 있는 오류와 불확실성을 감소시킬 수 있다.
본 논문에서는 여러 자료로부터 획득한 공통적인 부분을 토대로 다음과 같이 7가지 구간에 대한 Ground Truth를 정의한다. 첫 번째, 어드레스는 양 어깨 사이에 골프 클럽이 위치할 때, 두 번째, 테이크백은 어드레스 구간을 지나 골프 클럽 헤드가 11시 방향에 위치할 때, 세 번째, 탑 오브 스윙은 테이크 백으로부터 골프 클럽이 1시 방향에 위치할 때, 네 번째, 다운스윙은 탑 오브 스윙으로부터 골프 클럽 헤드가 6시 방향에 위치할 때, 다섯 번째, 임팩트는 골프 클럽 헤드가 6시 방향에 위치하고 골프공을 타격할 때, 여섯 번째, 팔로우 스루는 임팩트 구간을 지나 골프 클럽이 1시 방향에 위치할 때, 마지막으로 피니쉬는 팔로우 스루를 지나 골프 클럽 헤드의 위치 변화가 없을 때이다^[14][15]. 위의 Ground Truth를 바탕으로 퍼지 로직을 이용하여 실험한 결과를 위의 수식으로 계산하여 모든 골프 스윙 동작에 대해 75%~93% 사이의 신뢰도를 보였다.
첫 번째, 어드레스는 양 어깨 사이에 골프 클럽이 위치할 때, 두 번째, 테이크백은 어드레스 구간을 지나 골프 클럽 헤드가 11시 방향에 위치할 때, 세 번째, 탑 오브 스윙은 테이크 백으로부터 골프 클럽이 1시 방향에 위치할 때, 네 번째, 다운스윙은 탑 오브 스윙으로부터 골프 클럽 헤드가 6시 방향에 위치할 때, 다섯 번째, 임팩트는 골프 클럽 헤드가 6시 방향에 위치하고 골프공을 타격할 때, 여섯 번째, 팔로우 스루는 임팩트 구간을 지나 골프 클럽이 1시 방향에 위치할 때, 마지막으로 피니쉬는 팔로우 스루를 지나 골프 클럽 헤드의 위치 변화가 없을 때이다^[14][15]. 위의 Ground Truth를 바탕으로 퍼지 로직을 이용하여 실험한 결과를 위의 수식으로 계산하여 모든 골프 스윙 동작에 대해 75%~93% 사이의 신뢰도를 보였다. 신뢰도는 골프 스윙의 시작 단계인 Address구간에서 가장 높게 나타났으며, 골프 스윙이 빨라지는 Down swing 구간에서 가장 낮게 나타났다.
위의 Ground Truth를 바탕으로 퍼지 로직을 이용하여 실험한 결과를 위의 수식으로 계산하여 모든 골프 스윙 동작에 대해 75%~93% 사이의 신뢰도를 보였다. 신뢰도는 골프 스윙의 시작 단계인 Address구간에서 가장 높게 나타났으며, 골프 스윙이 빨라지는 Down swing 구간에서 가장 낮게 나타났다.

후속연구

국내 스포츠 분석 소프트웨어는 대부분의 영역에서 카메라의 입력 영상을 사용하여 분석하지만, 이를 컴퓨터가 직접 분석해서 사용자에게 알려주는 시스템은 대중화 되지 않고 있다. 현재의 스포츠 분석은 카메라 영상을 전문가가 직접 분석하여 선수들에게 잘못된 부분을 고칠 수 있게 피드백 해주는 방식으로 이루어져 있는데, 본 논문에서 제안한 분류 방법을 기반으로 각 구간에 대한 분석을 더 자세하게 할 수 있는 소프트웨어의 개발이 이루어진다면 세미프로 선수들의 자가진단 프로그램으로 응용이 가능하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대표적인 골프의 스윙 동작 자세 교정 7가지 동작은?	이러한 스포츠 중 운동의 자세를 가장 중요시 하면서 많은 사람들이 자세교정을 받기를 원하는 운동이 골프이다. 골프의 스윙 동작 자세 교정은 스윙을 위한 첫 번째 단계로 가장 중요한 부분을 차지하고 있으며, 대표적으로 어드레스, 테이크 백, 탑 오브 스윙, 다운스윙, 임팩트, 팔로우 스로, 피니쉬의 총 7가지 동작으로 분류된다[6].
	키넥트에서는 어떤 시스템을 제공하고 있는가?	또한, 키넥트에서는 사람의 주요 관절 20개를 인식할 수 있는 관절 추적 시스템을 제공한다. 키넥트에서는 20개의 관절이면 사람의 모션을 충분히 표현할 수 있다고 판단하여 그림 3-(b)에서 나타낸 것과 같이 사람의 관절을 20개로 나누어 각 부위별 명칭을 부여하였다.
	독일과 영국은 어떤 스포츠 동작 분석 기술을 설계 및 개발하였는가?	실제 예로 독일의 SPORTSCAD사[2]는 사전에 수집된 선수들의 동작 분석 데이터베이스를 구축하여 사용자에게서 추출된 모션의 역학을 분석하는 소프트웨어를 설계하여 사용하고 있으며, 영국의 The Quintic System사[3]는 카시오 초고속카메라를 이용하여 스포츠 동작과 생물학적, 역학적 정보를 분석하는 소프트웨어를 개발하였다.

참고문헌 (15)

Kim. Changwook, "Study on the needs od data analysis about analysis method of golf swing", The Korean Journal of Sports Science, vol. 20, No. 5, pp. 1331-1340, 2011
http://www.sportscad.com/
http://www.quintic.com/
Jung. Sunil, "The Effect of video analysis on the learning of Taekwonde side kick", Dongeui Univ. Physics, Master Thesis, pp. 1-64, 2010
Hwang. Saebom, "An Analysis of the User Interface in an Interactive Game", KDK Journal, vol. 22, pp. 97-106, June, 2012
Cho. Cangho, "Optimum Swing Action of Golf", KCDC, vol. 7, No. 3, pp. 37-45, 2005
Sunyoung Cho, "Hand Gesture Recognition from Kinect Sensor Data", JBE, vol. 17, No. 3, pp. 447-458, May, 2012
Peera Chotimanus, "Real swing Extraction for Video indexing in Golf Practice Video", Chulalongkorn Univ. 2012
Richard O. Duda and Pete E., "Use of the Hough Transformation To Detect Lines and Curves in Pictures", Communications of the ACM, 1972, pp.11-15
S. H. Shin, S. K. Ko, "A Kinematic analysis of Golf Swing Motion", Korean Journal of Sports Biomechanics, Vol. 13, No. 2, pp.101-114, 2003

원문보기 상세보기
Li-Xin Wang, "A Course in Fuzzy Systems and Control", Prentice-Hall, 1997
Lichao Zhang, "A Kinect-Based Golf Swing Classification System Using HMM and Neuro-Fuzzy", CSIP, pp. 1163-1166, 2012
Ogden NH, Lindsay LR, Morshed M, Sockett PN, Artsob H, "The rising challenge of Lyme borreliosis in Canada", Can. Commun. Dis. Rep. 34 (1): 1-19, 2008

상세보기
Cheryl Anderson, Brian Crowell, Tom Mackin, "Golf visual quick tips", 2008
Y.S.Kim, "The lecture of Golf", A publishing department of Jeonju Univ., 2000

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증