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
- 본 연구에서는 개인 피트니스를 수행하는 과정에서 건강관리와 운동효과를 증대시킬 수 있도록 운동동작을 분석하는 방법을 제안하였다. 본 연구에서는 사용자가 밴드 형태의 가속도, 각속도, 지자계모듈이 장착된 운동 센서를 착용하고 피트니스 운동 중에 발생하는 신호를 획득하고 운동동작을 분석하였다.
제안 방법
- 19종의 특징인자 중에 19종의 특징인자 중에 양의 첨두 평균, 음의 첨두 평균, 양의 첨두간 평균 시간, 음의 첨두간 평균 시간, 양음 첨두간 평균시간, 음양 첨두간 평균시간 등 7종의 특징인자를 이용하여 대하여 스쿼트 운동을 분석하였다. 스쿼트운동의 중력방향 가속도 센서 출력은 그림 5와 같고 이 그래프에서 음의 첨두에서 양의 첨두로의 변화는 스쿼트 운동의 신전구간, 양의 첨두에서 음의첨두 변화는 굴곡구간을 나타낸다.
- 그림 9의 암컬 운동의 분석을 위하여 손목과 상완부위에 9축 센서를 부착하였으며, 암컬 운동의 경우 굴곡과 신전 동작에서 상완보다는 손목의 동작 변위가 크기 때문에 손목에 부착된 센서의 지구 중력방향의 가속도 변화를 관찰하였다. 19종의 특징인자 중에 19종의 특징인자 중에 양의 첨두 평균, 음의 첨두 평균, 양의 첨두간 평균 시간, 음의 첨두간평균 시간, 양음 첨두간 평균시간, 음양 첨두간 평균시간 등 7종의 특징인자를 이용하여 대하여 암컬운동을 분석하였다.
- 19종의 특징인자 중에 양의 첨두 평균, 음의 첨두평균, 양의 첨두간 평균 시간, 음의 첨두간 평균 시간, 양음 첨두간 평균시간, 음양 첨두간 평균시간 등 7종의 특징인자를 이용하여 대하여 트라이셉스익스텐션 운동을 분석하였다.
- 주요 시점은 스쿼트 운동 시 무릎관절, 암컬과 트라이셉스 익스텐션 운동 시 팔꿈치관절의 각도를 기준으로 운동 시작 전 최대로 신전 된 순간을 신전1 시점, 최대로 굴곡된 순간을 굴곡 시점, 다시 최대로 신전된 순간을 신전2 시점으로 설정하였다. 구간은 3개의 시점을 기준으로 신전1시점과 굴곡 시점 사이를 굴곡 구간, 굴곡 시점과 신전2 시점 사이신전 구간으로 설정하였다.
- 그림 14의 트라이셉스 익스텐션 운동의 분석을 위하여 손목과 상완부위에 9축 센서를 부착하였으며, 분석은 운동량이 많은 손목에 부착된 센서의 중력방향 가속도 변화를 관찰하였다.
- 그림 4의 스쿼트 운동의 분석을 위하여 허벅지와 정강이 부분에 9축 센서를 부착하였으며, 운동량이 많은 허벅지에 부착된 센서의 중력방향 가속도 변화를 관찰하였다.
- 그림 9의 암컬 운동의 분석을 위하여 손목과 상완부위에 9축 센서를 부착하였으며, 암컬 운동의 경우 굴곡과 신전 동작에서 상완보다는 손목의 동작 변위가 크기 때문에 손목에 부착된 센서의 지구 중력방향의 가속도 변화를 관찰하였다. 19종의 특징인자 중에 19종의 특징인자 중에 양의 첨두 평균, 음의 첨두 평균, 양의 첨두간 평균 시간, 음의 첨두간평균 시간, 양음 첨두간 평균시간, 음양 첨두간 평균시간 등 7종의 특징인자를 이용하여 대하여 암컬운동을 분석하였다.
- 본 연구에서는 개인 피트니스를 수행하는 과정에서 건강관리와 운동효과를 증대시킬 수 있도록 운동동작을 분석하는 방법을 제안하였다. 본 연구에서는 사용자가 밴드 형태의 가속도, 각속도, 지자계모듈이 장착된 운동 센서를 착용하고 피트니스 운동 중에 발생하는 신호를 획득하고 운동동작을 분석하였다. 운동동작 분석을 위하여 센서 신호로부터 양의 첨두와 음의 첨두를 검출하는 방법을 제안하였고 운동동작 분석을 위한 19개의 특징인자(features)를 정의하였다.
- 본 연구에서는 사용자가 밴드 형태의 가속도, 각속도, 지자계모듈이 장착된 운동 센서를 착용하고 피트니스 운동 중에 발생하는 신호를 획득하고 운동동작을 분석하였다. 운동동작 분석을 위하여 센서 신호로부터 양의 첨두와 음의 첨두를 검출하는 방법을 제안하였고 운동동작 분석을 위한 19개의 특징인자(features)를 정의하였다.
- 스쿼트, 암컬, 트라이셉스 익스텐션 동작 시 운동 동작 분석을 위한 주요 시점(events) 및 구간(phases)의 설정은 3개의 시점을 기준으로 2개의 구간을 설정하였다. 주요 시점은 스쿼트 운동 시 무릎관절, 암컬과 트라이셉스 익스텐션 운동 시 팔꿈치관절의 각도를 기준으로 운동 시작 전 최대로 신전 된 순간을 신전1 시점, 최대로 굴곡된 순간을 굴곡 시점, 다시 최대로 신전된 순간을 신전2 시점으로 설정하였다. 구간은 3개의 시점을 기준으로 신전1시점과 굴곡 시점 사이를 굴곡 구간, 굴곡 시점과 신전2 시점 사이신전 구간으로 설정하였다.
성능/효과
- 그림 7에서 양의 첨두 평균시간은 굴곡구간의 시점을 기준으로 스쿼트 운동의 평균 수행시간, 음의첨두 평균은 신전구간을 기준으로 스쿼트 운동의 평균 수행시간을 의미한다. 두 평균시간 모두 유사한 값을 가지며 80%1RM으로 운동 강도가 증가함에 따라 평균 수행시간이 길어짐을 볼 수 있다.
- 본 논문에서 제시한 운동분석 기법을 활용하여 저항성 운동 측정이 가능하므로, 다양한 피트니스운동 상황에서 생성된 데이터로부터 개인화된 운동 정보를 가공할 수 있는 기술을 확보할 수 있었다. 유산소 운동 및 저항성 운동에 대한 운동데이터를 분석함으로써 사용자 중심의 운동정보를 추출하기 위한 데이터 처리 기술 개발에 기여할 것으로 기대한다.
- 스쿼트, 암컬, 트라이셉스 익스텐션 운동의 평균 수행시간은 그림 7, 그림 12, 그림 17의 양의 첨두간 시간 및 음의 첨두간 시간 비교에서 알 수 있으며, 80%1RM 조건이 40%1RM과 60%1RM 조건에 비해 증가한 것으로 나타났다. 스쿼트과 암컬은 경우 40%1RM과 60%1RM의 평균 수행시간의 차이는 크지 않으나 80%1RM에서는 급격하게 증가하였다.
- 스쿼트와 트라이셉스 익스텐션의 경우에는 웨이트를 들어올리는 신전구간이 굴곡구간보다 수행시간이 더 소요되며, 암컬의 경우에는 굴곡구간에서웨이트를 들어올리는 동작을 수행하기 때문에 시간이 더 소요되는 것을 알 수 있었다. 스쿼트, 암컬,트라이셉스 익스텐션 동작의 굴곡구간과 신전구간의 평균 수행시간은 운동부하가 증가함에 따라서 일정하게 증가하는 것으로 나타났다. 저항성 운동 시 사용되는 바벨이나 덤벨과 같은 외적 부하는 중력의 영향을 받아 수직하방으로 작용하기 때문에 이러한 바벨이나 덤벨을 중력이 작용하는 반대 방향으로 들어올리는 동작인 스쿼트와 트라이셉스 익스텐션의 신전구간 및 암컬의 굴곡구간과 같은 특정 구간에서 외부 저항을 극복하기 위해 평균 수행 시간이 증가한 것으로 판단된다.
- 스쿼트와 트라이셉스 익스텐션의 경우에는 웨이트를 들어올리는 신전구간이 굴곡구간보다 수행시간이 더 소요되며, 암컬의 경우에는 굴곡구간에서웨이트를 들어올리는 동작을 수행하기 때문에 시간이 더 소요되는 것을 알 수 있었다. 스쿼트, 암컬,트라이셉스 익스텐션 동작의 굴곡구간과 신전구간의 평균 수행시간은 운동부하가 증가함에 따라서 일정하게 증가하는 것으로 나타났다.
- 손목에 부착된 가속도 센서가 굴곡구간에서는 수평 아래에서 위로 향하기 때문에 음에서 양의 값, 신전구간에서는 위에서 아래로 향하기 때문에 양에서 음의 값을 가진다. 신전구간의 종점인 음의 첨두와 굴곡구간의 종점인 양의 첨두에서 가속도의 최고값은 40%1RM에서 80%1RM으로 운동 강도가 증가함에 따라서 값이 증가함을 볼 수 있다.(그림 11) 이는 운동 강도가 증가함에 따라서 운동량이 증가하고 이에 따라가속도 성분이 증가하게 됨을 알 수 있다.
- 웨이트를 들고 일어서는 신전구간의 운동부하가 크고 수행시간이 굴곡구간보다 긴 것을 볼 수 있다. 운동강도가 80%1RM으로 증가함에 따라서 스쿼트의 신전구간과 굴곡구간 모두 수행시간이 증가함을 알 수 있다.
- 웨이트를 들어올리는 신전구간의 운동부하가 크고 수행시간이 굴곡 구간보다 긴 것을 볼 수 있다. 운동강도가 80%1RM으로 증가함에 따라서 트라이셉스 익스텐션의 신전 구간과 굴곡구간 모두 수행시간이 증가함을 알 수 있다.
후속연구
- 본 논문에서 제시한 운동분석 기법을 활용하여 저항성 운동 측정이 가능하므로, 다양한 피트니스운동 상황에서 생성된 데이터로부터 개인화된 운동 정보를 가공할 수 있는 기술을 확보할 수 있었다. 유산소 운동 및 저항성 운동에 대한 운동데이터를 분석함으로써 사용자 중심의 운동정보를 추출하기 위한 데이터 처리 기술 개발에 기여할 것으로 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.