$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

동작에 따른 피부변화 분석을 통한 동작센서 부착의 최적위치 탐색: 조정 동작을 중심으로
An Exploratory Study of Searching Human Body Segments for Motion Sensors of Smart Sportswear: Focusing on Rowing Motion 원문보기

감성과학 = Science of emotion & sensibility, v.20 no.1, 2017년, pp.17 - 30  

한보람 (연세대학교 대학원 체육학과) ,  박선형 (중부대학교 패션디자인학과) ,  조현승 (연세대학교 심바이오틱라이프텍연구원) ,  강복구 (연세대학교 의공학과) ,  김진선 (연세대학교 대학원 체육학과) ,  이주현 (연세대학교 의류환경학과) ,  김한성 (연세대학교 의공학과) ,  이해동 (연세대학교 교육과학대학 체육교육학과)

초록
AI-Helper 아이콘AI-Helper

하이테크놀로지를 여러 가지 다른 영역과 융합하고자 하는 노력이 다양한 연구 분야에서 시도되고 있으며, 스포츠웨어를 개발함에 있어 운동선수의 운동능력을 향상시키기 위한 분야에 이러한 첨단 기술들이 도입되고 있다. 본 연구는 스포츠 훈련에 도움이 되는 동작 센싱 스마트 스포츠웨어를 개발하기 위한 기초 연구로서, 조정 동작 시 관절의 움직임을 측정할 수 있는 동작 센서를 부착하기 위한 인체상의 최적 위치를 탐색하는 것을 목적으로 한다. 본 연구에서는 일관된 동작을 반복적으로 수행할때 관절의 변화가 큰 조정을 대상 스포츠로 선정하였으며, 조정 선수의 대표 체급인 중량급과 경량급의 피험자를 선정하여 동작에 따른 피부의 변화율을 측정하여 체급별 차이를 분석하였다. 먼저, 3차원 모션캡처 시스템을 이용하여 조정 동작 시 등, 팔꿈치, 엉덩이, 무릎 부위의 피부 변화를 촬영하고, 각 마커 간 거리의 변화율을 분석함으로써 체급에 따른 차이를 보이지 않으면서 동작에 따라 피부의 변화가 큰 부분을 인체 상에 도시하였다. 이를 바탕으로 동작 센싱용 스마트 스포츠웨어를 위한 센서 부착의 가이드라인을 제시하였다.

Abstract AI-Helper 아이콘AI-Helper

Lots of interdisciplinary studies for fusion of high technologes and the other areas of research had been tried in these days. In sports training area, high technologies like a vital sign sensor or an accelerometer were adopted as training tools to improve the performance of the sports players. The ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서, 본 연구에서는 일관된 동작을 반복적으로 수행하면서도 관절각을 많이 움직이는 대표적인 스포츠로 조정을 선정하고, 조정 동작에 따른 체표의 변화를 분석하여 센서 부착의 최적 위치를 도출하였다. 본 연구의 세부 목표는 첫째, 조정 동작에 따른 각도 변화가 큰 부위인 팔꿈치, 무릎, 등, 엉덩이의 4개 부위에 피부 변화를 측정할 수 있도록 새로운 방법으로 마킹하고, 둘째, 조정 선수의 대표 체급인 중량급과 경량급의 두 그룹의 피험자를 3차원 모션캡처를 실시하고, 셋째, 측정 데이터를 통계 분석하여 인체 부위별 마커 간 거리의 변화율을 도출함으로써 체급 별 연속동작에 따른 체표 변화율을 비교하고, 마지막으로, 도출된 체표 변화율을 인체에 도시하여 체급에 따른 차이가 없는 부위를 동작 측정용 센서 부착의 최적 위치로 도출함으로써 동작센서를 배치하는 가이드라인을 제시하였다.
  • 본 연구는 관절 변화를 측정할 수 있는 새로운 형태의 직물형 탄성센서(strain sensor)를 부착하기 위한 인체 상 최적 위치를 알아내는 것을 목적으로 한다. 직물형 탄성센서는 길이가 늘어나고 줄어듬에 따라 전기 저항이 변화하는 원리를 이용한 것으로 동작센서로 사용하기 위해서는 동작에 따라 길이 변화가 큰 부위에 부착하는 것이 중요하다(Yamada et al.
  • 본 연구에서는 체급에 따른 신체적 체형 차이 및 조정 동작 시 관절의 움직임을 고려하여 인체 마커어레이(marker array) 계측 방법을 개발하였고 실제 조정동작 모션캡처를 통해 관절 측정 센서의 적합한 부착위치를 도출하여 스마트 스포츠의류 및 다른 어플리케이션을 위한 센서 부착의 가이드라인을 제시함에 의의가 있다. 그러나 본 연구에서는 누드와 의복 착용의 차이와 신체사이즈에 성별이 고려되어 있지 않고, 스포츠의 종류가 조정이라는 특정 스포츠로 한정되어 있으므로, 추후 연구에서는 이러한 점을 고사하여 연구가 진행되어야 할 것으로 사료된다.
  • 이 결과를 바탕으로 관절변화 측정 센서의 부착 위치 가이드라인을 제시하였다.
  • (2011)은 가속도센서를 직접 착용하고 사람의 보행 시 발생하는 가속도 데이터를 획득하여 실시간 걸음수를 검출하는 알고리즘을 개발하였다. 이 연구에서는 느리게 걷기, 걷기, 빠르게 걷기, 천천히 뛰기, 뛰기, 빠르게 뛰기 등 다양한 걸음 속력에 대해 실험을 진행하였다. 하지만 걸음동작에만 초점을 맞춘 연구이며, 실시간 검출을 위해 별도의 디바이스 개발이 필요하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
현재까지 대부분 사용되는 웨어러블 형태로 적용 가능한 동작 인식용 센서는 무엇인가? 현재까지 이루어진 대부분의 연구에서 웨어러블 형태로 적용 가능한 동작 인식용 센서로는 관성센서(Inertial sensoers)를 사용하고 있다. 관성센서는 기본적으로 역각센서(force sensor)로서, 한쪽이나 혹은 여러 방향으로 선형의 가속을 측정하는 가속도센서(accelerometer)와 하나 이상의 축을 기준으로 움직임의 각을 측정하는 자이로스코프(gyroscope)가 있다.
관성센서로 어떤 것들이 있는가? 현재까지 이루어진 대부분의 연구에서 웨어러블 형태로 적용 가능한 동작 인식용 센서로는 관성센서(Inertial sensoers)를 사용하고 있다. 관성센서는 기본적으로 역각센서(force sensor)로서, 한쪽이나 혹은 여러 방향으로 선형의 가속을 측정하는 가속도센서(accelerometer)와 하나 이상의 축을 기준으로 움직임의 각을 측정하는 자이로스코프(gyroscope)가 있다.
다중센서를 이용하여 동작인식을 하면 어떤 단점이 있는가? 이처럼 다중센서를 이용하여 동작 인식을 할 경우 단일 센서 보다 높은 인식률을 보이는 장점이 있다. 하지만 카메라센서와 GPS를 이용할 경우 학습데이터를 모으는데 많은 시간이 든다는 단점이 있다. 또한 앞선 연구들은 가속도센서를 직접 제작하거나, 동작 인식을 위한 별도의 장비가 필요했기 때문에 비용이 많이 든다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Aitchison, L. T. (2012). A Comparison of Methods for Assessing Space Suit Joint Ranges of Motion, In Proceeding of 42nd International Conference on Environmental Systems, 15-19. 

  2. Blum, M. & Pentland, A. S. (2006). Insense: Interestbased life logging. IEEE MultiMedia, 4, 40-48. 

  3. Cho, S. H., Lee, S. H., Kim, K. H., & Yu, J. Y. (2004). Gait Analysis before and after Total Hip Arthroplasty in Hip Dysplasia and Osteonecrosis of the Femoral Head, Journal of Korean Orthopedics Associations, 39, 482-488. 

  4. Dernbach, S., Das, B., Krishnan, N. C., Thomas, B. L., & Cook, D. J. (2012, June). Simple and complex activity recognition through smart phones. In Intelligent Environments (IE), 2012 8th International Conference on. 214-221. IEEE. 

  5. Dunne, L. E., Gioberto, G., Ramesh, V., & Koo, H. (2011). Measuring Movement of Denim Trousers for Garment-Integrated Sensing Applications, In Proceeding of 33rd Annual International Conference of the IEEE EMBS, 3990-3993. 

  6. Han, S. A., Nam, Y. J., Yoon, H., Lee, S. H., & Kim, H. J. (2012). Development of Sleeve Patterns of Structural Firefighting Protective Clothing using by 3D Body Shape and 3D Motion Analysis. Journal of the Korean Society for Clothing Industry, 14(1), 109-121. 

  7. Jeon, H. M., Lee, S. H., Byun, W. T., & Park, S. K. (2014). Kinematic Analysis of Elite Sculling Rowers at Every 500m Intervals, The Korean Journal of Physical Education, 53(3), 477-485. 

  8. Kim, Y. K., Kim, S. M., Lo, H. S., & Cho, W. D. (2011). Real-Time Step Count Detection Algorithm Using a Tri-Axial Accelerometer. Journal of Korean Society for Internet Information, 12(3), 17-26. 

  9. Kwapisz, J. R., Weiss, G. M., & Moore, S. A. (2011). Activity recognition using cell phone accelerometers. ACM SigKDD Explorations Newsletter, 12(2), 74-82. 

  10. Lee, J., Hah, C., Ryu, J., & Kim, K. (2007). Evaluation on Motion Features of the World's Second Archer during Back-Tension in Archery, Korean Journal of Biomechanics, 17(3), 197-207. 

  11. Lee, M. H., Kim, J. K., Lee, I. H., Jee, S. H., & Yoo, S. K. (2009). Physical activity recognition using a single tri-axis accelerometer. In Proceedings of the world congress on engineering and computer science. 1. 20-23. 

  12. Park, H. J., Hong, K. H., & Cho, Y. S. (2009b). Segmentation using curvature information of 3D body surface for tight-fit pattern making. Journal of the Korean Society of Clothing and Textiles, 33(1), 68-79. 

  13. Reddy, S., Mun, M., Burke, J., Estrin, D., Hansen, M., & Srivastava, M. (2010). Using mobile phones to determine transportation modes. ACM Transactions on Sensor Networks (TOSN), 6(2), 13. 

  14. Ryu, S. & Park K. (2000). A Study on the Lower Body Range of Motion (Using a 3-D Motion System) bout Korean Adults, The Research Journal of the Costume Culture, 8(5), 741-753. 

  15. Stenneth, L., Wolfson, O., Yu, P. S., & Xu, B. (2011, November). Transportation mode detection using mobile phones and GIS information. In Proceedings of the 19th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. 54-63. ACM. 

  16. Yamada, T., Hayamizu, Y, Yamamoto, Y., Izadi-Najafabadi, A., Futaba, D. N., & Hata, K. (2011). A stretchable carbon nanotude strain sensor for human-motion detection, Nature Nanotechnology, 6, 296-301. 

  17. Yang, H. K. & Yong, H. S. (2014) Real-Time Physical Activity Recognition Using Tri-axial Accelerometer of Smart Phone, Journal of Korea Multimedia Society, 17(4), 506-513. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로