선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 모든 골퍼들에게 공통으로 적용될 수 있는 절대적인 표준 스윙이 존재할 수 없으므로, 개인별 스윙분석을 위해서는 체격, 나이, 성별, 몸의 유연성 등에 따라 프로들의 스윙데이터(특징)를 수집하여 이들과의 상대적 비교에 의한 평가가 필요하다. 본 논문에서는 스윙 자동 분석에 앞서, 일반적으로 필요한 스윙분석 데이터 추출을 위한 스윙 특징의 자동추출에 관하여 논한다.
- 본 논문에서는 여러 대의 카메라나 마커를 사용하는 대신 키넥트 카메라 한대를 이용하여 일반인들도 쉽게 자신의 스윙을 분석할 수 있는 스윙 특징들을 자동 추출하는 방법을 제안한다. 3장에서는 자동추출의 대상이 되는 골프스윙 특징들을 정하고 각 스윙 특징들을 추출하는 방법을 설명한 후, 제안한 방법을 50개의 스윙 영상을 대상으로 한 실험 및 결과를 나타내었다.
- 본 논문에서는 키넥트 카메라를 이용한 효율적인 골프 스윙 특징 자동 추출방법을 제안하고 실험을 통하여 성능을 확인하였다. 제안한 방법은 다음과 같은 점에서 의의를 갖는다.
제안 방법
- 본 논문에서는 스윙의 짧은 단계별로 분석이 가능한 스윙 구간별 움직임과 백스윙 및 다운스윙 전체에서의 움직임을 모두 구하였다. 구간별 움직임은 어드레스-테이크어웨이, 테이크어웨이-스윙탑, 스윙탑-임팩트, 임팩트-피니쉬 키프레임 구간들에서의 머리와 몸통의 좌우 및 상하 움직인 값을 구하였다. 작은 스윙구간에서의 움직임은 구체적으로 어떤 국면에서 몸의 움직임이 많이 발생하는지를 분석하는데 사용될 수 있다.
- 빠른 스윙단계에서의 클럽 샤프트는 표면이 둥글고 적외선을 잘 반사하는 경향이 있어 깊이 영상에서 제대로 나타나지 않는 부분이 있을 수 있다. 따라서 허프 변환과 같은 직선 찾는 알고리즘으로 구하기가 쉽지 않아서, 본 논문에선 클럽헤드와 손잡이 영역을 찾아서 이를 연결하는 직선의 기울기를 이용하여 계산한다. 사용자의 머리 왼쪽-위쪽 영역에서 카메라로부터의 거리가 몸의 거리 앞뒤로 일정 범위 이내인 영역 중에서 샤프트 손잡이 영역을 구하고 깊이 값이 유사한 점들이 모여 있는 클럽헤드 영역을 찾아서 손잡이 부분과 헤드가 이루는 각을 계산함으로써 구한다.
- 몸의 움직임은 어드레스와 비교했을 때의 몸의 좌우 위치 이동을 말하며, 이 양이 많으면 스웨이(Sway)가 크다고 하고 몸통 꼬임에 의한 비거리 향상에 방해가 되는 것으로 알려져 있다. 몸의 움직임 정보의 추출은 어드레스-테이크어웨이뿐만 아니라 다양한 키프레임 간에서 측정하였다. 그림 7에 테이크어웨이에서의 스윙특징 추출의 예로 코킹각이 151도인 것을 보여준다.
- 어드레스에서 또 다른 중요한 스윙특징으로는 몸의 각 부분이 타깃 방향과 이루는 각도가 있고, 이를 몸의 정렬각(Body Alignment Angle)이라고 한다. 본 논문에서는 어깨(가슴), 팔, 무릎, 발 네 부분에 대한 정렬 값을 각도로 구한다. 몸의 왼쪽 부분이 오른쪽 부분보다 앞쪽으로 위치하면 닫혀있다(Closed)고 말하고 드로루(Draw)구질의 볼을 칠 때 사용하는 자세이다.
- 일반적으로 스윙플레인은 모든 구간에서 같은 값을 갖지 않고, 초보자 일수록 8자 형태의 스윙 등으로 백스윙과 다운스윙 구간에 다른 스윙플레인 값을 갖는다. 본 논문에서는 어드레스 프레임에서의 클럽위치를 기준으로 하여 각 키프레임에서의 클럽헤드 위치와의 각도를 계산하여 스윙플레인을 표시한다.
- 그림에서 표시된 영문자는 키넥트 SDK에서 사용되는 관절점을 나타내는 상수값이다. 본 논문에서는 직접적으로 관절값을 추출하는 대신, SDK가 제공하는 관절점 정보를 활용한다. 이는, 관절점의 위치라는 정보 자체가 모든 사람이 인정하는 특정한 한 점으로 나타내기 어려운 속성이 있다는 점 외에도 다양한 테스트 결과 키넥트가 제공하는 관절점 정보값이 비교적 정확하다고 판단하였기 때문이다.
- 따라서 허프 변환과 같은 직선 찾는 알고리즘으로 구하기가 쉽지 않아서, 본 논문에선 클럽헤드와 손잡이 영역을 찾아서 이를 연결하는 직선의 기울기를 이용하여 계산한다. 사용자의 머리 왼쪽-위쪽 영역에서 카메라로부터의 거리가 몸의 거리 앞뒤로 일정 범위 이내인 영역 중에서 샤프트 손잡이 영역을 구하고 깊이 값이 유사한 점들이 모여 있는 클럽헤드 영역을 찾아서 손잡이 부분과 헤드가 이루는 각을 계산함으로써 구한다.
- 예를 들어, 드라이버 클럽과 같이 클럽헤드가 스윙저점을 지나 올라가면서 볼을 가격하는 어퍼블로우(Upper Blow)인 경우와 아이언과 같이 다운블로우(Down Blow)로 스윙하는 경우에는 어깨 기울기가 달라지는 경향이 있다. 어깨 기울기 특징의 추출은 SHOULDER_LEFT와 SHOULDER_RIGHT 관절점이 상하 간에 이루는 각을 계산함으로써 구한다. 그림 4에서는 1.
- 직진성의 일반적인 스윙을 구사할 때는 몸의 좌우 각 부분이 타깃 방향과 일직선이 되는 것이 일반적이다. 어깨정렬각 계산에는 좌우SHOULDER 관절이 이루는 각을 사용하고, 팔, 무릎, 발에 대해서도 각각 좌우 ELBOW, KNEE, ANKLE 관절값들이 이루는 각을 삼각함수를 이용하여 구한다.
- 이에 대한 해결 방안으로 2차원 영상 시퀀스로부터 3차원 정보를 추출하여 인체정보나 스윙 특징 추출을 시도한 연구들도 있었다[9-11]. 입력된 2차원 영상 시퀀스들로부터 3차원 인체모델을 구성하려 하거나 프레임간의 영상차 등의 영상처리 기법을 이용하여 스윙특징 추출을 시도하였다. 그러나 이러한 2차원 기반 연구들은 입력된 데이터의 속성상 완벽한 3차원 정보의 추출에는 한계가 있기 때문에 엑스펙터(X-Factor) 같은 중요한 3차원 스윙 특징의 추출에는 어려움이 많은 것이 현실이다.
- 제안한 방법은 다음과 같은 점에서 의의를 갖는다. 첫째, 제안한 방법은 모든 스윙 특징들을 명확한 숫자 값으로 제시하고 사용자의 스윙특징을 정량화 하여 표현하므로 보다 객관적인 스윙분석을 가능하게 한다. 예를 들어, 제안한 방법에서는 백스윙 시에 머리가 좌우로 각각 몇 cm씩 움직였는지 알려주므로, 향후 비슷한 체격조건의 프로선수들의 스윙데이터를 데이터베이스화 하여 비교하면 머리 움직임의 적정성과 오차를 정확하게 수치 값으로 표현할 수 있다.
대상 데이터
- 본 논문에서 제안한 스윙 특징들의 자동 추출을 위한 실험 환경으로, ㈜마이크로소프트사의 Kincet 2 TOF 카메라, Kinect SDK 2.0 1409버전, 윈도우즈 8.1, 그리고 인텔 1.8GHz i5 CPU와 8Giga 메모리가 장착된 컴퓨터를 사용하였다. 스윙에는 2~3초의 시간이 사용되었고, 스윙특징들의 자동추출과 출력에는 평균 3~5초가 소요되어서 실용적인 활용에 적합한 것으로 판단된다.
- 코치들이 스윙을 분석할 때 주요한 국면(키프레임)과 국면 사이에서 스윙 특징들을 찾기 때문에, 스윙 특징을 추출하기 위해서는 우선 키프레임 들을 추출할 수 있어야 한다. 본 논문에서는 어드레스, 테이크어웨이, 스윙탑, 다운스윙, 임팩트, 릴리스, 피니쉬로 구성되는 7개의 키프레임을 사용 및 추출한다. 본 논문에서는 오른손잡이 골퍼를 기준으로 하여 기술하고, 왼손잡이의 경우에는 좌우 반전된 영상을 사용하면 동일한 결과를 얻을 수 있다.
- 제안한 방법의 성능을 확인하기 위하여 10명의 아마추어 골퍼로부터 총 50장의 아마추어 스윙영상을 대상으로 스윙특징 자동 추출을 실험하였다. 스윙동작이라는 것이 복잡한 운동역학적 요소를 수반하여, 동일한 골퍼의 경우에도 스윙시마다 스윙 특징값들이 조금씩 다르기 마련이다.
데이터처리
- 상체 숙임각이 클수록(상체를 많이 숙일수록)보다 평평한 스윙평면을 갖게 되어 볼에 측면방향 구름(Side Spin)을 많이 갖게 하고, 상체 숙임각이 작을수록 세워진 스윙평면을 갖게 되어 볼에 역방향 구름(Back Spin)을 증가 시킨다. 상체 숙임각 특징의 추출은 좌우 SHOULDER 관절들과 좌우 HIP 관절들이 키넥트로부터 갖는 깊이 값과 각 점들간의 세로 거리 값에 대한 삼각함수를 이용하여 구하며 좌우값의 평균값을 사용한다. 어느 정도의 상체 숙임각 값이 적정한지는 골퍼의 키와 사용하는 클럽의 길이에 따라 달라지며, 그림4에서는 상체숙임각이 42.
성능/효과
- 이는 스윙분석에 드는 비용과 시간을 줄여 줄 뿐만 아니라, 코치의 수준에 관계없이 일관성 있고 객관적인 분석이 가능하다는 장점도 있다. 넷째, 어깨와 허리의 회전 움직임에 의한 엑스펙터, 어드레스시의 몸 각 부분의 정렬 상태, 스윙플레인 등 기존의 2차원 분석 환경에서는 추출 불가능했던 스윙특징들을 자동으로 추출하여 실제적인 3차원 스윙분석이 가능하였다. 마지막으로, 제안한 방법은 한 대의 키넥트를 이용하므로 저렴한 비용과 간단한 설치 및 운영이 가능하며, 객관적이고 안정적인 스윙 분석 시스템을 만들 수 있다는 특징이 있다.
- 첫째, 2차원 카메라에서는 매우 구현하기 어려운 사람과 배경의 완벽한 분리가 가능하여 배경영역의 간섭 없이 사람의 동작 분석에 집중할 수 있게 한다. 둘째, 그림자나 조명 변화에 강한 깊이 데이터를 획득할 수 있어 촬영환경 변화에 무관한 안정적인 시스템 운영이 가능하다. 셋째, 키넥트 SDK를 이용하여 25개의 관절 정보를 이용할 수 있기 때문에 인체 각 부분 정보의 추출 및 활용이 용이하다.
- 셋째, 키넥트 SDK를 이용하여 25개의 관절 정보를 이용할 수 있기 때문에 인체 각 부분 정보의 추출 및 활용이 용이하다. 마지막으로, 기존의 3차원 측정 장비와 비교할 때 설치가 간단할 뿐만 아니라 매우 저렴한 비용으로 3차원 정보 획득이 가능하다
- 넷째, 어깨와 허리의 회전 움직임에 의한 엑스펙터, 어드레스시의 몸 각 부분의 정렬 상태, 스윙플레인 등 기존의 2차원 분석 환경에서는 추출 불가능했던 스윙특징들을 자동으로 추출하여 실제적인 3차원 스윙분석이 가능하였다. 마지막으로, 제안한 방법은 한 대의 키넥트를 이용하므로 저렴한 비용과 간단한 설치 및 운영이 가능하며, 객관적이고 안정적인 스윙 분석 시스템을 만들 수 있다는 특징이 있다.
- 신체 각 부분의 위치 이동과 관련한 스윙 특징으로는 백스윙과 다운스윙 단계에서 머리와 몸통의 움직임을 들 수 있다. 본 논문에서는 스윙의 짧은 단계별로 분석이 가능한 스윙 구간별 움직임과 백스윙 및 다운스윙 전체에서의 움직임을 모두 구하였다. 구간별 움직임은 어드레스-테이크어웨이, 테이크어웨이-스윙탑, 스윙탑-임팩트, 임팩트-피니쉬 키프레임 구간들에서의 머리와 몸통의 좌우 및 상하 움직인 값을 구하였다.
- 이는, 관절점의 위치라는 정보 자체가 모든 사람이 인정하는 특정한 한 점으로 나타내기 어려운 속성이 있다는 점 외에도 다양한 테스트 결과 키넥트가 제공하는 관절점 정보값이 비교적 정확하다고 판단하였기 때문이다. 사용자의 앞면이 키넥트를 향하고 있는 경우와 두 손이 몸 뒤로 감춰지지 않은 경우에는 상당히 안정적으로 동작함을 확인할 수 있다. 키넥트는 가로 및 세로 방향으로 각각 70.
- 둘째, 스크린 골프와 같은 기존의 스윙분석 방법들은 사람이 아닌 클럽이나 볼의 속도와 탄도 등을 이용하므로 잘못된 스윙 자세를 자동으로 분석하기는 불가능한 반면, 제안한 방법은 스윙하는 사람의 자세로부터 스윙 특징들을 추출하므로 향후 정확한 스윙 자동분석의 자료로 활용 가능하다. 셋째, 기존 방법들에서는 스윙결과에 대한 분석 시 전문가의 도움이 반드시 필요하나, 제안한 방법을 이용할 경우 스윙 특징이 자동으로 추출되므로 특징들을 향후 분석 단계에 활용할 경우에 별도 전문가의 도움 없이 아마추어 개인에 의한 자가 스윙 분석도 가능해진다. 이는 스윙분석에 드는 비용과 시간을 줄여 줄 뿐만 아니라, 코치의 수준에 관계없이 일관성 있고 객관적인 분석이 가능하다는 장점도 있다.
- 둘째, 그림자나 조명 변화에 강한 깊이 데이터를 획득할 수 있어 촬영환경 변화에 무관한 안정적인 시스템 운영이 가능하다. 셋째, 키넥트 SDK를 이용하여 25개의 관절 정보를 이용할 수 있기 때문에 인체 각 부분 정보의 추출 및 활용이 용이하다. 마지막으로, 기존의 3차원 측정 장비와 비교할 때 설치가 간단할 뿐만 아니라 매우 저렴한 비용으로 3차원 정보 획득이 가능하다
- 8GHz i5 CPU와 8Giga 메모리가 장착된 컴퓨터를 사용하였다. 스윙에는 2~3초의 시간이 사용되었고, 스윙특징들의 자동추출과 출력에는 평균 3~5초가 소요되어서 실용적인 활용에 적합한 것으로 판단된다. 표 1에 본 연구에서 추출한 스윙 특징과 각 특징들을 이용한 분석 항목들을 기술하였다.
- 실험에서 임팩트 프레임에서 손과 샤프트 위치 특징값 추출이 상대적으로 낮은 추출률을 보였는데, 이는 샤프트가 빠르게 움직이는 임팩트 영역에서 클럽의 빠른 이동 속도에 비하여 상대적으로 낮은 키넥트의 처리속도에 기인한다. 즉, 임팩트 순간에 클럽 샤프트가 골퍼의 몸통 정중앙에서 정확하게 포착되지 못하고 앞뒤로 약간 이동된 경우가 발생하였다.
- 제안한 방법을 다수의 스윙 영상에 적용한 결과, 키넥트 캡춰 성능에 기인한 임팩트 프레임에서의 일부 특징 추출의 경우를 제외하면, 스윙특징의 자동 추출이 효과적으로 이루어짐을 확인 하였다. 향후, 체격별 프로골퍼들에 대한 표준 스윙특징들을 데이터베이스화 하고, 스윙 직후 각 단계별 및 항목별로 스윙결과를 자동 분석 및 출력하는 개인별 자가 스윙 진단 시스템을 개발할 예정이다.
- 골프 스윙 특징 추출이나 동작 분석에 깊이정보와 관절정보를 제공하는 키넥트를 사용할 경우 다음과 같은 장점이 있다. 첫째, 2차원 카메라에서는 매우 구현하기 어려운 사람과 배경의 완벽한 분리가 가능하여 배경영역의 간섭 없이 사람의 동작 분석에 집중할 수 있게 한다. 둘째, 그림자나 조명 변화에 강한 깊이 데이터를 획득할 수 있어 촬영환경 변화에 무관한 안정적인 시스템 운영이 가능하다.
후속연구
- 둘째, 스크린 골프와 같은 기존의 스윙분석 방법들은 사람이 아닌 클럽이나 볼의 속도와 탄도 등을 이용하므로 잘못된 스윙 자세를 자동으로 분석하기는 불가능한 반면, 제안한 방법은 스윙하는 사람의 자세로부터 스윙 특징들을 추출하므로 향후 정확한 스윙 자동분석의 자료로 활용 가능하다. 셋째, 기존 방법들에서는 스윙결과에 대한 분석 시 전문가의 도움이 반드시 필요하나, 제안한 방법을 이용할 경우 스윙 특징이 자동으로 추출되므로 특징들을 향후 분석 단계에 활용할 경우에 별도 전문가의 도움 없이 아마추어 개인에 의한 자가 스윙 분석도 가능해진다.
- 또한 빨리 움직이는 둥근 형태의 샤프트 면에서 적외선이 제대로 반사되지 못하여 샤프트의 일부분이 캡처 되지 못하는 경우도 발생하였다. 엑스팩터 스윙특징이 다른 스윙특징 추출의 경우보다 추출률이 상대적으로 낮은 것은, 허리의 회전량 계산 오류가 추출률 저하의 원인이었고, 향후 허리의 회전 각도를 보다 정확하게 측정하는 방법에 대한 연구가 더 필요하다. 키넥트의 FPS 성능으로 인한 보다 정확한 임팩트 순간 포착문제에 대하여 이를 보정할 수 있는 방법에 대한 추가 연구가 필요하다.
- 클럽의 이동속도가 상대적으로 낮은 테이크어웨이에서는 클럽과 손의 위치 추출이 무난하지만 다운스윙에서는 가끔 현재 키넥트의 성능(최대 30FPS)이 클럽의 이동속도를 따라잡지 못하여 클럽 위치 추적이 실패하는 경우도 있다. 이는 향후 보다 빠른 성능의 키넥트가 개발될 경우 해결될 문제로 판단된다.
- 향후, 체격별 프로골퍼들에 대한 표준 스윙특징들을 데이터베이스화 하고, 스윙 직후 각 단계별 및 항목별로 스윙결과를 자동 분석 및 출력하는 개인별 자가 스윙 진단 시스템을 개발할 예정이다. 이러한 시스템은 스윙코치의 레슨 보조 도구로 이용 되거나 스크린골프장 같은 곳에서 개인별 자가 스윙분석 시스템으로 활용 가능할 것이다.
- 엑스팩터 스윙특징이 다른 스윙특징 추출의 경우보다 추출률이 상대적으로 낮은 것은, 허리의 회전량 계산 오류가 추출률 저하의 원인이었고, 향후 허리의 회전 각도를 보다 정확하게 측정하는 방법에 대한 연구가 더 필요하다. 키넥트의 FPS 성능으로 인한 보다 정확한 임팩트 순간 포착문제에 대하여 이를 보정할 수 있는 방법에 대한 추가 연구가 필요하다.
- 제안한 방법을 다수의 스윙 영상에 적용한 결과, 키넥트 캡춰 성능에 기인한 임팩트 프레임에서의 일부 특징 추출의 경우를 제외하면, 스윙특징의 자동 추출이 효과적으로 이루어짐을 확인 하였다. 향후, 체격별 프로골퍼들에 대한 표준 스윙특징들을 데이터베이스화 하고, 스윙 직후 각 단계별 및 항목별로 스윙결과를 자동 분석 및 출력하는 개인별 자가 스윙 진단 시스템을 개발할 예정이다. 이러한 시스템은 스윙코치의 레슨 보조 도구로 이용 되거나 스크린골프장 같은 곳에서 개인별 자가 스윙분석 시스템으로 활용 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.