사물인터넷 웨어러블 센서용 하이브리드 신경망 알고리즘 기반 태권도 동작영상 인식 모델

Scientific Reports 13권, 기사 번호: 13097(2023) 이 기사 인용

292 액세스

3 알트메트릭

측정항목 세부정보

기존의 IoT 웨어러블 센서 태권도 동작영상 인식 모델은 주로 Anchor 고정비율 전신 타겟 앵커 프레임을 사용하여 동적 노이즈에 취약한 인식 특징을 추출하므로 동작영상의 변위 인식률이 낮다. 따라서 하이브리드 신경망 알고리즘을 기반으로 새로운 IoT 웨어러블 센서 태권도 동작영상 인식 모델을 설계할 필요가 있다. 즉, 웨어러블 센서 태권도 동작영상 특징을 추출하고, 하이브리드 신경망 알고리즘을 이용하여 사물인터넷의 웨어러블 센서 태권도 동작영상 인식 최적화 모델을 생성함으로써 태권도 동작영상의 효과적인 인식을 달성한다. . 실험 결과, 하이브리드 신경망 알고리즘을 기반으로 설계된 사물인터넷 웨어러블 센서는 태권도 동작영상 인식 모델의 동작영상 변위 인식률이 높은 것으로 나타났으며, 이는 설계된 태권도 동작영상 인식 모델이 좋은 인식 효과, 신뢰성 및 특정 적용 가치를 가지며 태권도 운동을 최적화하는 데 일정한 기여를 했습니다.

태권도는 북한의 화랑도에서 발전하여 오랫동안 아시아에서 인기를 끌었던 무술로 발전한 올림픽 정식 종목1입니다. 태권도를 하는 과정에서 선수들은 효과적으로 싸우기 위해 손과 발을 모두 사용하는 경우가 많다. 초기 태권도와 코치들은 주로 육안으로 선수의 동작을 판단했는데2 이는 주관적 요인의 영향을 받기 쉬우며 최종 평가 결과가 부정확한 결과를 가져왔다. 정보화의 맥락에서 태권도 경기에 대한 평가도 점차 업그레이드되고 있으며, 평가에는 컴퓨터 등 첨단 처리 도구가 활용되고 있다3. 그러나 태권도의 복잡한 동작 특성의 영향으로 동영상 인식이 어렵고 효과적인 동영상 인식 모델을 통해 완성되어야 한다.

동영상 인식은 인간과 컴퓨터 간의 상호 작용 상태를 결합하여 인식을 완료하여 효과적인 동영상 인식 모델을 생성할 수 있는 고급 컴퓨터 인식 기술입니다4. 동영상의 인식 효과를 향상시키기 위해서는 인간의 행동 인식 데이터를 캡처하고 합리적인 인식 매개변수를 설정하는 것이 필요합니다5. 현재 국내외 많은 학자들이 동작 인식 인식 문제를 연구하고 있으며, 다양한 동작 이미지 인식 인식 가정을 제시하고 있다. 그러나 관련 경험이 부족하기 때문에6,7 대부분의 기존 동영상 인식 모델의 인식 효과는 일반적입니다.

인간의 동작영상 인식 과정 초기에는 특수 카메라가 주로 사용되었다. 이 카메라는 효과적인 동영상 시퀀스를 촬영하여 사람의 움직임을 식별할 수 있습니다8. 이때, 카메라는 지각 카메라라고도 불린다. 컴퓨터 비전 기술의 발전으로 모든 각도에서 사람의 동작 영상 데이터9,10를 얻기 위해 점점 더 많은 지각 카메라가 사용되며, 전체 동작 영상 수는 카메라로 촬영되는 시퀀스가 ​​증가하므로 인식 효과가 상대적으로 향상됩니다. 그러나 연구에 따르면 위의 인식 방법은 인식 한계가 크고 빛, 인식 카메라 위치, 폐색 및 기타 요인에 취약하여 고유한 인식 편차가 높은 것으로 나타났습니다11. 또한 인식 프라이버시가 상대적으로 침해적이어서 일부 장면에서 사용하기에 적합하지 않습니다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 하이브리드 신경망 알고리즘을 기반으로 새로운 웨어러블 센서 태권도 동작영상 인식 모델을 구축한다.

웨어러블 센서는 신체에 착용하여 데이터를 수집할 수 있는 센서 장치입니다. 특징 추출에 사용할 수 있는 여러 유형의 웨어러블 센서는 다음과 같습니다.