태권도에서의 발차기 응용 분류관성 센서 및 기계학습에 대해서 알아보기

 

아시아 전역의 태권도의 인기

태권도는 발차기와 펀치를 사용하는 무술입니다. 이 스포츠는 한국에서 왔고 인도네시아에서 꽤 인기가 많습니다. 많은 대회에서 인도네시아의 인기를 확인할 수 있습니다. 인도네시아에서 다양한 레벨로 개최됩니다. 비록 이 스포츠는 몸을 사용합니다 발차기와 펀치 동작 기술, 이 스포츠는 발차기가 있습니다 펀치보다 더 우세한 움직임 기술입니다.

 

보통 태권도 시합은 현장에서 열립니다. 같은 곳이지만 코로나19가 전 세계를 강타한 이후로, 태권도 시합이 드디어 온라인으로 열리고 있습니다.

 

경기 평가는 선수의 발을 보고 수행합니다. 그러나 이 방법은 오류를 일으킬 수 있습니다. 태권도 동작의 종류를 평가하는 것입니다. 그러므로 아이디어는 그 종류의 분류 장치를 만들기 위해 형성되었습니다. 경기가 진행될 수 있도록 발차기 동작을 합니다. 오프라인에서 너무 많은 심판이 필요하지 않습니다. 지금까지 어떠한 연구도 태권도 발차기를 분류하는 것에 대해 논의하지 않았습니다. 인간의 활동을 인식하는 것이 이것의 기초입니다. 따라서 웨어러블 디바이스는 분류할 필요가 있습니다 태권도 발차기는 기기가 반드시 가져야 하는 조건입니다 가벼운 무게의 시스템은 무선으로 지원되어야 합니다. 

 

사용자의 의사소통을 방해하지 않기 위한 통신 시스템 움직임입니다. 소식통에 따르면 이 센서는 다음과 같은 용도로 사용됩니다. 인간을 모니터링하는 인간 활동 인식 시스템 움직임이 있으므로 시스템은 이 센서를 사용하여 모니터링합니다. 운동은 문헌연구를 결과를 바탕으로 기계 학습 방법을 사용하여 인간을 분류합니다. 활동 인식을 테스트한 결과를 사용방법을 사용하면 꽤 좋은 결과를 얻을 수 있습니다. 따라서 알고리즘은 발킥을 분류하는 데 사용됩니다.

 

태권도 연구에 대한 목적 

이번 연구는 기존 연구의 후속 연구입니다. 즉, SVM을 이용한 태권도 발차기의 분류 (지원 벡터 머신) 및 최근접 이웃 알고리즘과  머신러닝 방법을 배우기 전에는 최상의 결과를 얻기 위해 여러 가지 기계 학습 방법을 교육했습니다. 이렇게 시도된 머신러닝 방법은 다음과 같습니다. 본 연구에서는 분류에 사용할 수 있는 장치를 설계했습니다. 태권도 발차기 동작 두 가지가 있습니다. 블루투스는 다음과 같은 연결로 사용됩니다. 장치와 응용 프로그램, 여기서 응용 프로그램은 다음과 같은 역할을 합니다. 클라이언트와 장치는 서버 역할을 합니다. 이 장치는 다음을 제공할 수 있습니다. 분류 결과를 사용자에게 무선으로 전송하므로 이 장치를 사용할 때 운동선수를 방해합니다.

 

태권도에 대한 사전처리 데이터

킥 모션 데이터 세트를 얻은 후, 단계는 데이터로 구성된 전처리 프로세스입니다. 클렌징, 특징 추출 등 청소 쓸데없는 움직임을 제거하는 처리가 수행됩니다. 데이터 세트가 구성되도록 하는 데이터입니다. 

그 후, 프로세스가 수행되어 목표로 합니다. 시간 영역의 데이터를 주파수로 변환한 도메인은 사전 과정이 수행되는 이유는 주파수 도메인 데이터는 인간 활동에 더 적합합니다. 인식 시스템의 다음 단계는 특징 추출 과정을 수행합니다. 우리는 사용할 것이다. 오른발 데이터에 대한 첨도 특징 추출 및 최댓값 왼발 데이터에 대한 특징 추출됩니다. 이전 연구들 첨도 특징 추출이 다음에 적합하다는 것을 보여주었습니다. 오른발의 특징 추출, 최대 특징 추출은 왼발의 특징 추출에 적합합니다. 전처리 단계를 마친 후 다음 단계는 여러 기계를 사용하여 실험을 수행합니다. 어떤 방법이 사용하기에 적합한지 알아보는 학습 방법 권리이동 분류체계에서 발차기입니다. 그런 다음 단계는 모델링을 수행하는 것입니다. 상황에 적합한 머신러닝 알고리즘으로 프로세스를 진행합니다.

 

태권도 기계학습에 대한 결과와 마무리

지금까지 진행된 테스트 결과를 바탕으로 결과적으로 알고리즘은 좋은 결과를 생성합니다. 발차기 동작을 분류하는 성능은 특히나 오른발에서 가장 높게 사용됩니다. 피험자 1의 정확도는 88.33%로 가장 낮았습니다. 2번 항목은 68.33%입니다. 왼발의 경우 알고리즘은 피험자 1에 대한 최고 정확도 81.60%이고, 2번 항목의 경우 60%로 가장 낮습니다. 기기 테스트 결과, 레벨에 차이가 있습니다. 그 레벨에 따른 차이가 있는 이유는 각 피험자와 발의 정확성체형의 차이, 체중의 차이, 스타일의 차이 발차기 동작을 수행하고 발차기의 변형이 적습니다. 이번 연구 결과에 따르면 이 장치는 다음과 같은 기능을 수행할 수 있습니다. 발차기 동작 데이터 세트를 추가하여 개선 발차기 모션 데이터의 다양성을 증가시킵니다. 그만큼 이 장치의 존재는 다음의 예가 될 수 있습니다. 인간 활동 인식의 사용을 구현합니다. 따라서 본 연구의 결과를 통해 태권도 발차기 응용 분류관성과 기계학습에 대해서 알아보았습니다. 위의 지식과 이론이 태권도를 이해하는데 도움이 되시길 바랍니다.