A Taekwondo Poomsae Movement Classification Model Learned Under Various Conditions
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
태권도 겨루기의 전자호구, 축구의 VAR 등 스포츠에서 기술 발전이 고도화되고 있다. 하지만태권도 품새는 사람이 직접 자세를 눈으로 보고 판단하며 지도하기 때문에 때로는 대회의 현장에서 판정시비가 일어난다. 본 연구는 인공지능을 이용하여 태권도 동작을 더 정확하게 판단하고평가할 수 있는 인공지능 모델을 제안한다. 본 연구에서는 촬영 및 수집한 데이터를 전처리한 후학습, 테스트, 검증 세트로 분리한다. 분리한 데이터를 각 모델과 조건을 적용하여 학습한 후 비교하여 가장 좋은 성능의 모델을 제시한다. 각 조건의 모델은 정확도, Precision, Recall, F1-Score, 학습 소요 시간, Top-n error의 값을 비교하였고 그 결과 ResNet50과 Adam을 사용한 조건에서 학습한 모델의 성능이 가장 우수한 것으로 나타났다. 본 연구에서 제시한 모델을 활용하여 교육 현장이나 대회 등 다양한 방면에서 활용할 수 있을 것으로 기대한다.
Abstract
Technological advancement is being advanced in sports such as electronic protection of taekwondo competition and VAR of soccer. However, a person judges and guides the posture by looking at the posture, so sometimes a judgment dispute occurs at the site of the competition in Taekwondo Poomsae. This study proposes an artificial intelligence model that can more accurately judge and evaluate Taekwondo movements using artificial intelligence. In this study, after pre-processing the photographed and collected data, it is separated into train, test, and validation sets. The separated data is trained by applying each model and conditions, and then compared to present the best-performing model. The models under each condition compared the values of loss, accuracy, learning time, and top-n error, and as a result, the performance of the model trained under the conditions using ResNet50 and Adam was found to be the best. It is expected that the model presented in this study can be utilized in various fields such as education sites and competitions.
참고문헌 (15)
- Jianri Li, "RA Survey on Neural Machine Translation", Communications of the Korean Institute of Information Scientists and Engineers, 33(10), pp.40~47 (2015)
- 하영서, "CNN 모델과 샴 네트워크를 이용한 얼굴 인식 성능 비교", 멀티미디어학회논문지, 26(2), pp.413~419 (2023), 한국멀티미디어학회
- "WTF HomePage"[URL]
- 빙원철, "심판권력으로 인한 태권도 지도자의윤리적 갈등에 관한 연구", 움직임의 철학 : 한국체육철학회지, 17(2), pp.107~121 (2009), 한국체육철학회
- Zhe Cao, "Realtime Multi-person 2D Pose Estimation Using Part Affinity Fields", 2017IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.1302~1310 (2017)
- 마상용, "머신러닝을 이용한 앉은 자세 분류 연구", 전기학회논문지, 65(9), pp.1557~1563 (2016), 대한전기학회[DOI]
- Won Joo Lee, "A Design and Implementation of Taegwondo Poomsae Verification Application", Proceedings of the Korean Society of Computer Information Conference, 24(2), pp.37~38 (2016)
- Hae-Jong Joo, "A Study on the Taekwondo Poomsae Rating System using Motion Recognition Technology", Proceedings of the Korea Academia-industrial cooperation Society Conference, pp.212~214 (2014)
- 강재민, "홈 트레이닝을 위한 운동 동작 분류 및 교정 시스템", 한국정보통신학회논문지, 25(9), pp.1183~1189 (2021), 한국정보통신학회[DOI]
- Lee Sang-min, "Health Trainer Web Services with PoseNet", Proceedings of KIIT Conference, 2021(6), pp.729~733 (2021)
- Se-Min Lim, "CRNN-based Human Posture Recognition in Video Data", Proceedings of the Korean Institute of Information Scientists and Engineers, 202(7), pp.726~728 (2020)
- "Taekwondo data in Goyang"[URL]
- "Korea Taekwondo Association HomePage"[URL]
- He, K., "Deep residual learning for image recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.770~778 (2016)