[논문]딥러닝 기반 영상처리 기법 및 표준 운동 프로그램을 활용한 비대면 온라인 홈트레이닝 어플리케이션 연구

신윤지; 이현주; 김준희; 권다영; 이선애; 추윤진; 박지혜; 정자현; 이형석; 김준호

doi:10.17703/jcct.2021.7.3.577

딥러닝 기반 영상처리 기법 및 표준 운동 프로그램을 활용한 비대면 온라인 홈트레이닝 어플리케이션 연구
Non-face-to-face online home training application study using deep learning-based image processing technique and standard exercise program 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.7 no.3, 2021년, pp.577 - 582

신윤지 (한양대학교 일반대학원) , 이현주 (동서울대학교 레저스포츠학과) , 김준희 (동서울대학교 레저스포츠학과) , 권다영 (동서울대학교 레저스포츠학과) , 이선애 (동서울대학교 레저스포츠학과) , 추윤진 (동서울대학교 레저스포츠학과) , 박지혜 (동서울대학교 레저스포츠학과) , 정자현 ((주)제이콥시스템) , 이형석 ((주)제이콥시스템) , 김준호 (동서울대학교 전기정보제어학과)

초록
AI-Helper

최근 AR, VR 및 스마트 디바이스 기술의 발전에 따라 피트니스 산업에서도 비대면 환경을 기반으로 한 서비스 수요가 증가하고 있다. 비대면 온라인 홈트레이닝 서비스는 기존의 오프라인 서비스에 비해 시간과 장소의 제약이 없다는 장점이 있으나 운동 기구의 부재 및 사용자의 정확한 운동 자세 유지여부, 운동량의 측정이 어려운 단점이 존재한다. 본 연구에서는 이러한 단점을 보완할 수 있는 표준 운동 프로그램을 개발하고 딥러닝 기반 신체 자세 추정 영상처리를 통하여 새로운 비대면 홈트레이닝 어플리케이션 알고리즘을 제안한다. 본 연구의 알고리즘 기반 어플리케이션을 활용한다면 표준 운동 프로그램 영상의 트레이너를 사용자가 직접 보고 따라하면서 사용자 스스로 자세를 교정하며 정확한 운동이 가능하다. 나아가 본 연구의 알고리즘을 용도에 맞게 커스터마이징 한다면 공연, 영화, 동아리 활동, 컨퍼런스 분야로의 적용도 가능할 것이다.

Abstract ▼ AI-Helper

Recently, with the development of AR, VR, and smart device technologies, the demand for services based on non-face-to-face environments is also increasing in the fitness industry. The non-face-to-face online home training service has the advantage of not being limited by time and place compared to the existing offline service. However, there are disadvantages including the absence of exercise equipment, difficulty in measuring the amount of exercise and chekcing whether the user maintains an accurate exercise posture or not. In this study, we develop a standard exercise program that can compensate for these shortcomings and propose a new non-face-to-face home training application by using a deep learning-based body posture estimation image processing algorithm. This application allows the user to directly watch and follow the trainer of the standard exercise program video, correct the user's own posture, and perform an accurate exercise. Furthermore, if the results of this study are customized according to their purpose, it will be possible to apply them to performances, films, club activities, and conferences

주제어

표/그림 (8)

그림 그림 1 모션캡쳐를 통한 표준 운동 모델 구축 Figure 1 Establishment of standard motion model through motion capture
표 표 1. 대표적인 운동종목의 METs 별 분류 Table 1. Classification of representative sports by METs
그림 그림 2. MoveNet 아키텍처 Figure 2. MoveNet architecture
표 그림 3 전처리 알고리즘 순서도 Figure 3 Preprocessing Algorithm Flowchart
그림 그림 4. 각 신체 부위별 키포인트, 라인드로잉 완료 영상 Figure 4. Key point and line drawing completion video for each body part
그림 그림 5 참가자의 정확성 판별 알고리즘 순서도 Figure 5 Participant Accuracy Determination Algorithm Flowchart
그림 그림 6. 운동 자세나 타이밍이 최대한 동일한 경우 Figure 6. When the exercise posture or timing is the same as possible
그림 그림 7. 실수로 인하여 운동 자세나 타이밍이 다른 경우 Figure 7. If the exercise posture or timing is different due to mistake

참고문헌 (9)

CAO, Zhe, et al. OpenPose: realtimemulti-person 2D pose estimation using Part Affinity Fields. IEEE transactions on pattern analysis and machine intelligence, 2019, 43.1: 172-186.
IM, Jin-mo, et al. Mixed reality health management model using smart phone. The Journal of the Convergence on Culture Technology, 2018, 4.2: 185-189.

원문보기 상세보기
LEE, Soowook. Deep structured learning: architectures and applications. International Journal of Advanced Culture Technology, 2018, 6.4: 262-265.

원문보기 상세보기
LIN, Tsung-Yi, et al. Microsoft coco: Common objects in context. In: European conference on computer vision. Springer, Cham, 2014. p. 740-755.
ZHOU, Xingyi; WANG, Dequan; KRAHENBUHL, Philipp. Objects as points. arXiv preprint arXiv: 1904.07850, 2019.
LI, Ang, et al. The ava-kinetics localized human actions video dataset. arXiv preprint arXiv:2005.00214, 2020.
HUANG, Jonathan, et al. Speed/accuracy tradeoffs for modern convolutional object detectors. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2017. p. 7310-7311.
LIN, Tsung-Yi, et al. Feature pyramid networks for object detection. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2017. p. 2117-2125.
HOWARD, Andrew G., et al. Mobilenets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint arXiv:1704.04861, 2017.

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