[논문]Kinect 센서를 활용하는 노인 하체 근력 강화 시스템 연구

이원희; 강보윤; 김윤정; 김현경; 박정규; 박수이

doi:10.6109/jkiice.2017.21.11.2095

Kinect 센서를 활용하는 노인 하체 근력 강화 시스템 연구
A Study on the Lower Body Muscle Strengthening System Using Kinect Sensor 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.21 no.11, 2017년, pp.2095 - 2102

이원희 (Department of Content Design, Seoul Women's University) , 강보윤 (Department of Content Design, Seoul Women's University) , 김윤정 (Department of Content Design, Seoul Women's University) , 김현경 (Department of Content Design, Seoul Women's University) , 박정규 (Department of Digital Media, Seoul Women's University) , 박수이 (Department of Digital Media, Seoul Women's University)

초록
AI-Helper

본 논문에서 구현한 고령자 홈 트레이닝 콘텐츠는 사용자의 운동 능력에 따라 개인별 운동 처방을 하여 이를 통해 노인 개개인에게 맞춤형 프로그램을 제공한다. 고령화 인구 증가와 대비되는 노인의 낮은 건강 수명을 극복하기 위한 건강 증진은 필수적이다. 따라서 노인의 사망 위험 중 높은 비중을 차지하는 낙상을 예방하기 위한 하체 근력 강화운동이 중요하다. 본 논문에서는 노인이 자연환경 속에서 본인이 운동 한다고 느낄 수 있는 홈 트레이닝 콘텐츠 개발을 목표로 하였다. 이를 위해 Kinect 센서를 사용하여 골격 모델의 특징점을 추출하고 특징 벡터를 생성하여 사용자의 운동 횟수를 인식하였다. 제안하는 게임 모델을 사용하여 운동 능력 테스트를 수행하고 이를 기반으로 개인의 능력에 맞는 운동을 처방받아 운동을 수행할 수 있다. 키넥트 센서의 인식 테스트 결과 80%~97%의 정확도를 보였다.

Abstract ▼ AI-Helper

In this paper, we implemented the elderly home training contents provide individual exercise prescription according to the user's athletic ability and provide personalized program to the elderly individual. Health promotion is essential for overcoming the low health longevity of senior citizens preparing for aging population. Therefore, the lower body strengthening exercise to prevent falls is crucial to prevent a fall in the number of deaths of senior citizens. In this game model, the elderly are aiming at home training contents that can be found to feel that the elderly are going out of walk and exercising in the natural environment. To achieve this, Kinect extracts a specific bone model provide by the Kinect Sensor to generate the feature vectors and recognizes the movements and motion of the user. The recognition test using the Kinect sensor showed a recognition rate of about 80 to 97%.

주제어

AI 본문요약
AI-Helper

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

문제 정의

노인을 대상으로 한 ‘팔도강산3’와 ‘큰 북의 달인’이 노인의 치매 예방에 초점을 맞춰 제작되었다. 그러나 본 논문에서는 고령자의 사망 원인에서 큰 비중을 차지하는 낙상 방지를 위한 근력 운동에 초점을 두고 개발하였다. 또한 사용자의 실제 모습이 아닌 사용자가 투영된 3D 캐릭터를 통해 프로그램을 진행하는 ‘팔도강산3’와는 달리 사용자의 실제 영상을 보여줌으로써 사용자 자신의 자세를 실시간으로 확인할 수 있도록 개발하였다.
본 논문에서는 노인 사용자의 능력에 맞춘 하체 근력 강화 운동 프로그램을 제안한다. 프로그램은 운동 테스트를 통하여 사용자의 운동 단계와 강도를 조절하여 안전성을 높인다.
본 프로그램에서는 노인이 직접 운동을 진행하는 자연 배경과 자세를 지도하는 운동 선생님을 선택할 수 있도록 하여 콘텐츠의 다양성을 제공하고 있다. 이를 통해 노인이 운동 프로그램에 몰입할 수 있게 도와 지속적인 운동 참여를 이끌어 낼 수 있으며 맞춤 운동 프로그램의 효과를 극대화 할 수 있다 [12].
본 프로그램에서는 사용자의 운동이 시작되기 전 Blender로 제작된 3D 콘텐츠인 운동 선생님을 통해 동작에 대한 설명 및 시범을 보인다. 그림 4와 같이 화면에 나타난 운동 선생님의 동작을 확인한 후 사용자는 스스로 운동을 진행하게 된다.
또한 사용자가 편안함을 느낄 수 있도록 자연 배경을 제공하고 Kinect를 사용하여 사용자가 본인의 운동 자세를 실시간으로 확인할 수 있도록 하였다. 센서 기반의 장비와 운동 선생님이라는 콘텐츠를 통합하여 쉽고 재밌게 운동을 진행할 수 있도록 도와 노인의 근력 향상을 목표로 하였다.
이와 같은 이유로 본 논문에서는 노인을 대상으로 하는 센서 기반의 홈 트레이닝 앱을 구현하였다. 본 논문의 구성은 다음과 같다.

제안 방법

0 센서를 사용하여 실험하였다. Kinect 기반의 모션 인식 모델은 C# 언어를 사용하여 Unity 3D 게임 구현에 사용 가능하도록 구현하였다.
골결 데이터의 위치 정보와 위치 정보로부터 벡터를 생성한 뒤 각도를 계산하여 운동 자세 검사에 사용한다. 예를 들어, 오른쪽 무릎 들어올리기 자세는 사용자가 오른쪽 무릎을 들어 올렸다면 오른쪽 무릎 굽힘 여부를 검사한다.
제스처 및 모션 인식 알고리즘을 위해서는 사람의 자세에서 특징을 추출하는 것이 필요하다. 그림 1과 같이 Kinect SDK 2.0에서 제공하는 신체 주요 관절 25개 중에서 사용자의 제스처 알고리즘을 위해 양쪽 손과 모션알고리즘을 위해 총 10개의 관절 정보를 사용하였다. 사용자가 시스템에서 요구하는 제스처 및 운동 동작을행하고 있는지 정확하게 판별할 수 있도록 Kinect 기반의 제스처 및 모션 알고리즘을 정의하였다 [7, 8].
노인의 몸에 무리가 가지 않는 선에서 건강 증진 및 근력 강화를 실현하기 위하여 프로그램의 운동 시작 전 스트레칭을 진행한다. 다음으로 개인 맞춤 운동 프로그램 제안하기 위해 하체 근력 평가와 본 프로그램을 구성하고 있는 총 6가지의 운동 동작으로 이루어진 운동능력 평가를 진행한다 [5]. 이 때 노인의 안정성을 고려하여 하체 근력 평가를 제외한 모든 운동은 시간에 제한을 두지 않는다.
첫 번째, 운동을 진행한 날 각각의 동작을 몇 회수행했는지를 사용자가 확인할 수 있다. 두 번째, 가장 최근에 진행한 운동 결과와 오늘의 운동 결과를 비교해서 확인할 수 있다. 세 번째, 프로그램 처음 사용시 진행한 운동 능력 평가 테스트의 결과와 비교한 당일 운동 결과를 확인 가능하다.
따라서 본 논문에서 구현한 고령자 홈 트레이닝 콘텐츠는 사용자의 운동 능력에 따라 개인별 운동 처방을 하여 이를 통해 노인 개개인에게 맞춤형 프로그램을 제공한다.
프로그램은 운동 테스트를 통하여 사용자의 운동 단계와 강도를 조절하여 안전성을 높인다. 또한 사용자가 편안함을 느낄 수 있도록 자연 배경을 제공하고 Kinect를 사용하여 사용자가 본인의 운동 자세를 실시간으로 확인할 수 있도록 하였다. 센서 기반의 장비와 운동 선생님이라는 콘텐츠를 통합하여 쉽고 재밌게 운동을 진행할 수 있도록 도와 노인의 근력 향상을 목표로 하였다.
또한 사용자의 실제 모습이 아닌 사용자가 투영된 3D 캐릭터를 통해 프로그램을 진행하는 ‘팔도강산3’와는 달리 사용자의 실제 영상을 보여줌으로써 사용자 자신의 자세를 실시간으로 확인할 수 있도록 개발하였다.
본 장에서는 고령자 홈 트레이닝 콘텐츠에서 필요로하는 제스처 및 모션 인식과 영상 합성을 위하여 Kinect 기반의 제스처 알고리즘과 모션 인식 알고리즘 및 영상 합성을 구현을 설명한다.
모션 알고리즘은 입력받은 골격 데이터의 위치 정보와 위치 정보로부터 생성된 벡터로 각도를 계산한다. 사용자가 프로그램을 진행함에 따라 각각의 운동 자세에 해당하는 골격 데이터의 위치 정보 변화를 검사한 뒤 생성된 벡터로부터 계산된 각도를 이용하여 관절의 구부림 정도를 검사한다. 이 정보를 이용하여 운동 동작 여부를 판별하며 결과에 따라 운동 프로그램에서 사용자에게 적절한 피드백을 제시한다.
신체적 능력에 따라 6단계로 나눈 노인 그룹 중에 3단계의 노인을 주 사용자 타겟으로 하여 하체 근력 강화 운동 프로그램을 구성하였다. 이 때 3단계의 노인 그룹은 독립적인 생활이 가능하며, 질병이 있거나 또는 질병을 예방하는 차원에서 운동이 필요한 노인을 나타낸다.
본 실험에서는 11명이 실험에 참여하였다. 실험 참여자들은 본 어플리케이션에서 요구하는 하체 근력 평가 동작 1가지와 운동 능력 평가 및 운동 동작 6가지를 수행하였다. 그리고 같은 동작에 대해서 Kinect 센서로 부터 2.
오른쪽 무릎, 오른쪽 엉덩이 그리고 발목 좌표 정보를 이용하여 무릎의 구부림 정도를 산출한다. 이때 각도 계산의 기준 점은 좌우 무릎을 접점으로 본다.
예를 들어, 오른쪽 무릎 들어올리기 자세는 사용자가 오른쪽 무릎을 들어 올렸다면 오른쪽 무릎 굽힘 여부를 검사한다. 오른쪽 무릎의 높이 정보를 이용하여 사용자가 무릎을 올렸는지를 판단한다. 이때 실시간으로 입력되는 값의 편차를 줄이고 신뢰성을 높이기 위해서 칼만 필터를 사용한다 [14].
5 미터 떨어진 곳에서 10번의 동작을 수행하였다. 운동 동작은 하체 근력 평가 동작인 의자에 앉았다 일어서기를 시작으로 Eccentric heel drop에서부터 Half squat 자세까지 일괄적으로 진행하였다.
‘팔도강산 3’은 Kinect를 이용하여 노인을 대상으로 하는 치매예방 프로그램이다 [9]. 이 프로그램에서는 Kinect를 활용하여 사용자가 걸으면서 자신이 사야하는 품목이 등장하는 방향에 따라 오른 손 또는 왼 손으로 가게 앞에서 손을 들면 장바구니에 들어오도록 개발하였다. ‘팔도강산3’는 Kinect를 이용하여 사용자를 인식한다.
본 논문에서는 노인 사용자의 능력에 맞춘 하체 근력 강화 운동 프로그램을 제안한다. 프로그램은 운동 테스트를 통하여 사용자의 운동 단계와 강도를 조절하여 안전성을 높인다. 또한 사용자가 편안함을 느낄 수 있도록 자연 배경을 제공하고 Kinect를 사용하여 사용자가 본인의 운동 자세를 실시간으로 확인할 수 있도록 하였다.
다음으로 운동 능력 평가에서는 6가지의 운동 동작을 통해 하체 근력 강화 운동의 개인 맞춤 강도를 결정하게 된다. 프로그램을 구성하는 6가지의 운동 동작은 전문 서적 및 전문가의 의견이 반영된 고령자 운동프로그램 기준에 의거하여 구성하였다 [5]. 이를 바탕으로 동작 강도가 표 1과 같이 다르게 정해진다.

대상 데이터

KinectSDK는 Kinect가 사용자 전신 트래킹을 용이하게 한다. Kinect를 통해 그림 1과 같이 사람의 신체 주요 관절 25개를 인식하고 본 연구에서는 10개의 관절을 사용 한다[6-8].
노인을 대상으로 한 ‘팔도강산3’와 ‘큰 북의 달인’이 노인의 치매 예방에 초점을 맞춰 제작되었다.
본 실험에서는 11명이 실험에 참여하였다. 실험 참여자들은 본 어플리케이션에서 요구하는 하체 근력 평가 동작 1가지와 운동 능력 평가 및 운동 동작 6가지를 수행하였다.
본 연구에서 개발한 모션 인식 모델의 성능을 평가하기 위해 하드웨어는 팬티엄 4 쿼드 코어 i5-5257U2.70GHz CPU, 8GB RAM, Windows 10 운영체제를 가진 컴퓨터와 Kinect 2.0 센서를 사용하여 실험하였다. Kinect 기반의 모션 인식 모델은 C# 언어를 사용하여 Unity 3D 게임 구현에 사용 가능하도록 구현하였다.
제스처 알고리즘은 입력받은 골격 데이터를 이용하여 사용자가 특정 제스처를 수행했는지 검사한다. 본 연구에서 사용하는 제스처는 주먹 쥐었다 펴기이다. 사용자의 손 상태는 Kinect SDK 2.

이론/모형

오른쪽 무릎의 높이 정보를 이용하여 사용자가 무릎을 올렸는지를 판단한다. 이때 실시간으로 입력되는 값의 편차를 줄이고 신뢰성을 높이기 위해서 칼만 필터를 사용한다 [14].

성능/효과

2%로 가장 높은 인식률을 보였다. 그 외 Eccentric heel drop 동작을 제외한 5가지 동작의 인식률은 95%를 넘는 높은 인식률을 보였다. 그에 반해 Eccentric heel drop 동작은 82.
이 때 3단계의 노인 그룹은 독립적인 생활이 가능하며, 질병이 있거나 또는 질병을 예방하는 차원에서 운동이 필요한 노인을 나타낸다. 또한, 본 프로그램에서는 노인 개개인의 맞춤형 프로그램을 제공하기 위해 사용자의 운동 능력에 따라 운동 처방을 달리 하고 사용자가 원하는 자연 배경 및 운동 선생님을 선택할 수 있게 선택의 폭을 넓혔다.
두 번째, 가장 최근에 진행한 운동 결과와 오늘의 운동 결과를 비교해서 확인할 수 있다. 세 번째, 프로그램 처음 사용시 진행한 운동 능력 평가 테스트의 결과와 비교한 당일 운동 결과를 확인 가능하다. 그림 3과 같이 이를 통해 수행한 운동 횟수 및 근육 향상도를 파악할 수 있다.
그림 9는 11명의 사용자가 7가지 운동 동작을 10번 수행한 실험 결과 평균값을 보여준다. 실험 결과 의자에 앉았다 일어서기 동작과 Kneel lift 동작이 97.2%로 가장 높은 인식률을 보였다. 그 외 Eccentric heel drop 동작을 제외한 5가지 동작의 인식률은 95%를 넘는 높은 인식률을 보였다.
이와 같은 결과를 통해 Eccentric heel drop 동작과 같은 관절의 위치 정보의 변화가 적은 운동 동작의 인식률이 떨어지는 것으로 판단되었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	노인 사망 원인 중 낙상으로 인한 사망률이 높은데, 이러한 낙상 사고를 당한 노인들이 사망할 확률은 얼마나 높아지는가?	노인 사망 원인을 살펴보면 교통사고를 제외한 원인 1위가 낙상으로 인한 사망이었다. 신체가 노화됨에 따라 근력이 감소되는 노인들은 낙상으로 인해 골절상을 입을 경우 1년 내 사망할 확률이 최대 37%였으며, 65세 이상의 노인은 건강 상태에 상관없이 낙상으로 인한 사망 위험이 15배나 높아진다고 하였다 [3]. 이러한 낙상 예방 및 건강 증진을 위해서는 노인의 하체 근력 강화 운동이 필요하다.
	체감형 운동 게임으로 운동을 진행하였을 때 일반 게임보다 얼마나 높은 운동 효과가 나타나는가?	홈 트레이닝은 고령화 시대에 맞게 노인들도 건강 증진 측면과 외부 활동에서 발생할 수 있는 부상 위험을 덜어준다는 안전성 측면에서 효과적인 운동법으로 보여 진다 [1]. 또한 체감형 운동 게임으로 운동을 진행하였을 때, 일반 게임보다 40% 이상의 운동 효과가 더 나타났다 [2]. 따라서 TV화면 등을 이용하여 사용자가 자신의 모습을 보며 운동을 진행했을 때 더욱 효과적인 운동이 이루어질 수 있다.
	홈 트레이닝은 고령화 시대에서 어떠한 측면으로 인해 효과적인 운동법이라 보여지는가?	최근 홈 트레이닝이 시간 부족과 지출 부담의 문제를 해결해주는 새로운 운동법으로 떠오르고 있다. 홈 트레이닝은 고령화 시대에 맞게 노인들도 건강 증진 측면과 외부 활동에서 발생할 수 있는 부상 위험을 덜어준다는 안전성 측면에서 효과적인 운동법으로 보여 진다 [1]. 또한 체감형 운동 게임으로 운동을 진행하였을 때, 일반 게임보다 40% 이상의 운동 효과가 더 나타났다 [2].

참고문헌 (14)

I. Park, "Role of Exercise on Fall Prevention for Health Management in the Elderly," Journal of the Korea Entertainment Industry Association, vol. 10, no. 6, pp. 343-350, Nov. 2016.
C. H. Park, E. Y. Kim, and D. G. Kim, "A Study on Effectiveness and Preference of Tangible Fitness Game," Journal of Korea Game Society, vol. 12, no. 1, pp. 67-78, Nov. 2011.
D. H. Kim, "Guideline of exercise prescription for the elderly," Korean Journal of Clinical Geriatrics, vol. 9, no. 1, pp. 16-23, Jun. 2008.
J. D. Kim, "The Revelation of Individual Difference and Effect of Autonomous Combined Exercise in Elderly People," The Korean Journal of Sports Science, vol. 18, no. 2, pp. 973-981, May 2009.
Roberta E. Rikli, C. Jessie. Jones, Senior Fitness Test Manual, 1st ed. Illinois, Champaign: 1607 N Market Street, 2013.
Microsoft. Kinect Hardware [Internet]. Available: http://developer.microsoft.com/ko-kr/windows/kinect/hardware.
N. Eric and J. Jang, "Study on object detection and distance measurement functions with Kinect for windows version 2," Journal of Korea Institute of Information and Communication Engineering, vol. 21, no. 6, pp. 1237-1242, Jun. 2017.
T. Ryu, Y. Oh, and S. Jeong, "Computational generation method of elemental images using a Kinect sensor in 3D depth-priority integral imaging," Journal of Korea Institute of Information and Communication Engineering, vol. 20, no. 1, pp. 167-174, Jan. 2016.

원문보기 상세보기
K. S. Kim, Y. J. Lee, and S. S. OH, "Development and Analysis of a Walking Game 'Paldokangsan3' Using Kinect," Journal of Korea Game Society, vol. 14, no. 1, pp. 49-58, Feb. 2014.
NAMCO. Taiko no Tatsujin [Internet]. Available: http://taiko.namco-ch.net/taikowii.
K. S. Park, "Development of Kinect-Based-Pose Recognition Model for Exercise Game," KIPS Transactions on Computer and Communication Systems, vol. 5, no. 10, pp. 303-310, Oct. 2016.

원문보기 상세보기
Petricia A.Brill, Functional fitness for order adults, 2nd ed. Seoul, Daehan media, 2006.
Microsoft. Body tracking [Internet]. Available: http://msdn.microsoft.com/ko-kr/library/dn799273.aspx.
Z. Liu, M. Yang, J. Long, and D. Xu, "Speed measurement error reduction via adaptive strong tracking Kalman filters," IEEE Transportation Electrification Conference and Expo, Aug. 2017.

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