KR20230091961A - 운동감시방법 및 운동감시장치 - Google Patents
운동감시방법 및 운동감시장치 Download PDFInfo
- Publication number
- KR20230091961A KR20230091961A KR1020237016947A KR20237016947A KR20230091961A KR 20230091961 A KR20230091961 A KR 20230091961A KR 1020237016947 A KR1020237016947 A KR 1020237016947A KR 20237016947 A KR20237016947 A KR 20237016947A KR 20230091961 A KR20230091961 A KR 20230091961A
- Authority
- KR
- South Korea
- Prior art keywords
- motion
- user
- signal
- muscle
- procedure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 925
- 238000000034 method Methods 0.000 title claims abstract description 389
- 238000012544 monitoring process Methods 0.000 title claims abstract description 177
- 238000012806 monitoring device Methods 0.000 title description 8
- 238000012545 processing Methods 0.000 claims abstract description 266
- 230000008569 process Effects 0.000 claims abstract description 138
- 210000003205 muscle Anatomy 0.000 claims description 433
- 238000012549 training Methods 0.000 claims description 166
- 230000009471 action Effects 0.000 claims description 51
- 238000005265 energy consumption Methods 0.000 claims description 20
- 230000037237 body shape Effects 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims 1
- 238000002567 electromyography Methods 0.000 description 335
- 230000036544 posture Effects 0.000 description 262
- 230000000875 corresponding effect Effects 0.000 description 235
- 238000010801 machine learning Methods 0.000 description 76
- 238000010586 diagram Methods 0.000 description 73
- 238000004891 communication Methods 0.000 description 42
- 239000013598 vector Substances 0.000 description 42
- 238000009826 distribution Methods 0.000 description 37
- 230000004048 modification Effects 0.000 description 37
- 238000012986 modification Methods 0.000 description 37
- 238000007906 compression Methods 0.000 description 33
- 230000001133 acceleration Effects 0.000 description 32
- 230000006835 compression Effects 0.000 description 32
- 230000008859 change Effects 0.000 description 29
- 230000009466 transformation Effects 0.000 description 28
- 239000011159 matrix material Substances 0.000 description 26
- 238000004422 calculation algorithm Methods 0.000 description 22
- 210000002976 pectoralis muscle Anatomy 0.000 description 19
- 206010049565 Muscle fatigue Diseases 0.000 description 18
- 238000006073 displacement reaction Methods 0.000 description 18
- 238000001914 filtration Methods 0.000 description 18
- 238000005452 bending Methods 0.000 description 15
- 238000010295 mobile communication Methods 0.000 description 15
- 238000012937 correction Methods 0.000 description 13
- 210000003414 extremity Anatomy 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 11
- 210000000062 pectoralis major Anatomy 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 241000489861 Maximus Species 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 9
- 230000036387 respiratory rate Effects 0.000 description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 7
- 229910052760 oxygen Inorganic materials 0.000 description 7
- 239000001301 oxygen Substances 0.000 description 7
- 210000003314 quadriceps muscle Anatomy 0.000 description 7
- 230000000638 stimulation Effects 0.000 description 7
- 210000001015 abdomen Anatomy 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 210000000852 deltoid muscle Anatomy 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 210000003489 abdominal muscle Anatomy 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 5
- 230000036760 body temperature Effects 0.000 description 5
- 210000003127 knee Anatomy 0.000 description 5
- 210000002414 leg Anatomy 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 210000000707 wrist Anatomy 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 210000001624 hip Anatomy 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 210000001139 rectus abdominis Anatomy 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000000284 resting effect Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 208000008454 Hyperhidrosis Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 210000002027 skeletal muscle Anatomy 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000013460 sweaty Diseases 0.000 description 2
- 210000005010 torso Anatomy 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 208000007101 Muscle Cramp Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 239000002159 nanocrystal Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
- A61B5/02438—Measuring pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
- A61B5/397—Analysis of electromyograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4519—Muscles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Biofeedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/7405—Details of notification to user or communication with user or patient; User input means using sound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
- A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
- A61B5/744—Displaying an avatar, e.g. an animated cartoon character
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0276—Determining malfunction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/7455—Details of notification to user or communication with user or patient; User input means characterised by tactile indication, e.g. vibration or electrical stimulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biodiversity & Conservation Biology (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Cardiology (AREA)
- Dermatology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Obesity (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Rheumatology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
Abstract
본 개시는 운동감시 인터페이스를 표시하는 방법을 공개한다. 상기 방법은 적어도 하나의 센서로부터 사용자의 운동시 적어도 근전도신호 또는 자세신호를 포함하는 동작신호를 획득하는 절차; 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차; 및 상기 사용자의 운동에 관련되는 정보를 표시하는 절차를 포함한다.
Description
관련 출원과의 교차참고 설명
본 개시는 국제특허출원(출원번호1: PCT/CN2021/081931(출원일자:2021년 3월 19일), 출원번호2: PCT/CN2021/093302(출원일자:2021년 5월 12일))의 우선권을 주장하며, 상기 선출원들의 내용은 여기에 참고로 포함되어 있다.
본 개시는 착용가능장치의 기술분야에 관한 것으로서, 구체적으로는, 운동감시방법 및 운동감시장치에 관한 것이다
사람들이 과학적 단련과 신체건강에 주의함과 더불어 운동감시장치는 막대한 발전을 가져오고 있다. 현재, 상기 운동감시장치들은 주로 사용자 운동시의 일부 생리학적 파라미터 정보(예를 들면, 심박률, 체온, 걸음빈도, 혈중산소포화도, 등.)를 감시하고, 생리학적 데이터를 상기 사용자에게 나타내고, 상기 생리학적 데이터에 근거하여 운동제안을 준다. 실제 상황에서는, 운동감시장치는 종종 운동의 감시결과들을 상기 사용자에게 충분하고 정확하게 나타낼 수 없으며, 결국 상기 사용자는 자체의 운동상황을 제때에 알 수 없거나, 또는 상기 시스템에 의해 제공되는 상기 생리학적 데이터는 운동시의 사용자의 신체감각과 선명히 달라서, 이는 사용자가 운동감시장치에 대한 신뢰를 저감시킨다.
따라서, 운동시의 사용자의 운동 데이터를 종합적이고 정확하게 감시하고 나타내는 운동감시방법 및 운동감시장치를 제공하는 것이 바람직하다.
본 개시의 하나의 양태는 운동감시 인터페이스를 표시하는 방법을 제공할 수 있다. 상기 방법는 아래의 절차들을 포함할 수 있다: 적어도 하나의 센서로부터 사용자의 운동시 적어도 근전도신호 또는 자세신호를 포함하는 동작신호를 획득하는 절차; 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차; 및 상기 사용자의 운동에 관련되는 정보를 표시하는 절차.
일부 실시예들에서는, 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는 상기 근전도신호에 근거하여 상기 사용자의 적어도 하나의 근육의 발력강도를 판정하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 타겟 근육에 관한 사용자 입력을 획득하는 절차; 및 색상이 상기 타겟 근육의 발력강도와 관련되는 상태 표시줄을 표시하는 절차; 또는 음량이 상기 타겟 근육의 발력강도와 관련되는 소리를 내는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는 상기 자세신호에 근거하여 사용자의 운동동작을 나타내는 사용자 동작모형을 생성하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 표준 동작모형을 획득하는 절차; 및 상기 사용자 동작모형 및 상기 표준 동작모형을 표시하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 상기 근전도신호에 근거하여 상기 사용자의 적어도 하나의 근육의 발력강도를 판정하는 절차; 및 상기 사용자 동작모형에 상기 적어도 하나의 근육의 발력강도를 표시하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는 상기 근전도신호 또는 상기 자세신호에 근거하여 상기 동작신호를 분할하는 절차; 및 동작신호의 적어도 하나의 세그먼트에 근거하여 사용자의 운동동작을 감시함으로써 감시결과를 판정하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 방법은 상기 감시결과에 근거하여 동작 피드백모드를 판정하는 절차; 및 상기 동작 피드백모드에 근거하여 상기 사용자에게 동작 피드백을 수행하는 절차를 더 포함할 수 있다.
일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트는 적어도 하나의 훈련과정에서 상기 사용자의 동작신호일 수 있으며, 상기 감시결과는 상기 적어도 하나의 훈련과정의 동작 유형, 동작 수량, 동작 품질, 동작 시간, 상기 사용자의 생리학적 파라미터 정보, 또는 상기 사용자의 핵심안정성 중의 적어도 하나를 포함할 수 있다.
일부 실시예들에서는, 상기 감시결과는 적어도 하나의 시간점에 대응되는 상기 사용자의 근육 정보를 포함할 수 있고, 상기 사용자의 근육 정보는 적어도 하나의 근육의 에너지소모, 상기 적어도 하나의 근육의 피로도, 적어도 2개의 근육들의 균형, 또는 상기 적어도 하나의 근육의 능력 중의 적어도 하나를 포함할 수 있으며, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 사용자 모형에서 상기 사용자의 적어도 하나의 근육의 위치에 대응되는 적어도 하나의 위치에 상기 적어도 하나의 근육의 에너지소모, 상기 적어도 하나의 근육의 피로도, 상기 적어도 2개의 근육들의 균형, 또는 상기 적어도 하나의 근육의 능력 중의 적어도 하나를 표시하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상이한 근육들의 에너지소모들, 상이한 근육들의 피로도들, 상이한 근육들의 훈련 균형들, 및/또는 상이한 근육들의 능력들은 상이한 표시색상들에 대응된다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 타겟 근육에 관한 사용자 입력을 획득하는 절차; 및 상기 타겟 근육의 정보를 표시하는 절차를 포함할 수 있다:.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보를 표시하는 절차는 문자, 차트, 소리, 이미지, 또는 비디오 중 적어도 하나 형식으로 감시결과를 표시하는 절차를 포함할 수 있다.
일부 실시예들에서는, 상기 방법은 상기 동작신호를 교정하는 절차를 더 포함할 수 있다.
일부 실시예들에서는, 상기 방법은 상기 동작신호에 근거하여 상기 적어도 하나의 센서의 작동상태가 정상인지 여부를 판정하는 절차; 및 상기 적어도 하나의 센서의 작동상태가 비정상이라는 판정에 응답하여, 프롬프트 정보를 표시하는 절차를 더 포함할 수 있다.
일부 실시예들에서는, 상기 동작신호는 상기 사용자의 특징에 관련되는 신호를 포함할 수 있고, 상기 방법은 상기 사용자의 특징에 관련되는 신호에 근거하여 상기 사용자의 체형 정보 및/또는 신체성분 정보를 판정하는 절차; 및 상기 사용자의 체형 정보 및/또는 신체성분 정보를 표시하는 절차를 더 포함할 수 있다.
본 개시의 일부 실시예들은 전자장치도 제공할 수 있다. 상기 전자장치는내용을 표시하도록 구성되는 디스플레이장치; 사용자의 입력을 수신하도록 구성되는 입력장치; 사용자의 운동시의 적어도 근전도신호 또는 자세신호를 포함하는 동작신호를 검측하도록 구성되는 적어도 하나의 센서; 및 상기 디스플레이장치, 상기 입력장치, 및 상기 적어도 하나의 센서에 연결되는 프로세서를 포함할 수 있으며, 상기 프로세서는 상기 적어도 하나의 센서로부터 사용자의 운동시 상기 동작신호를 획득하고, 상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하고, 상기 디스플레이장치를 제어하여 상기 사용자의 운동에 관련되는 정보를 표시하도록 구성된다.
본 개시는 대표적인 실시예들의 형식으로 첨부도면들을 참조하여 더 상세히 설명된다. 이러한 실시예들은 한정적이 아니다. 이러한 실시예들에서, 동일한 참조부호는 동일한 구조를 표시한다.
도 1은 본 개시의 일부 실시예들에 따른 운동감시시스템의 응용장면의 개략도이다.
도 2는 본 개시의 일부 실시예들에 따른 착용가능장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 개략도이다.
도 3은 본 개시의 일부 실시예들에 따른 계산장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 예시적인 개략도이다.
도 4는 본 개시의 일부 실시예들에 따른 예시적인 착용가능장치의 구조도이다.
도 5는 본 개시의 일부 실시예들에 따른 예시적인 운동감시방법을 나타내는 흐름도이다.
도 6은 본 개시의 일부 실시예들에 따른 사용자의 운동동작을 감시하는 예시적인 처리의 흐름도이다.
도 7은 본 개시의 일부 실시예들에 따른 동작신호를 분할하기 위한 예시적인 처리의 흐름도이다.
도 8은 본 개시의 일부 실시예들에 따른 동작신호의 분할의 예시적인 정규화 결과를 나타내는 도면이다.
도 9는 본 개시의 일부 실시예들에 따른 근전도신호를 전처리하는 예시적인 처리의 흐름도이다.
도 10은 본 개시의 일부 실시예들에 따른 예시적인 버 신호(burr signal)를 나타내는 흐름도이다.
도 11은 본 개시의 일부 실시예들에 따른 자세신호에 대응되는 특징정보를 판정하기 위한 예시적인 처리의 흐름도이다.
도 12는 본 개시의 일부 실시예들에 따른 사용자의 상이한 운동부위들 사이의 상대적 운동을 판정하기 위한 예시적인 처리의 흐름도이다.
도 13은 본 개시의 일부 실시예들에 따른 초기 좌표계와 특정된 좌표계 사이의 변환관계를 판정하기 위한 예시적인 처리의 흐름도이다.
도 14는 본 개시의 일부 실시예들에 따른 초기 좌표계와 타겟 좌표계 사이의 변환관계를 판정하기 위한 예시적인 처리의 흐름도이다.
도 15a는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다.
도 15b는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 다른 하나의 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다.
도 16a는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다.
도 16b는 본 개시의 일부 실시예들에 따른 인체의 하박의 다른 하나의 위치의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다 .
도 17은 본 개시의 일부 실시예들에 따른 다중센서의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다.
도 18a는 본 개시의 일부 실시예들에 따른 초기 각속도의 예시적인 결과를 나타내는 도면이다.
도 18b는 본 개시의 일부 실시예들에 따른 필터링처리 후의 각속도의 예시적인 결과를 나타내는 도면이다.
도 19는 본 개시의 일부 실시예들에 따른 예시적인 운동감시 및 피드백 방법을 나타내는 흐름도이다.
도 20은 본 개시의 일부 실시예들에 따른 모형을 훈련하기 위한 예시적인 처리를 나타내는 흐름도이다.
도 21 a는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 처리의 예시적인 흐름도이다.
도 21 b는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 예시도이다.
도 22는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 처리의 예시적인 흐름도이다.
도 23a는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 23b는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 23c는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 24는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 표시하는 처리의 예시적인 흐름도이다.
도 25는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 26은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 27은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 28은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 29는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 30은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 31은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 32는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 33은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 34는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 35는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 36은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 37은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 38은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 1은 본 개시의 일부 실시예들에 따른 운동감시시스템의 응용장면의 개략도이다.
도 2는 본 개시의 일부 실시예들에 따른 착용가능장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 개략도이다.
도 3은 본 개시의 일부 실시예들에 따른 계산장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 예시적인 개략도이다.
도 4는 본 개시의 일부 실시예들에 따른 예시적인 착용가능장치의 구조도이다.
도 5는 본 개시의 일부 실시예들에 따른 예시적인 운동감시방법을 나타내는 흐름도이다.
도 6은 본 개시의 일부 실시예들에 따른 사용자의 운동동작을 감시하는 예시적인 처리의 흐름도이다.
도 7은 본 개시의 일부 실시예들에 따른 동작신호를 분할하기 위한 예시적인 처리의 흐름도이다.
도 8은 본 개시의 일부 실시예들에 따른 동작신호의 분할의 예시적인 정규화 결과를 나타내는 도면이다.
도 9는 본 개시의 일부 실시예들에 따른 근전도신호를 전처리하는 예시적인 처리의 흐름도이다.
도 10은 본 개시의 일부 실시예들에 따른 예시적인 버 신호(burr signal)를 나타내는 흐름도이다.
도 11은 본 개시의 일부 실시예들에 따른 자세신호에 대응되는 특징정보를 판정하기 위한 예시적인 처리의 흐름도이다.
도 12는 본 개시의 일부 실시예들에 따른 사용자의 상이한 운동부위들 사이의 상대적 운동을 판정하기 위한 예시적인 처리의 흐름도이다.
도 13은 본 개시의 일부 실시예들에 따른 초기 좌표계와 특정된 좌표계 사이의 변환관계를 판정하기 위한 예시적인 처리의 흐름도이다.
도 14는 본 개시의 일부 실시예들에 따른 초기 좌표계와 타겟 좌표계 사이의 변환관계를 판정하기 위한 예시적인 처리의 흐름도이다.
도 15a는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다.
도 15b는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 다른 하나의 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다.
도 16a는 본 개시의 일부 실시예들에 따른 인체의 하박의 모 위치의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다.
도 16b는 본 개시의 일부 실시예들에 따른 인체의 하박의 다른 하나의 위치의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다 .
도 17은 본 개시의 일부 실시예들에 따른 다중센서의 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다.
도 18a는 본 개시의 일부 실시예들에 따른 초기 각속도의 예시적인 결과를 나타내는 도면이다.
도 18b는 본 개시의 일부 실시예들에 따른 필터링처리 후의 각속도의 예시적인 결과를 나타내는 도면이다.
도 19는 본 개시의 일부 실시예들에 따른 예시적인 운동감시 및 피드백 방법을 나타내는 흐름도이다.
도 20은 본 개시의 일부 실시예들에 따른 모형을 훈련하기 위한 예시적인 처리를 나타내는 흐름도이다.
도 21 a는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 처리의 예시적인 흐름도이다.
도 21 b는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 예시도이다.
도 22는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 처리의 예시적인 흐름도이다.
도 23a는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 23b는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 23c는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 24는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 표시하는 처리의 예시적인 흐름도이다.
도 25는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 26은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 27은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 28은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 29는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 30은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 31은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 32는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 33은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 34는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 35는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 36은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 37은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
도 38은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스의 개략도이다.
본 개시의 실시예들의 기술 요지를 더 명확하게 설명하기 위해, 아래에서는 실시예들의 설명에 필요한 도면들을 간단히 소개한다. 물론 아래에서 기재하는 도면은 단지 본 개시의 일부 예 또는 실시예들이다. 본 분야의 통상의 기술자들에 있어서, 본 개시는 창조적인 노동을 하지 않고 이러한 도면들에 근거하여 기타 유사한 장면들에 응용될 수도 있다. 언어환경에서 명확하거나 또는 특별히 성명하지 않는 한, 도면 중의 동일한 부호는 동일한 구조 또는 동작을 표시한다.
이해해야 할 것은 여기에서 사용하는 용어 "시스템", "장치", "유닛", 및/또는 "모듈"은 상이한 부재들, 소자들, 부품들, 부분들 또는 상이한 수준의 조립체들을 구분하는 하나의 방법이다. 그러나, 기타 단어들이 동일한 목적을 달성할 수 있으면, 이 단어들은 다른 표현들에 의해 대체될 수 있다.
명세서와 첨부된 청구항에 사용된 바와 같이 "하나", "일" 또는 "상기" 등 용어는 내용에서 명확히 제시하지 아니한 한 복수의 형태를 포함한다. 일반적으로, 용어 "포함" "포괄" 및/또는 "함유"는 단지 명시된 절차들 및 소자들이 포함됨을 강조하고, 이러한 절차들 및 소자들은 배타적인 열거를 구성하지 않을 수 있으며, 상기 방법 또는 장치는 기타 절차들 또는 소자들을 더 포함할 수 있다.
흐름도는 본 개시의 전반에서 본 개시의 실시예들에 따른 시스템에 의해 수행되는 동작들을 설명하는 데 이용된다. 이해해야 할 것은 전후 동작들은 정확한 순서로 수행될 필요가 없다는 것이다. 반대로, 개별 절차들은 반대 순서거나 또는 동시에 진행될 수 있다. 기타 동작들을 이러한 절차들에 추가하거나 또는 절차 또는 동작들을 이러한 과정들에서 제거할 수 있다.
본 개시는 운동감시시스템을 제공할 수 있다. 상기 시스템은 운동시 사용자의 동작신호를 획득할 수 있다. 상기 동작신호는 적어도 근전도신호, 자세신호, 심전 그래픽 신호, 호흡수 신호, 등을 포함할 수 있다. 상기 운동감시시스템은 적어도 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 운동시 사용자의 동작을 감시할 수 있다. 예를 들면, 상기 동작을 할 때, 상기 시스템은 근전도신호에 대응되는 주파수정보 및 진폭정보, 자세신호에 대응되는 각속도, 상기 각속도의 각속도 방향 및 각속도값, 각도, 변위 정보, 및 응력, 등을 통해, 상기 사용자의 동작의 유형, 동작의 수량, 동작 품질, 동작 시간, 또는 상기 사용자의 생리학적 파라미터들의 정보를 판정할 수 있다. 일부 실시예들에서는, 상기 운동감시시스템은 또한 상기 사용자의 피트니스 동작의 분석결과들에 근거하여 사용자의 피트니스 동작에 피드백을 생성하여 사용자의 피트니스에 안내를 제공할 수 있다. 예를 들면, 상기 사용자의 피트니스 동작이 표준이 아닌 경우, 상기 운동감시시스템은 프롬프트 메시지를 상기 사용자에게 전송할 수 있다(예를 들면, 음성 프롬프트, 진동 프롬프트, 전류자극, 등.). 상기 운동감시시스템은 착용가능장치(예를 들면, 옷, 손목보호대, 헬멧), 의료용 검사기(예를 들면, 근전도 검사기), 피트니스장치, 등에 응용될 수도 있다. 상기 운동감시시스템은 전문가의 참여가 없이 운동시 사용자의 동작신호를 획득함으로써 사용자의 동작을 정확하게 감시하고 피드백을 제공할 수 있으며, 이는 상기 사용자의 피트니스 효과를 개선하고 상기 사용자 피트니스의 비용을 감소시킬 수 있다.
도 1은 본 개시의 일부 실시예들에 따른 운동감시시스템의 응용장면을 나타내는 개략도이다. 도 1에 표시하는 바와 같이, 상기 운동감시시스템(100)은 처리장치(110), 네트워크(120), 착용가능장치(130), 및 이동단말장치(140)를 포함할 수 있다. 상기 운동감시시스템(100)은 사용자 운동동작을 표시하는 동작신호(예를 들면, 근전도신호, 자세신호, 심전 신호, 호흡수 신호, 등.)를 획득할 수 있으며, 운동시 사용자의 동작신호에 근거하여 사용자의 동작을 감시하고 피드백을 제공할 수 있다.
예를 들면, 상기 운동감시시스템(100)은 피트니스할 때 상기 사용자의 동작을 감시하고 피드백을 제공할 수 있다. 사용자가 피트니스를 위한 상기 착용가능장치(130)를 착용하는 경우, 상기 착용가능장치(130)는 상기 사용자의 동작신호를 획득할 수 있다. 상기 처리장치(110) 또는 이동단말장치는 상기 사용자의 동작신호를 수신하고 분석하여 상기 사용자의 피트니스 동작이 표준인지 여부를 판정할 수 있으며, 따라서 상기 사용자의 동작을 감시한다. 구체적으로, 상기 사용자의 동작에 대한 감시는 동작의 유형, 동작의 수량, 동작의 품질, 및 동작의 시간, 또는 동작을 할 때 상기 사용자의 생리학적 파라미터들에 관한 정보를 판정하는 것을 포함할 수 있다. 또한, 상기 운동감시시스템(100)은 상기 사용자의 피트니스 동작의 분석결과에 근거하여 상기 사용자의 피트니스 동작에 피드백을 생성하여 상기 사용자에게 안내를 제공할 수 있다.
또한, 예를 들면, 상기 운동감시시스템(100)은 달리기를 할 때 상기 사용자의 동작을 감시하고 피드백을 제공할 수 있다. 예를 들면, 사용자가 달리기 단련을 위한 상기 착용가능장치(130)를 착용할 때, 상기 운동감시시스템(100)은 상기 사용자의 달리기 동작이 표준인지 여부 및 상기 달리기 시간이 건강표준에 부합되는지 여부를 감시할 수 있다. 사용자의 달리기 시간이 너무 길거나 또는 달리기 동작이 정확하지 않은 경우, 상기 피트니스 장치는 동작상태를 상기 사용자에게 제공하여 상기 사용자에게 상기 달리기 동작 또는 상기 달리기 시간을 조절하도록 제시한다.
일부 실시예들에서는, 상기 처리장치(110)는 상기 사용자의 동작에 관련되는 정보 및/또는 데이터를 처리하도록 구성될 수 있다. 예를 들면, 상기 처리장치(110)는 상기 사용자의 동작신호(예를 들면, 근전도신호, 자세신호, 심전 신호, 호흡수 신호, 등.)를 수신하고 나아가서 특징정보에 대응되는 상기 동작신호(예를 들면, 상기 동작신호에서 근전도신호에 대응되는 특징정보, 상기 자세신호에 대응되는 특징정보)를 추출할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 상기 착용가능장치(130)에 의해 획득한 상기 근전도신호 또는 상기 자세신호에 대해 특정된 신호처리, 예를 들면, 신호분할, 신호 전처리(예를 들면, 신호수정처리, 필터링처리, 등.), 등을 수행할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 또한 상기 사용자의 동작신호에 근거하여 상기 사용자 동작이 정확한지 여부를 판정할 수 있다. 예를 들면, 상기 처리장치(110)는 근전도신호에 대응되는 특징정보(예를 들면, 진폭정보, 주파수정보, 등.)에 근거하여 상기 사용자 동작이 정확한지 여부를 판정할 수 있다. 다른 하나의 예로써, 상기 처리장치(110)는 상기 자세신호에 대응되는 특징정보(예를 들면, 각속도, 각속도의 방향, 각속도의 가속도, 각도, 변위 정보, 응력, 등.)에 근거하여 상기 사용자 동작이 정확한지 여부를 판정할 수 있다. 또한, 예를 들면, 상기 처리장치(110)는 근전도신호에 대응되는 특징정보 및 상기 자세신호에 대응되는 특징정보에 근거하여 상기 사용자 동작이 정확한지 여부를 판정할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 운동시 사용자의 생리학적 파라미터들의 정보가 건강 표준에 부합되는지 여부를 더 판정할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 또한 상기 사용자의 동작에 피드백하도록 구성되는 상응한 명령을 전송할 수 있다. 예를 들면, 사용자가 달리고 상기 운동감시시스템(100) 가 상기 사용자의 달리기 시간이 너무 길다고 감시한 경우, 상기 처리장치(110)는 이동단말장치(140)에 명령을 발송하여 사용자가 달리기 시간을 조절하도록 촉구할 수 있다. 유의해야 할 것은 상기 자세신호에 대응되는 특징정보는 상술한 각속도, 각속도의 방향, 각속도의 각속도, 각도, 변위 정보, 및 응력, 등에 한정되지 않고, 기타 특징정보일 수 있다는 것이다. 예를 들면, 자세센서가 스트레인 게이지 센서인 경우, 늘어난 길이에 따라 변하는 스트레인 게이지 센서의 저항을 측정함으로써 사용자의 관절에서의 굽힘각 및 굽힘방향을 획득할 수 있다.
일부 실시예들에서는, 상기 처리장치(110)는 현지 또는 원격에 있을 수 있다. 예를 들면, 상기 처리장치(110)는 상기 네트워크(120)를 통해 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)에 저장되어 있는 정보 및/또는 재료들에 접근할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)에 직접 연결되어 거기에 저장되어 있는 정보 및/또는 재료들에 접근할 수 있다. 예를 들면, 상기 처리장치(110)는 상기 착용가능장치(130)에 위치하여 상기 네트워크(120)를 통해 상기 이동단말장치(140)와 정보 인터랙션을 수행할 수 있다. 또한, 예를 들면, 상기 처리장치(110)는 상기 이동단말장치(140)에 위치하여 네트워크를 통해 상기 착용가능장치(130)와 정보 인터랙션을 수행할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 클라우드 플랫폼에서 수행될 수 있다. 예를 들면, 상기 클라우드 플랫폼은 사설 클라우드, 공공 클라우드, 혼합 클라우드, 커뮤니티 클라우드, 분산식 클라우드, 내부 클라우드, 또는 이들의 임의의 조합 중의 하나를 포함할 수 있다.
일부 실시예들에서는, 상기 처리장치(110)는 운동감시에 관련되는 데이터 및/또는 정보를 처리하여 본 개시에서 설명하는 하나 이상의 기능들을 수행할 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 사용자가 운동할 때 상기 착용가능장치(130)에 의해 수집되는 상기 동작신호를 획득할 수 있다. 일부 실시예들에서는, 상기 처리장치는 제어명령을 상기 착용가능장치(130) 또는 상기 이동단말장치(140)에 발송할 수 있다. 상기 제어명령은 상기 착용가능장치(130) 및 그 각각의 센서의 켜기/끄기 상태를 제어하고, 상기 이동단말장치(140)를 제어하여 프롬프트 메시지를 전송할 수도 있다. 일부 실시예들에서는, 처리장치(110)는 하나 이상의 서브처리장치들(예를 들면, 단일 코어 처리장치 또는 멀티 코어 처리장치)을 포함할 수 있다. 단지 예로써, 상기 처리장치(110)는 중앙처리장치(CPU), 주문형 집적회로(ASIC), 주문형 명령 프로세서(ASIP), 그래픽 처리장치(GPU), 물리 처리장치(PPU), 디지털신호 프로세서(DSP), 필드 프로그램밍 가능 게이트 어레이(FPGA), 프로그램밍 가능 논리장치(PLD), 컨트롤러, 마이크로 컨트롤러 축소명령집합 컴퓨터(RISC), 및 마이크로 프로세서, 등, 또는 이들의 임의의 조합을 포함할 수 있다.
상기 네트워크(120)는 상기 운동감시시스템(100)에서의 데이터 및/또는 정보의 교환을 쉽게 할 수 있다. 일부 실시예들에서는, 상기 운동감시시스템(100) 중의 하나 이상의 부재들(예를 들면, 상기 처리장치(110), 상기 착용가능장치(130), 상기 이동단말장치(140))은 네트워크(120)를 통해 데이터 및/또는 정보를 상기 운동감시시스템(100)의 기타 부재들에 발송할 수 있다. 예를 들면, 상기 착용가능장치(130)에 의해 수집되는 상기 동작신호는 상기 네트워크(120)를 통해 처리장치(110)에 전송될 수 있다. 다른 하나의 예로써, 상기 처리장치(110)에서 상기 동작신호에 관한 확인결과는 상기 네트워크(120)를 통해 이동단말장치(140)에 전송될 수 있다. 일부 실시예들에서는, 상기 네트워크(120)는 유선 또는 무선 네트워크 중의 임의의 한가지일 수 있다. 예를 들면, 상기 네트워크(120)는 케이블 네트워크, 유선 네트워크, 광섬유 네트워크, 통신 네트워크, 내부 네트워크, 인터넷망, 지역 네트워크(LAN), 광역 네트워크(WAN), 무선 네트워크(WLAN), 도시구역 네트워크(MAN), 공중전화 교환 네트워크(PSTN), 블루투스™ 네트워크, ZigBee™ 네트워크, 및 근거리 통신(NFC) 네트워크, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 네트워크(120)는 하나 이상의 네트워크 진입점 및 종료점을 포함할 수 있다. 예를 들면, 네트워크(120)는 유선 또는 무선 네트워크 진입점 및 종료점, 예를 들면, 기지국 및/또는 인터넷망 교환점들(120-1, 120-2,...)을 포함할 수 있으며, 상기 인터넷망 교환점들을 통해, 운동감시시스템(100)의 하나 이상의 부재들을 상기 네트워크(120)에 연결하여 상기 데이터 및/또는 상기 정보를 교환할 수 있다.
상기 착용가능장치(130)는 착용가능한 기능을 가지는 복장 또는 장치일 수 있다. 일부 실시예들에서는, 상기 착용가능장치(130)는 웃옷장치(130-1), 바지장치(130-2), 손목보호대 장치(130-3), 및 신발(130-4), 등을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 착용가능장치(130)는 복수의 센서들을 포함할 수 있다. 상기 센서들은 운동시 상기 사용자로부터 다양한 동작신호들(예를 들면, 근전도신호, 자세신호, 온도 정보, 심박률, 심전 신호, 등.)을 획득할 수 있다. 일부 실시예들에서는, 상기 센서들은 근전도센서, 자세센서, 온도센서, 습도센서, 심전센서, 산소 포화도 센서, 홀센서, 피코전기센서, 회전센서, 등 중 하나 이상을 포함할 수 있으나 이에 한정되지 않는다. 예를 들면, 근전도센서는 상기 웃옷장치(130-1)에서 인체근육위치(예를 들면, 이두박근, 삼두박근, 황배근, 승모근, 등.)에 설치될 수 있으며, 상기 근전도센서는 사용자의 피부에 핏팅되어 운동시 상기 사용자로부터 상기 근전도신호를 수집할 수 있다. 예를 들면, 상기 웃옷장치(130-1)에는 인체의 왼쪽 가슴 근육 부근에 심전센서가 설치될 수 있으며, 상기 심전센서는 사용자의 심전신호를 수집할 수 있다. 또한, 예를 들면, 상기 자세센서는 바지장치(130-2)에서 인체 근육위치(예를 들면, 대둔근, 외측 대퇴골근, 내측 대퇴골근, 비복근, 등.)에 설치될 수 있으며, 상기 자세센서는 사용자의 자세신호를 수집할 수 있다. 일부 실시예들에서는, 상기 착용가능장치(130)는 또한 상기 사용자의 동작에 대해 피드백을 제공할 수 있다. 예를 들면, 운동시 사용자의 신체부위의 동작이 표준에 부합되지 않으면, 상기 부분에 대응되는 근전도센서는 자극신호(예를 들면, 전류자극 또는 타격신호)를 생성하여 상기 사용자에게 프롬프트를 줄 수 있다.
유의해야 할 것은 상기 착용가능장치(130)는 도 1에 표시하는 상기 웃옷장치(130-1), 상기 바지장치(130-2), 상기 손목보호대 장치(130-3), 및 상기 신발장치(130-4)에 한정되지 않으며, 운동감시를 요구하는 기타 장치들, 예를 들면, 헬멧 장치, 무릎 패드, 등에 응용되는 장치를 더 포함할 수 있으며, 이는 여기에 한정되지 않으며, 본 개시에서 제공하는 운동감시방법을 사용할 수 있는 임의의 장치는 본 개시의 보호 범위 내에 있다.
일부 실시예들에서는, 상기 이동단말장치(140)는 상기 운동감시시스템(100) 중의 정보 또는 데이터에 접근할 수 있다. 일부 실시예들에서는, 상기 이동단말장치(140)는 상기 처리장치(110)에 의해 처리된 운동 데이터를 수신하고, 처리된 운동 데이터에 근거하여 운동기록을 피드백할 수 있다. 예시적인 피드백 방식들은 음성 프롬프트, 이미지 프롬프트, 비디오 표시, 문자 프롬프트, 등을 포함할 수 있으나 이에 한정되지 않는다. 일부 실시예들에서는, 상기 사용자는 상기 이동단말장치(140)를 통해 자체 운동 중의 운동기록들을 획득할 수 있다. 예를 들면, 상기 이동단말장치(140)는 상기 네트워크(120)(예를 들면, 유선 연결, 상기 무선 연결)를 통해 상기 착용가능장치(130)에 연결될 수 있으며, 상기 사용자는 상기 이동단말장치(140)를 통해 사용자의 운동과정의 운동기록들을 획득할 수 있으며, 이는 상기 이동단말장치(140)를 통해 처리장치(110)에 전송될 수 있다. 일부 실시예들에서는, 상기 이동단말장치(140)는 이동장치(140-1), 태블릿(140-2), 랩톱 컴퓨터(140-3), 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 이동장치(140-1)는 휴대전화, 스마트 홈장치, 스마트 이동장치, 가상현실장치, 증강현실장치, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 스마트 홈장치는 스마트 가전제품의 제어장치, 스마트 감시장치, 스마트 TV, 스마트 카메라, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 스마트 이동장치는 스마트 폰, 개인용 디지털비서(PDA), 게임장치, 네비게이션장치, POS 장치, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 가상현실장치 및/또는 증강현실장치는 가상현실헬멧, 가상현실 안경, 가상현실 아이 마스크, 증강현실헬멧, 증강현실 안경, 및 증강현실 아이 마스크, 등, 또는 이들의 임의의 조합을 포함할 수 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)는 데이터 베이스를 더 포함할 수 있다. 상기 데이터 베이스는 정보(예를 들면, 초기 설정된 역치조건, 등.) 및/또는 명령(예를 들면, 피드백 명령)을 저장할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)로부터 획득한 정보를 저장할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 상기 처리장치(110)가 수행하거나 본 개시에서 설명하는 예시적인 방법들을 수행하는 데 이용하도록 구성되는 정보 및/또는 명령을 저장할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 대규모 스토리지, 이동가능 메모리, 휘발성 판독/기록 메모리(예를 들면, 임의접근 메모리 RAM), 읽기전용 메모리(ROM), 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 클라우드 플랫폼에서 구현될 수 있다. 예를 들면, 상기 클라우드 플랫폼은 사설 클라우드, 공공 클라우드, 혼합 클라우드, 커뮤니티 클라우드, 분산식 클라우드, 내부 클라우드, 등, 또는 이들의 임의의 조합을 포함할 수 있다.
일부 실시예들에서는, 상기 데이터 베이스는 상기 네트워크(120)에 연결되어 상기 운동감시시스템(100)의 하나 이상의 부재들(예를 들면, 상기 처리장치(110), 상기 착용가능장치(130), 상기 이동단말장치(140), 등.)과 통신할 수 있다. 상기 운동감시시스템(100)의 하나 이상의 부재들은 상기 네트워크(120)를 통해 상기 데이터 베이스에 저장된 정보 또는 명령에 접근할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 상기 운동감시시스템(100)의 하나 이상의 부재들(예를 들면, 상기 처리장치(110), 상기 착용가능장치(130), 상기 이동단말장치(140))에 직접 연결되거나 또는 통신할 수 있다. 일부 실시예들에서는, 상기 데이터 베이스는 상기 처리장치(110)의 일부분일 수 있다.
도 2는 본 개시의 일부 실시예들에 따른 착용가능장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 개략도이다. 도2에 표시하는 바와 같이, 상기 착용가능장치(130)는 획득모듈(210), 처리모듈(220)( "프로세서"라고도 부른다), 제어모듈(230)("마스터, MCU, 컨트롤러"라고도 부름), 통신모듈(240), 전원공급모듈(250), 및 입출력모듈(260)을 포함할 수 있다.
상기 획득모듈(210)은 운동시 사용자의 동작신호를 획득하도록 구성될 수 있다. 일부 실시예들에서는, 상기 획득모듈(210)은 센서유닛을 포함할 수 있다. 상기 센서유닛은 사용자가 운동시 하나 이상의 동작신호들을 획득하도록 구성될 수 있다. 일부 실시예들에서는, 상기 센서유닛은 근전도센서들, 자세센서들, 심장센서들, 호흡센서들, 온도센서들, 습도센서들, 관성센서들, 혈액 산소 포화도 센서센서들, 홀센서들, 압전 센서들, 회전센서들, 등 중의 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 동작신호는 근전도신호들, 자세신호들, 심장신호들, 호흡수들, 온도신호들, 습도신호들, 등 중의 하나 이상을 포함할 수 있다. 상기 센서유닛은 획득되는 동작신호의 유형에 근거하여 상기 착용가능장치(130)의 상이한 위치들에 설치될 수 있다. 예를 들면, 일부 실시예들에서는, 상기 근전도센서("전극소자"라고도 부른다)는 사람 근육위치에 설치될 수 있고, 상기 근전도센서는 상기 사용자 운동시 상기 근전도신호를 수집하도록 구성될 수 있다. 상기 근전도신호 및 그 상응한 특징정보(예를 들면, 주파수정보, 진폭정보, 등.)는 사용자의 운동과정의 근육의 상태를 반영할 수 있다. 상기 자세센서는 인체에서 상이한 위치들(예를 들면, 상기 몸통, 사지, 및 관절에 대응되는 상기 착용가능장치(130)의 위치들)에 설치될 수 있고, 상기 자세센서는 사용자의 운동과정에서 상기 사용자의 자세신호를 포획하도록 구성될 수 있다. 상기 자세신호 및 그 상응한 특징정보(예를 들면, 각속도 방향, 각속도값, 각속도의 가속도값, 각도, 변위 정보, 응력, 등.)는 상기 사용자의 동작의 자세를 반영할 수 있다. 상기 근전도센서는 사람 가슴의 둘레측에서 모 위치에 설치될 수 있으며, 상기 근전도센서는 상기 사용자 운동시 심전 데이터를 수집하도록 구성될 수 있다. 상기 호흡센서는 신체의 가슴의 둘레측에 배치될 수 있으며, 상기 호흡센서는 운동시 상기 사용자로부터 호흡 데이터(예를 들면, 호흡수, 호흡진폭, 등.)를 수집하도록 구성될 수 있다. 상기 온도센서는 운동시 사용자의 온도 데이터(예를 들면, 신체표면온도)를 수집하도록 구성될 수 있다. 상기 습도센서는 운동시 사용자의 외부 환경의 습도데이터를 수집하도록 구성될 수 있다.
상기 처리모듈(220)은 상기 획득모듈(210), 상기 제어모듈(230), 상기 통신모듈(240), 상기 전원공급모듈(250), 및/또는 상기 입출력모듈(260)로부터 오는 데이터를 처리할 수 있다. 예를 들면, 상기 처리모듈(220)은 상기 획득모듈(210)로부터 오는 운동과정의 상기 사용자의 동작신호를 처리할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220) 상기 획득모듈(210)에 의해 획득되는 상기 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호)를 전처리할 수 있다. 예를 들면, 상기 처리모듈(220)은 운동시 사용자의 근전도신호 또는 자세신호를 분할할 수 있다. 다른 하나의 예로써, 상기 처리모듈(220)은 운동시 사용자의 근전도신호에 대해 전처리(예를 들면, 필터링처리, 신호수정처리)를 수행하여 상기 근전도신호의 품질을 개선한다. 또한, 예를 들면, 상기 처리모듈(220)은 운동시 사용자의 자세신호에 근거하여 상기 자세신호에 대응되는 특징정보를 판정할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 입출력모듈(260)로부터 오는 명령 또는 동작을 처리할 수 있다. 일부 실시예들에서는, 처리된 데이터는 메모리 또는 하드디스크에 저장될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 그 처리한 데이터를 상기 통신모듈(240) 또는 상기 네트워크(120)를 통해 상기 운동감시시스템(100) 중의 하나 이상의 부재들에 전송할 수 있다. 예를 들면, 상기 처리모듈(220)은 운동시 사용자의 감시결과를 상기 제어모듈(230)에 전송할 수 있으며, 상기 제어모듈(230)은 동작판정결과에 근거하여 후속의 동작들 또는 명령들을 수행할 수 있다.
상기 제어모듈(230)은 상기 착용가능장치(130) 중의 기타 모듈들에 연결될 수 있다 . 일부 실시예들에서는, 상기 제어모듈(230)은 상기 착용가능장치(130) 중의 기타 모듈들(예를 들면, 상기 통신모듈(240), 상기 전원공급모듈(250), 상기 입출력모듈(260))의 동작상태들을 제어할 수 있다. 예를 들면, 상기 제어모듈(230)은 상기 전원공급모듈(250)의 전원공급상태(예를 들면, 정상모드, 전기절약모드), 전원공급시간, 등을 제어할 수 있다. 상기 전원공급모듈(250)의 잔여전력이 일정한 역치(예를 들면, 10%)에 도달하거나 또는 역치보다 작은 경우, 상기 제어모듈(230)은 상기 전원공급모듈(250)을 전기절약모드에 진입시키거나 또는 전력보충에 관한 프롬프트 메시지를 전송하도록 제어할 수 있다. 다른 하나의 예로써, 상기 제어모듈(230)은 사용자의 동작판정결과들에 근거하여 상기 입출력모듈(260)을 제어하고, 또한 상기 이동단말장치(140)를 제어하여 상기 사용자의 동작의 피드백결과를 전송할 수 있다. 상기 사용자의 동작에 문제가 있는 경우(예를 들면, 동작이 상기 표준에 부합되지 않는), 상기 제어모듈(230)은 상기 입출력모듈(260)을 제어하여 상기 이동단말장치(140)를 상기 사용자에게 피드백을 제공하도록 제어할 수 있으며, 사용자가 자체의 운동동작을 실시간으로 요해하고 어떤 조절을 하도록 하게 할 수 있다. 일부 실시예들에서는, 상기 제어모듈(230)은 상기 획득모듈(210) 중의 하나 이상의 센서들 또는 기타 모듈들을 인체에 피드백을 제공하도록 제어할 수도 있다. 예를 들면, 운동시 사용자의 근육이 지나치게 강하게 단련하는 경우, 상기 제어모듈(230)은 상기 근육의 모 위치의 전극모듈을 제어하여 상기 사용자를 자극하여 사용자가 제때에 동작을 조절하도록 촉구할 수 있다.
일부 실시예들에서는, 상기 통신모듈(240)은 정보 또는 데이터의 교환을 진행하도록 구성될 수 있다. 일부 실시예들에서는, 상기 통신모듈(240)은 착용가능장치(130) 내의 부재들(예를 들면, 상기 획득모듈(210), 상기 처리모듈(220), 상기 제어모듈(230), 상기 전원공급모듈(250), 상기 입출력모듈(260)) 사이의 통신을 진행하도록 구성될 수 있다. 예를 들면, 상기 획득모듈(210)은 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호, 등.)를 상기 통신모듈(240)에 전송할 수 있으며, 상기 통신모듈(240)은 상기 동작신호를 상기 처리모듈(220)에 전송할 수 있다. 예를 들면, 상기 통신모듈(240)은 상기 착용가능장치(130)의 정보(예를 들면, 스위치 상태)를 상기 처리장치(110)에 전송할 수 있으며, 상기 처리장치(110)는 상기 상태정보에 근거하여 상기 착용가능장치(130)를 감시할 수 있다. 상기 통신모듈(240)은 유선, 무선, 및 유선/무선기술들의 혼합을 이용할 수 있다. 상기 유선기술은 광섬유 케이블들, 예를 들면, 금속 케이블들, 혼합 케이블들, 광섬유 케이블들, 등 중 하나 이상의 조합들에 기초할 수 있다. 상기 무선기술은 블루투스(Bluetooth™), 무선네트워크(Wi-Fi), 지그비(ZigBee™), 근거리 통신(NFC), 무선 주파수 식별(RFID), 무선 통신망(를 포함하는 GSM, CDMA, 3G, 4G, 5G, 등.), 셀룰러 기반의 협대역 사물 인터넷(NBIoT), 등을 포함할 수 있다. 일부 실시예들에서는, 상기 통신모듈(240)은 하나 이상의 코딩방법들을 이용하여 전송된 정보를 코딩할 수 있으며, 예를 들면, 상기 코딩방법들은 위상 코딩, 비제로 코딩, 차등 맨체스터 코딩, 등을 포함할 수 있다. 일부 실시예들에서는, 상기 통신모듈(240)은 전송하려는 데이터의 유형 또는 네트워크의 유형에 근거하여 상이한 전송 및 부호화 방법들을 선택할 수 있다. 일부 실시예들에서는, 상기 통신모듈(240)은 상이한 통신방법들을 위한 하나 이상의 통신 인터페이스들을 포함할 수 있다. 일부 실시예들에서는, 상기 운동감시시스템(100)의 상술한 기타 모듈들은 복수의 장치들에 분산될 수 있으며, 이런 경우, 복수의 기타 모듈들 중의 각 모듈은 각각 모듈간 정보전송을 위한 하나 이상의 통신모듈들(240) 을 포함할 수 있다. 일부 실시예들에서는, 상기 통신모듈(240)은 수신기 및 전송기를 포함할 수 있다. 기타 실시예들에서, 상기 통신모듈(240)은 송수신기일 수 있다.
일부 실시예들에서는, 상기 전원공급모듈(250)은 상기 운동감시시스템(100)중의 기타 부재들(예를 들면, 상기 획득모듈(210), 상기 처리모듈(220), 상기 제어모듈(230), 상기 통신모듈(240), 상기 입출력모듈(260))에 전력을 공급할 수 있다. 상기 전원공급모듈(250)은 상기 처리모듈(220)로부터 제어신호를 수신하여 상기 착용가능장치(130)의 전력출력을 제어할 수 있다. 예를 들면, 상기 착용가능장치(130)가 일정한 기간(예를 들면, 1s, 2s, 3s, 또는 4s)에 임의의 동작(예를 들면, 상기 획득모듈(210)에 검측된 동작신호가 없다)도 수신하지 못하면, 상기 전원공급모듈(250)은 단지 매모리에 전력을 제공하여 상기 착용가능장치(130)를 대기모드로 진입하게 할 수 있다. 예를 들면, 상기 착용가능장치(130)가 일정한 기간(예를 들면, 1s, 2s, 3s, 또는 4s)에 임의의 동작도 수신하지 못하면(예를 들면, 상기 획득모듈(210)에 검측된 동작신호가 없다), 상기 전원공급모듈(250)은 기타 부재들에 대한 전력공급을 끊고 상기 운동감시시스템(100)의 데이터는 하드디스크로 전송하며, 상기 착용가능장치(130)는 상기 대기모드 또는 휴면모드로 진입하게 할 수 있다. 일부 실시예들에서는, 상기 전원공급모듈(250)은 적어도 하나의 배터리를 포함할 수 있다. 상기 배터리는 건전지, 납전지, 리튬전지, 태양전지, 풍력발전전지, 기계에너지발전전지, 열에너지발전전지, 등, 중 하나 이상의 조합을 포함할 수 있다. 빛 에너지는 상기 태양전지에 의해 전기 에너지로 변환되고 상기 전원공급모듈(250)에 저장될 수 있다. 풍력 에너지는 풍력발전전지에 의해 전기 에너지로 변환되고 상기 전원공급모듈(250)에 저장될 수 있다. 기계적 에너지는 상기 기계에너지발전전지에 의해 전기 에너지로 변환되고 상기 전원공급모듈(250)에 저장될 수 있다. 상기 태양전지는 실리콘 태양전지, 박막 태양전지, 나노결정 화학 태양 전지, 연료 감응형 태양 전지, 플라스틱 태양전지, 등을 포함할 수 있다. 상기 태양전지는 상기 착용가능장치(130)에서 판형식으로 분포될 수 있다. 사용자의 신체 온도는 상기 열에너지전지에 의해 전기 에너지로 변환되고 상기 전원공급모듈(250)에 저장될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 전원공급모듈(250)의 전력이 전력 역치(예를 들면, 총 전력의 10% )보다 작은 경우, 상기 전원공급모듈(250)에 상기 제어신호를 전송할 수 있다. 상기 제어신호는 상기 전원공급모듈(250)의 전력이 부족하다는 정보를 포함할 수 있다. 일부 실시예들에서는, 상기 전원공급모듈(250)은 백업전원을 포함할 수 있다. 일부 실시예들에서는, 상기 전원공급모듈(250)은 충전 인터페이스를 더 포함할 수 있다. 예를 들면, 상기 전원공급모듈(250)은 사용자가 소지한 전자장치(예를 들면, 휴대전화, 태블릿 컴퓨터) 또는 재충전가능전지를 이용하여 임시충전되어, 긴급상황(예를 들면, 상기 전원공급모듈(250)의 전력이 0이고, 외부전력시스템이 전원이 꺼짐)에서 상기 전원공급모듈(250)을 임시충전할 수 있다.
상기 입출력모듈(260)은 신호를 획득하고, 전달하고 전송할 수 있다. 상기 입출력모듈(260)은 상기 운동감시시스템(100) 중의 기타 부재들과 연결되거나 또는 통신할 수 있다. 상기 운동감시시스템(100) 중의 상기 기타 부재들은 상기 입출력모듈(260)을 통해 연결되거나 통신될 수 있다. 상기 입출력모듈(260)은 유선 USB 인터페이스, 직렬통신 인터페이스, 병렬 통신포트, 또는, 무선Bluetooth, 적외선-주파수식별, 무선 주파수식별(RFID), WLAN인증 및 개인정보 보호 인프라(WAPI), 일반 패킷 라디오 서비스(GPRS), 코드 분할 다중 액세스(CDMA), 또는 이들의 임의의 조합일 수 있다. 일부 실시예들에서는, 상기 입출력모듈(260)은 상기 네트워크(120)에 연결되어 상기 네트워크(120)를 통해 정보를 획득할 수 있다. 예를 들면, 상기 입출력모듈(260)은 상기 네트워크(120) 또는 상기 통신모듈(240)를 통해 상기 획득모듈(210)로부터 운동시의 상기 사용자의 동작신호를 획득하고 사용자 운동정보를 전송할 수 있다. 일부 실시예들에서는, 상기 입출력모듈(260)은 VCC, GND, RS-232, RS-485(예를 들면, RS485-A, RS485-B), 통용 네트워크인터페이스, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 입출력모듈(260)은 상기 네트워크(120)를 통해 획득한 사용자 운동정보를 상기 획득모듈(210)로 전달할 수 있다. 상기 부호화 방법들은 위상 코딩, 비제로 코딩, 차등 맨체스터 코딩, 등, 또는 이들의 임의의 조합을 포함할 수 있다.
이해해야 할 것은 도2에 표시하는 시스템 및 그 모듈들은 복수의 방법들을 이용해 수행될 수 있다는 것이다. 예를 들면, 일부 실시예들에서는, 상기 시스템 및 그 모듈들은 하드웨어, 소프트웨어, 또는 소프트웨어 및 하드웨어의 조합에 의해 수행될 수 있다. 구체적으로는, 하드웨어 부분은 전용로직에 의해 수행될 수 있다. 소프트웨어 부분은 메모리에 저장되거나 적당한 명령수행 시스템, 예를 들면, 마이크로 프로세서 또는 전용설계 하드웨어에 의해 수행될 수 있다. 본 분야의 통상의 기술자들은 상기 방법들 및 상기 시스템은 컴퓨터수행가능 명령에 의해 수행되거나 및/또는 프로세서 제어코드, 예를 들면, 디스크, CD 또는 DVD-ROM, 프로그램가능한 메모리(예를 들면, 읽기전용 메모리(펌웨어)), 또는 데이터 매체(예를 들면, 광 또는 전기 신호 매체), 등 매체에 포함되어 수행될 수 있음을 이해할 수 있다. 본 개시의 하나 이상의 실시예에서 상기 시스템 및 그 모듈들은 하드웨어 회로(예를 들면, 초대규모 집적회로 또는 게이트 어레이), 반도체(예를 들면, 로직 칩, 트랜지스터, 등), 또는 프로그램밍 가능한 하드코어장치(예를 들면, 필드 프로그래밍 가능한 게이트 어레이, 프로그램밍 가능한 로직장치, 등)에 의해 구현될 수 있으며, 다양한 유형의 프로세서에 의해 수행되는 소프트웨어에 의해 구현될 수 있으며, 또는 상술한 하드웨어 회로와 소프트웨어(예를 들면, 펌웨어)의 조합에 의해 구현될 수 있다.
유의해야 할 것은 상기 운동감시시스템 및 그 모듈들에 관한 상기 설명은 단지 설명의 편의를 위한 것이고, 본 개시의 하나 이상의 실시예들을 실시예들의 범위에 한정하지 않는다는 것이다. 이해해야 하는 것은, 본 분야의 통상의 기술자들에 있어서, 상기 시스템의 원리를 이해한 후, 이 기본 원칙을 벗어나지 않고, 그들은 상기 모듈들의 임의의 조합을 만들 수 있으며, 또는 기타 모듈들에 연결되는 서브시스템을 형성하거나, 또는 그 중의 하나 이상의 모듈들을 생략할 수 있다는 것이다. 예를 들면, 상기 획득모듈(210) 및 상기 처리모듈(220)은 상기 사용자 동작신호를 획득하고 처리하는 기능을 가질 수 있는 하나의 모듈일 수 있다. 다른 하나의 예로써, 상기 처리모듈(220)에는 상기 착용가능장치(130)이 설치되지 않고, 상기 처리장치(110)에 집적될 수 있다. 이러한 변형들은 본 개시의 하나 이상의 실시예들의 보호 범위 내에 있다.
도 3은 본 개시의 일부 실시예들에 따른 계산장치의 예시적인 하드웨어 및/또는 소프트웨어를 나타내는 예시적인 개략도이다. 일부 실시예들에서는, 상기 처리장치(110) 및/또는 상기 이동단말장치(140)는 계산장치(300)에서 수행될 수 있다. 도 3에 표시하는 바와 같이, 상기 계산장치(300)는 내부 통신 버스(310), 프로세서(320), 읽기전용 메모리(330), 랜덤 메모리(340), 통신포트(350), 입출력 인터페이스(360), 하드디스크(370), 및 사용자 인터페이스(380)를 포함할 수 있다.
상기 내부 통신 버스(310)는 상기 계산장치(300) 중의 부재들 사이에서 데이터 통신을 가능하게 할 수 있다. 예를 들면, 상기 프로세서(320)는 상기 내부 통신 버스(310)를 통해 데이터를 기타 하드웨어, 예를 들면, 메모리 또는 상기 입출력 인터페이스(360)에 전송할 수 있다. 일부 실시예들에서는, 상기 내부 통신 버스(310)는 산업표준(ISA) 버스, 확장된 산업표준(EISA) 버스, 비디오 전자표준(VESA) 버스, 주변부재 상호연결(PCI) 버스, 등일 수 있다. 일부 실시예들에서는, 상기 내부 통신 버스(310)는 도1에 표시하는 상기 운동감시시스템(100)의 다양한 모듈들(예를 들면, 상기 획득모듈(210), 상기 처리모듈(220), 상기 제어모듈(230), 상기 통신모듈(240), 상기 입출력모듈(260))을 연결하도록 구성된다.
상기 프로세서(320)는 계산명령(프로그램 코드)을 수행하고 본 개시에서 설명하는 상기 운동감시시스템(100)의 기능들을 수행할 수 있다. 상기 계산명령은 프로그램, 대상, 부재, 데이터 구조, 과정, 모듈, 및 기능(기능은 본 개시에서 설명하는 특정된 기능을 가리킬 수 있다)을 포함할 수 있다. 예를 들면, 프로세서(320)는 상기 운동감시시스템(100)의 상기 착용가능장치(130) 또는/및 상기 이동단말장치(140)으로부터 획득한 운동시 사용자의 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호)를 처리하고, 상기 동작신호에 근거하여 운동시 사용자의 동작을 감시할 수 있다. 일부 실시예들에서는, 상기 프로세서(320)는 마이크로 컨트롤러, 마이크로 프로세서, 축소명령집합 컴퓨터(RISC), 주문형 집적회로(ASIC), 응용특정명령집합 프로세서(ASIP), 중앙처리장치(CPU), 그래픽 처리장치GPU), 물리 처리장치(PPU), 마이크로 컨트롤러, 디지털신호 프로세서(DSP), 필드 프로그램밍 가능 게이트 어레이(FPGA), 고급 축소명령집합 컴퓨터(ARM), 프로그램밍 가능 로직장치, 및 하나 이상의 기능들을 수행할 수 있는 임의의 회로와 프로세서, 또는 이들의 임의의 조합을 포함할 수 있다. 단지 설명의 목적으로써, 도3 에서의 상기 계산장치(300)는 하나만의 프로세서만 기재하나, 유의해야 할 것은 본 개시에서 상기 계산장치(300)는복수의 프로세서를 더 포함할 수 있다는 것이다.
상기 계산장치(300)의 메모리(예를 들면, 읽기전용 메모리(ROM)(330), 임의접근 메모리(RAM)(340), 하드디스크(370), 등.)는 상기 운동감시시스템(100)의 임의의 기타 부재들로부터 획득한 데이터/정보를 저장할 수 있다. 일부 실시예들에서는, 상기 계산장치(300)의 메모리는 상기 착용가능장치(130) 또는 상기 처리장치(110)에 위치할 수 있다. 예시적인 ROM는 마스크ROM(MROM), 프로그래밍 가능 ROM(PROM), 소거 및 프로그래밍 가능 ROM(PEROM), 전기적 소거 및 프로그래밍 가능ROM(EEPROM), 컴팩트 디스크 ROM(CD-ROM), 디지털 다용도 디스크ROM, 등을 포함할 수 있다. 예시적인 RAM는 동적 RAM(DRAM), 2중 속도 동기식 동적 RAM(DDR SDRAM), 정적RAM(SRAM), 사이리스터RAM(T-RAM), 제로 캐퍼시터 RAM(Z-RAM), 등을 포함할 수 있다.
상기 입출력 인터페이스(360)는 신호들, 데이터, 또는 정보를 입력 또는 출력할 수 있다. 일부 실시예들에서는, 상기 입출력 인터페이스(360)는 사용자가 상기 운동감시시스템(100)와 인터랙션을 할 수 있게 한다. 예를 들면, 상기 입출력 인터페이스(360)는 상기 통신모듈(240)을 포함하여 상기 운동감시시스템(100)의 통신기능을 가능하게 한다. 일부 실시예들에서는, 상기 입출력 인터페이스(360)는 입력장치 및 출력장치를 포함할 수 있다. 예시적인 입력장치들은 키보드, 마우스, 터치스크린, 마이크로폰, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 예시적인 출력장치들은 디스플레이, 스피커, 프린터, 프로젝터 등, 또는 이들의 임의의 조합을 포함할 수 있다. 예시적인 디스플레이들은 액정 디스플레이(LCD), LED기반 디스플레이, 평면판 디스플레이, 곡선 디스플레이, 털레비젼장치, 음극선관(CRT), 등, 또는 이들의 임의의 조합을 포함할 수 있다. 상기 통신포트(350)는 데이터 통신을 위한 네트워크에 연결될 수 있다. 연결은 유선연결, 무선연결, 또는 이들의 조합일 수 있다. 유선 연결은 케이블, 광섬유 케이블, 전화선, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 상기 무선 연결은Bluetooth™, Wi-Fi, WiMAX, WLAN, ZigBee™, 이동전화 네트워크(예를 들면, 3G, 4G, 또는 5G, 등.), 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 통신포트(350)는 표준포트, 예를 들면, RS232, RS485, 등일 수 있다. 일부 실시예들에서는, 상기 통신포트(350)는 특별히 설계된 포트일 수 있다.
상기 하드디스크(370)는 상기 처리장치(110)로부터 생성되거나 또는 이로부터 수신되는 정보 및 데이터를 저장하도록 구성될 수 있다. 예를 들면, 상기 하드디스크(370)는 사용자의 확인정보를 저장할 수 있다. 일부 실시예들에서는, 상기 하드디스크(370)는 하드디스크 드라이브(HDD), 고상드라이브(SSD), 또는 혼합 하드디스크(HHD), 등을 포함할 수 있다. 일부 실시예들에서는, 상기 하드디스크(370)를 상기 처리장치(110) 또는 상기 착용가능장치(130)에 설치할 수 있다. 상기 사용자 인터페이스(380)는 상기 계산장치(300)와 상기 사용자 사이에서 인터랙션 및 정보교환을 가능하게 할 수 있다. 일부 실시예들에서는, 상기 사용자 인터페이스(380)는 상기 운동감시시스템(100)에 의해 생성되는 현재 운동기록들을 상기 사용자에게 표시하도록 구성될 수 있다. 일부 실시예들에서는, 상기 사용자 인터페이스(380)는 물리적 디스플레이, 예를 들면, 스피커들을 구비하는 디스플레이, LCD 디스플레이, LED 디스플레이, OLED 디스플레이, 전기잉크 디스플레이(E-Ink), 등을 포함할 수 있다.
도 4는 본 개시의 일부 실시예들에 따른 예시적인 착용가능장치의 구조도이다. 상기 착용가능장치를 더 설명하기 위해, 도4에 표시하는 바와 같이 웃옷을 예로 들어 설명한다. 상기 착용가능장치(400)는 웃옷(410)을 포함할 수 있다. 상기 웃옷(410)은 웃옷기저(4110), 적어도 하나의 웃옷 처리모듈(4120), 적어도 하나의 웃옷 피드백 모듈(4130), 적어도 하나의 웃옷 획득모듈(4140), 등을 포함할 수 있다. 상기 웃옷기저(4110)는 인체의 웃몸에 착용되는 옷을 가리킬 수 있다. 일부 실시예들에서는, 상기 웃옷기저(4110)은 짧은 팔 T-셔츠, 긴 팔 T-셔츠, 셔츠, 자겟, 등을 포함할 수 있다. 상기 적어도 하나의 웃옷 처리모듈(4120), 상기 적어도 하나의 웃옷 획득모듈(4140)은 인체의 상이한 부분들에 핏팅되는 상기 웃옷기저(4110)의 구역들에 위치할 수 있다. 상기 적어도 하나의 웃옷 피드백 모듈(4130)은 상기 웃옷기저(4110)상에서 임의의 위치에 위치할 수 있으며, 상기 적어도 하나의 웃옷 피드백 모듈(4130)은 사용자의 웃몸 운동상태에 관한 정보에 대한 피드백을 제공하도록 구성될 수 있다. 예시적인 피드백 방식들은 음성 프롬프트, 문자 프롬프트, 압력 프롬프트, 전기자극, 등을 포함할 수 있으나 이에 한정되지 않는다. 일부 실시예들에서는, 상기 적어도 하나의 웃옷 획득모듈(4140)은 자세센서, 심전센서, 근전도센서, 온도센서, 습도센서, 관성센서, 산염기센서, 음향변환기, 등, 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 상기 웃옷 획득모듈(4140)에서 상기 센서(들)은 측정하는 신호에 따라 사용자의 신체의 상이한 위치들에 배치될 수 있다. 예를 들면, 상기 자세센서가 운동시 사용자의 자세신호를 획득하도록 구성된 경우, 상기 자세센서는 상기 웃옷기저(4110)에서 상기 사람 몸통, 팔, 및 관절에 대응되는 위치에 배치될 수 있다. 다른 하나의 예로써, 상기 근전도센서가 운동시 사용자의 근전도신호를 획득하도록 구성되는 경우, 상기 근전도센서는 측정하려는 근육들의 부근에 위치할 수 있다. 일부 실시예들에서는, 상기 자세센서는, 가속도 삼축센서, 각속도 삼축센서, 자기센서, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 자세센서는 가속도 삼축센서, 각속도 삼축센서를 포함할 수 있다. 일부 실시예들에서는, 자세센서는 스트레인 게이지 센서를 더 포함할 수 있다. 스트레인 게이지 센서는 측정하려는 대상이 힘을 받아 생성되는 변형에 의해 발생되는 응력에 기초하는 센서일 수 있다. 일부 실시예들에서는, 상기 스트레인 게이지 센서는 스트레인 게이지 역각센서, 스트레인 게이지 압력센서, 스트레인 게이지 토크센서, 스트레인 게이지 변위 센서, 스트레인 게이지 가속도센서, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 상기 스트레인 게이지 센서는 상기 사용자의 관절위치에 배치될 수 있으며, 상기 사용자의 관절에서 굽힘각 및 굽힘방향은 상기 스트레인 게이지 센서에서 상기 관절의 늘어나는 길이에 따라 변하는 저항에 근거하여 획득할 수 있다. 이해해야 할 것은 웃옷(410)은 상술한 상기 웃옷기저(4110), 상기 웃옷 처리모듈(4120), 상기 웃옷 피드백 모듈(4130), 및 상기 웃옷 획득모듈(4140) 외에 기타 모듈들, 예를 들면, 전원공급모듈, 통신모듈, 입출력모듈, 등을 포함할 수 있다는 것이다. 상기 웃옷 처리모듈(4120)은 도2에 표시하는 상기 처리모듈(220)과 유사할 수 있고, 상기 웃옷 획득모듈(4140)은 도2에 표시하는 상기 획득모듈(210)과 유사할 수 있다. 상기 웃옷(410)에서의 다양한 모듈들에 관한 상세한 설명들은 본 개시의 도2 및 그 관련 설명에서 찾을 수 있으며, 이에 관하여 여기서 중복하지 않는다.
도 5는 본 개시의 일부 실시예들에 따른 예시적인 운동감시방법을 나타내는 흐름도이다. 도5에 표시하는 바와 같이, 절차500은 상기 아래의 절차들을 포함할 수 있다.
절차 510에서, 운동시 사용자의 동작신호를 획득할 수 있다.
일부 실시예들에서는, 상기 절차 510은 상기 획득모듈(210)을 통해 수행될 수 있다. 상기 동작신호는 운동시 사용자의 인체 파라미터 정보이다. 일부 실시예들에서는, 상기 인체 파라미터 정보는 근전도신호, 자세신호, 심전 신호, 온도신호, 습도신호, 혈중산소농도, 호흡수, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 근전도센서는 운동시 사용자의 근전도신호를 수집할 수 있다. 예를 들면, 사용자가 착좌식 흉부압박을 진행할 때, 인체 가슴 근육들, 황배근, 등에 대응되는 착용가능장치 중의 근전도센서들은 상기 사용자의 상응한 근육위치들의 근전도신호들을 획득할 수 있다. 다른 하나의 예로써, 사용자가 딥 스쿼트(deep squat)를 진행할 때, 대둔근 및 사두근에 대응되는 상기 착용가능장치 중의 상기 근전도센서들은 상기 상응한 근육위치들의 근전도신호들을 수집할 수 있다. 다른 하나의 예로써, 사용자가 달리는 경우, 상기 비복근 및 다른 위치들에 대응되는 상기 착용가능장치 중의 상기 근전도센서들은 상기 상응한 근육위치들의 상기 근전도신호들을 획득할 수 있다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 자세센서는 운동시 사용자의 자세신호를 획득할 수 있다. 예를 들면, 상기 사용자 바벨 수평 밀기를 할 때, 상기 사람 삼두박근, 등에 대응되는 상기 착용가능장치 중의 자세센서는 상기 삼두박근, 등의 상기 자세신호를 획득할 수 있다. 예를 들면, 사용자가 아령비행을 할 때, 예를 들면, 인체 삼각근의 위치에 설치된 상기 자세센서는 상기 상응한 위치의 자세신호를 획득할 수 있다. 일부 실시예들에서는, 복수의 자세센서들은 운동시 사용자의 복수의 위치들의 자세신호들을 획득할 수 있고, 상기 복수의 위치들의 상기 자세신호들은 신체의 상이한 부분들 사이의 상대적인 움직임을 반영할 수 있다. 예를 들면, 팔의 자세신호와 몸통의 자세신호는 몸통에 상대적인 팔의 운동상황을 반영할 수 있다. 일부 실시예들에서는, 상기 자세신호는 상기 자세센서의 유형과 관련될 수 있다. 예를 들면, 상기 자세센서가 각속도 삼축센서인 경우, 획득한 자세신호는 각속도 정보일 수 있다. 다른 하나의 예로써, 상기 자세센서가 상기 각속도 삼축센서 및 가속도 삼축센서인 경우, 상기 획득한 자세신호는 상기 각속도 정보 및 가속도 정보일 수 있다. 예를 들면, 상기 자세센서가 스트레인 게이지 센서인 경우, 상기 스트레인 게이지 센서는 사용자의 관절위치에 배치될 수 있으며, 상기 스트레인 게이지 센서 상기 늘어나는 길이에 따라 변하는 저항을 측정함으로써, 상기 획득되는 자세신호는 변위 정보, 응력, 등일 수 있으며, 상기 사용자의 관절에서 굽힘각 및 굽힘방향은 이러한 자세신호들을 통해 표시될 수 있다. 유의해야 할 것은 사용자의 신체의 상대적 운동을 반영하도록 구성되는 상기 파라미터 정보는 상기 자세신호에 대응되는 특징정보일 수 있으며, 이는 상기 특징정보의 유형에 근거하여 상이한 유형의 자세센서들을 이용하여 획득할 수 있다는 것이다.
일부 실시예들에서는, 상기 동작신호는 사용자의 신체의 특정된 부분의 상기 근전도신호 및 상기 자세신호를 포함할 수 있다. 상기 근전도신호 및 상기 자세신호는 부동한 각도에서 사용자의 신체의 특정된 부분의 운동상태를 반영할 수 있다. 간단히 말하면, 사용자의 신체의 특정된 부분의 자세신호는 상기 특정된 부분의 동작유형, 동작진폭, 동작빈도, 등을 반영할 수 있다. 상기 근전도신호는 운동시 상기 특정된 부분의 근육상태를 반영할 수 있다. 일부 실시예들에서는, 상기 일부 신체 부분의 상기 근전도신호 및/또는 상기 자세신호를 측정함으로써, 상기 부분의 동작이 표준인지 여부가 더 잘 평가될 수 있다
절차520에서, 운동시 사용자의 동작은 적어도 근전도신호에 대응되는 특징정보 또는 상기 자세신호에 대응되는 특징정보에 근거하여 감시될 수 있다.
일부 실시예들에서는, 상기 절차 520는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 근전도신호에 대응되는 특징정보는 주파수정보, 진폭정보, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 자세신호에 대응되는 특징정보는 사용자의 신체의 상대적 운동을 표시하도록 구성되는 파라미터 정보일 수 있다. 일부 실시예들에서는, 자세신호에 대응되는 특징정보는 각속도 방향, 각속도값, 각속도의 가속도값, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 자세신호에 대응되는 특징정보는 각도, 변위 정보(예를 들면, 스트레인 게이지 센서에서 늘어나는 길이), 응력, 등을 더 포함할 수 있다. 예를 들면, 상기 자세센서가 스트레인 게이지 센서인 경우, 상기 스트레인 게이지 센서는 상기 사용자의 관절위치에 설치될 수 있으며, 상기 늘어나는 길이에 따라 변하는 상기 스트레인 게이지 센서의 저항을 측정함으로써 획득한 자세신호는 변위 정보, 상기 응력, 등일 수 있으며, 이는 상기 사용자의 관절에서의 상기 굽힘각 및 상기 굽힘방향을 표시할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220) 및/또는 상기 처리장치(110)는 근전도신호에 대응되는 특징정보(예를 들면, 주파수정보, 진폭정보) 또는 자세신호에 대응되는 특징정보(예를 들면, 상기 각속도 방향, 상기 각속도값, 상기 각속도의 가속도값, 각도, 변위 정보, 상기 응력, 등.)를 추출할 수 있으며, 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 운동시 사용자의 동작을 감시한다. 운동시 상기 동작의 감시는 사용자의 동작관련정보를 포함할 수 있다. 일부 실시예들에서는, 동작관련정보는 동작 유형, 동작 수량, 동작 품질(예를 들면, 상기 동작이 표준에 부합되는지 여부), 동작 시간, 등 중의 하나 이상을 포함할 수 있다. 상기 동작 유형은 운동시 상기 사용자에 의해 수행되는 피트니스 동작일 수 있다. 일부 실시예들에서는, 상기 동작 유형은 착좌식 흉부압박, 딥 스쿼트, 강력 당기기(hard pulls), 플랭크 지지(plank supports), 달리기, 수영, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 상기 동작 수량은 운동시 사용자가 동작을 하는 회수의 수량을 가리킬 수 있다. 예를 들면, 사용자가 운동시 착좌식 가슴 조이기(착좌식 가슴 조이기)를 10회 수행하면, 10은 상기 동작 수량일 수 있다. 동작 품질은 표준 피트니스 동작에 상대적인 상기 사용자에 의해 수행되는 피트니스 동작의 표준정도를 가리킬 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 할 때, 상기 처리장치(110)는 상기 사용자특정된 근육위치(대둔근, 사두근, 등.)의 동작신호(상기 근전도신호 및 상기 자세신호)에 대응되는 특징정보에 근거하여 사용자의 동작 유형을 판정하고, 상기 동작신호에 근거하여 상기 딥 스쿼트 동작을 할 때 상기 사용자의 동작 품질을 판정할 수 있다. 동작 시간은 상기 사용자의 하나 이상의 동작 유형에 대응되는 시간 또는 운동과정의 총 시간일 수 있다. 근전도신호에 대응되는 특징정보 및/또는 상기 자세신호에 대응되는 특징정보에 근거하여 운동시 사용자의 동작을 감시하는 데 관한 구체적인 설명들은 본 개시의 도6 및 그 관련 설명에서 찾을 수 있다.
일부 실시예들에서는, 상기 처리장치(110)는 하나 이상의 동작식별모형들을 이용하여 운동시 사용자의 동작을 식별하고 감시할 수 있다. 예를 들면, 상기 처리장치(110)는 근전도신호에 대응되는 특징정보 및/또는 자세신호에 대응되는 특징정보를 상기 동작식별모형에 입력할 수 있고, 상기 동작식별모형은 사용자의 동작에 관련되는 정보를 출력할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 상이한 유형의 동작식별모형들을 포함할 수 있다, 예를 들면, 모 모형은 사용자의 동작 유형을 식별하도록 구성되고, 또는 모 모형은 상기 사용자의 동작 품질, 등을 식별하도록 구성된다.
유의해야 할 것은 절차500에 관한 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 500에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다. 예를 들면, 상기 절차520에서 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보의 추출은 상기 처리장치(110)에 의해 수행될 수 있거나, 또는 일부 실시예들에서는, 상기 처리모듈(220)에 의해 수행될 수 있다. 다른 하나의 예로써, 상기 사용자의 동작신호는 상기 근전도신호, 상기 자세신호, 상기 심전신호, 상기 온도신호, 상기 습도신호, 상기 혈중산소농도, 상기 호흡수에 한정되지 않을 수 있으며, 기타 인체 생리학적 파라미터 신호들을 포함할 수도 있다. 인체 운동에 관한 상기 생리학적 파라미터 신호들은 본 개시의 실시예들에서 전부 동작신호로 간주할 수 있다.
도 6은 본 개시의 일부 실시예들에 따른 사용자의 운동동작을 감시하는 처리의 예시적인 흐름도이다. 도 6에 표시하는 바와 같이, 절차 600은 아래의 절차들을 포함할 수 있다.
절차 610에서, 상기 동작신호는 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 분할될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 운동시 사용자의 상기 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호)를 획득하기 위한 과정은 연속적일 수 있으며, 운동시 사용자의 동작은 복수의 조의 동작들의 조합 또는 상이한 동작 유형들의 조합일 수 있다. 운동시 사용자의 각 동작을 분석하기 위해, 상기 처리모듈(220)은 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 상기 사용자의 동작신호를 분할할 수 있다. 여기에서 상기 사용자의 동작신호를 분할하는 것은 상기 동작신호를 같거나 또는 상이한 기간들을 구비하는 신호 세그먼트들로 분할하거나, 상기 동작신호로부터 특정된 기간을 구비하는 하나 이상의 신호 세그먼트들을 추출하는 것을 가리킬 수 있다. 일부 실시예들에서는, 상기 동작신호의 각 세그먼트는 하나 이상의 상기 사용자의 전체 동작에 대응될 수 있다. 예를 들면, 사용자가 딥 스퀘트를 할 때, 표준 위치로부터 스쿼트 위치까지 그리고 일어나서 상기 표준 위치까지 회복하는 상기 사용자의 동작은 상기 딥 스쿼트를 완성하는 것으로 간주할 수 있으며, 이 과정에서 상기 획득모듈(210)에 의해 수집되는 동작신호는 상기 동작신호의 하나의 세그먼트(또는 한 주기)로 간주할 수 있으며, 그 후 상기 획득모듈(210)에 의해 수집되는 사용자에 의해 완성되는 다음 딥 스쿼트는 동작신호의 다른 하나의 세그먼트로 간주할 수 있다. 일부 실시예들에서는, 각 동작신호는 사용자의 동작의 일부분에 대응될 수도 있으며, 상기 동작의 일부분은 전체 동작의 일부분으로 이해할 수 있다. 예를 들면, 사용자가 딥 스쿼트를 수행할 때, 사용자의 선 위치로부터 스쿼트 위치까지 동작은 상기 동작의 하나의 세그먼트로 간주할 수 있으며, 일어나서 상기 선 위치로 회복하는 것은 상기 동작의 다른 하나의 세그먼트로 간주할 수 있다. 운동시 각 사용자의 동작에서의 변화는 상응한 신체부위의 근전도신호 및 자세신호의 변화를 일으킬 수 있다. 예를 들면, 사용자가 스쿼트를 할 때, 사용자의 신체의 상응한 부분들(예를 들면, 팔, 다리, 엉덩이, 복부)에서 근육들의 근전도신호 및 자세신호가 사용자가 섰을 때보다 변동이 작고, 사용자가 선 위치로부터 스쿼트하는 경우, 사용자의 신체의 상응한 부분들에서 근육들의 근전도신호 및 자세신호는 비교적 큰 파동이 생기고, 예를 들면, 근전도신호의 상이한 주파수의 신호들에 대응되는 진폭신호는 커지거나, 또는 자세신호의 각속도값, 각속도의 방향, 각속도의 가속도값, 각도, 변위 정보, 응력, 등도 변할 수 있다. 사용자가 스쿼트 상태로부터 선 상태로 일어설 때, 근전도신호에 대응되는 진폭정보, 및 자세신호에 대응되는 각속도값, 각속도의 방향, 상기 각속도의 가속도값, 각도, 변위 정보, 및 응력은 또 변경할 수 있다. 이런 상황에 의하면, 상기 처리모듈(220)은 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여, 동작신호를 분할할 수 있다. 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 동작신호를 분할하기 위한 상세한 설명들은 본 개시의 도7 및 도 8 및 그 관련 설명들에서 찾을 수 있다.
절차620에서, 운동시 사용자의 동작은 동작신호의 적어도 하나의 세그먼트에 근거하여 감시할 수 있다.
상기 절차는 처리모듈(220) 및/또는 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 사용자의 동작을 감시하는 것은 동작신호의 적어도 하나의 세그먼트를 기설정 동작신호의 적어도 하나의 세그먼트와 매칭하여 사용자의 동작 유형을 판정하는 것을 포함할 수 있다. 상기 기설정 동작신호의 적어도 하나의 세그먼트는 데이터 베이스에 기설정된 상이한 동작들에 대응되는 표준 동작신호들일 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트와 상기 기설정 동작신호의 적어도 하나의 세그먼트의 매칭도를 판정함으로써, 운동시 사용자의 동작 유형이 판정될 수 있다. 또한, 상기 동작신호와 상기 기설정 동작신호의 매칭도가 제1 매칭역치 범위(예를 들면, 80%보다 크다) 내인지 여부를 판정함으로써, 사용자의 동작 유형이 판정될 수 있다. 제1 매칭역치 범위 내이면, 운동시 사용자의 동작 유형은 상기 기설정 동작신호에 대응되는 동작 유형에 근거하여 판정할 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 운동시 사용자의 동작을 감시하는 것은 상기 근전도신호의 적어도 하나의 세그먼트에 대응되는 특징정보를 상기 기설정 동작신호의 적어도 하나의 세그먼트의 근전도신호에 대응되는 특징정보와 매칭함으로써 운동시 사용자의 동작 유형을 판정하는 것을 포함할 수 있다. 예를 들면, 근전도신호의 세그먼트의 하나 이상의 특징정보(예를 들면, 주파수정보, 진폭정보)와 상기 기설정 동작신호의 세그먼트의 하나 이상의 특징정보 사이의 매칭도(들)은 각각 판정될 수 있으며, 판정은 상기 하나 이상의 특징정보의 가중 매칭도 또는 상기 하나 이상의 특징정보의 평균 매칭도가 제1 매칭역치 내인지 여부로 진행될 수 있다. 매칭도가 제1 매칭역치 내이면, 운동시 동작 유형에 대응되는 상기 기설정 동작신호에 근거하여 사용자의 동작 유형을 판정할 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 운동시 사용자의 동작을 감시하는 것은 상기 자세신호의 적어도 하나의 세그먼트에 대응되는 특징정보를 상기 기설정 동작신호의 적어도 하나의 세그먼트의 자세신호에 대응되는 특징정보와 매칭함으로써 운동시 사용자의 동작 유형을 판정하는 것을 더 포함할 수 있다. 예를 들면, 상기 자세신호의 하나의 세그먼트의 하나 이상의 특징정보(예를 들면, 상기 각속도값, 상기 각속도의 각속도 방향 및 가속도값, 각도, 변위 정보, 상기 응력, 등.)와 상기 기설정 동작신호의 하나의 세그먼트의 하나 이상의 특징정보의 매칭도는 각각 판정되어 상기 하나 이상의 특징정보의 가중된 매칭도 또는 평균 매칭도가 상기 제1 매칭역치 내인지 여부를 판정할 수 있다. 상기 제1 매칭역치 내이면, 사용자의 동작 유형은 상기 기설정 동작신호에 대응되는 동작 유형에 따라 판정될 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 운동시 사용자의 동작을 감시하는 것은 동작신호의 적어도 하나의 세그먼트의 근전도신호에 대응되는 특징정보 및 자세신호에 대응되는 특징정보를 상기 기설정 동작신호의 적어도 하나의 세그먼트의 근전도신호에 대응되는 특징정보 및 자세신호에 대응되는 특징정보와 매칭시키므로써 운동시 사용자의 동작 유형을 판정하는 것을 더 포함할 수 있다.
일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 운동시 사용자의 동작을 감시하는 것은 동작신호의 적어도 하나의 세그먼트를 상기 기설정 동작신호의 적어도 하나의 세그먼트와 매칭함으로써 상기 사용자의 동작 품질을 판정하는 것을 포함할 수 있다. 또한, 상기 동작신호와 상기 기설정 동작신호의 매칭도가 제2 매칭역치 범위(예를 들면, 90%보다 크다)이면, 운동시 사용자의 동작 품질은 표준에 부합될 수 있다. 일부 실시예들에서는, 상기 적어도 하나의 세그먼트의 동작신호에 근거하여 운동시 사용자의 동작을 판정하는 것은 상기 적어도 하나의 세그먼트의 동작신호의 하나 이상의 특징정보를 상기 기설정 동작신호의 적어도 하나의 세그먼트의 하나 이상의 특징정보와 매칭시킴으로써 운동시 사용자의 동작 품질을 판정하는 것을 포함할 수 있다. 유의해야 할 것은 상기 동작신호의 세그먼트는 완전한 동작의 동작신호 또는 완전한 동작의 일부분의 동작신호일 수 있다는 것이다. 일부 실시예들에서는, 복잡한 완전한 동작에 있어서, 상기 완전한 동작의 상이한 단계들에서 힘생성 방식이 다를 수 있으며, 즉, 상기 동작의 상이한 단계들에서 동작신호들은 다를 수 있으며, 사용자 동작은 실시간으로 감시될 수 있으며, 따라서, 상기 완전한 동작의 상이한 단계들에서 감시되는 동작신호의 정확도가 개선될 수 있다.
유의해야 할 것은 절차 600에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차 600에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다. 예를 들면, 일부 실시예들에서는, 상기 사용자의 동작은 동작식별모형 또는 수동적으로 기설정된 모형에 의해 판정될 수도 있다.
도 7은 본 개시의 일부 실시예들에 따른 동작신호를 분할하는 예시적인 처리의 흐름도이다. 도 7에 표시하는 바와 같이, 절차 700은 아래의 절차들을 포함할 수 있다.
절차710에서, 시간 영역 창 내의 적어도 하나의 타겟특징점은 상기 근전도신호 또는 상기 자세신호의 시간 영역 창에 따라 기설정 조건에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 상기 근전도신호의 시간 영역 창은 모 시간 범위의 근전도신호를 포함할 수 있고, 자세신호의 시간 영역 창은 동일한 시간 범위의 자세신호를 포함할 수 있다. 타겟특징점은 동작신호 중의 타겟 특징을 구비하는 신호이고, 이는 사용자의 동작의 단계를 표시할 수 있다. 예를 들면, 사용자가 착좌식 흉부압박 동작을 할 때, 처음에는, 사용자의 팔은 수평으로 밖으로 펴고, 안으로 회전하여 서로 붙이고, 최종적으로 다시 수평방향에서 펼친 상태로 회복하며, 이 과정은 완전한 착좌식 흉부압박 동작이다. 사용자가 착좌식 흉부압박 동작을 할 때, 상기 근전도신호 또는 상기 자세신호에 대응되는 특징정보는 각 단계에서 다를 수 있다. 근전도신호에 대응되는 특징정보(예를 들면, 진폭정보, 주파수정보) 또는 자세신호에 대응되는 특징정보(예를 들면, 상기 각속도값, 각속도의 방향, 상기 각속도의 가속도값, 각도, 변위 정보, 상기 응력, 등.)를 분석함으로써, 상기 사용자의 동작의 단계에 대응되는 타겟특징점이 판정될 수 있다. 일부 실시예들에서는, 하나 이상의 타겟특징점들은 기설정 조건에 근거하여 상기 시간 영역 창으로부터 판정될 수 있다. 일부 실시예들에서는, 상기 기설정 조건은 자세신호에 대응되는 각속도의 방향이 변화하는 것, 자세신호에 대응되는 각속도가 각속도 역치 이상인 것, 자세신호에 대응되는 각도가 각도역치에 도달하는 것, 자세신호에 대응되는 상기 각속도값의 변화가 극치인것, 및 근전도신호에 대응되는 진폭정보가 근전도역치 이상인것, 중의 하나 이상을 포함할 수 있다. 일부 실시예들에서는, 모 동작의 상이한 단계들에서의 타겟특징점들은 상이한 기설정 조건들에 대응될 수 있다. 예를 들면, 상기 착좌식 흉부압박동작에서, 상 사용자의 팔이 수평으로 밖으로 펼친 후 안으로 회전하기 시작할 때의 타겟특징점에 대한 기설정 조건은 팔을 합쳤을 때의 타겟특징점에 대한 기설정 조건과 다를 수 있다. 일부 실시예들에서는, 상이한 동작들의 타겟특징점들은 상이한 기설정 조건들에 대응될 수 있다. 예를 들면, 흉부압박동작와 상기 벤트오버동작(상체를 앞으로 굽히기)은 다를 수 있으며, 이러한 2개의 동작들에서 각각의 기설정 타겟특징점들에 대응되는 기설정 조건들도 다를 수 있다. 상기 기설정 조건의 예시적인 설명들은 본 개시에서 동작시작점, 동작중간점, 및 동작종점의 설명을 가리킬 수 있다.
기타 실시예들에서, 상기 기설정 조건에 따라 근전도신호 및 자세신호 양자의 시간 영역 창들에 근거하여 시간 영역 창들로부터 상기 적어도 하나의 타겟특징점을 판정할 수 있다. 근전도신호 및 자세신호의 시간 영역 창은 모 시간 범위의 근전도신호 및 자세신호를 포함할 수 있다. 근전도신호의 시간은 자세신호의 시간에 대응될 수 있다. 예를 들면, 사용자가 움직이기 시작할 때 근전도신호의 시간점은 사용자가 움직이기 시작할 때 자세신호의 시간점과 같을 수 있다. 여기서 타겟특징점은 근전도신호에 대응되는 특징정보(예를 들면, 상기 진폭정보)와 자세신호에 대응되는 특징정보(예를 들면, 상기 각속도값, 각속도의 방향, 상기 각속도의 가속도값, 각도, 등.)를 조합함으로써 판정될 수 있다.
절차720에서, 동작신호는 상기 적어도 하나의 타겟특징점에 근거하여 분할될 수 있다.
일부 실시예들에서는, 절차 720은 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 근전도신호 또는 상기 자세신호에서 타겟특징점은 하나 이상일 수 있으며, 상기 동작신호는 하나 이상의 타겟특징점들에 의해 복수의 세그먼트들로 나뉠 수 있다. 예를 들면, 상기 근전도신호에 하나의 타겟특징점이 있는 경우, 타겟특징점은 상기 근전도신호를 2개의 세그먼트들로 나눌 수 있으며, 상기 2개의 세그먼트들은 타겟특징점 전의 근전도신호와 타겟특징점 후의 근전도신호를 포함할 수 있다. 또는, 상기 처리모듈(220) 및/또는 상기 처리장치(110)는 타겟특징점 주위의 일정한 시간 범위의 근전도신호를 근전도신호의 세그먼트로 추출할 수 있다. 다른 하나의 예로써, 근전도신호가 복수의 타겟특징점들(예를 들면, n개 타겟특징점들, 제1 타겟특징점이 시간 영역 창의 시작이 아니고, 제n 타겟특징점이 시간 영역 창의 종점이 아님)을 가지는 경우, 근전도신호는 n개의 타겟특징점들에 의해(n+1)개의 세그먼트들로 분할될 수 있다. 다른 하나의 예로써, 근전도신호가 복수의 타겟특징점들(예를 들면, n개의 타겟특징점들, 제1 타겟특징점이 시간 영역 창의 시작이고, 제n 타겟특징점이 시간 영역 창이 아님)을 가지는 경우, 근전도신호는 n개의 타겟특징점들에 의해 n개의 세그먼트들로 분할될 수 있다. 또 다른 예로써, 근전도신호가 복수의 타겟특징점들(예를 들면, n개의 타겟특징점들, 제1 타겟특징점이 시간 영역 창의 시작이고, 제n 타겟특징점이 시간 영역 창의 종점임)을 가지는 경우, 근전도신호는 n개의 타겟특징점들에 의해(n-1)개의 세그먼트들로 분할될 수 있다. 유의해야 할 것은 타겟특징점에 대응되는 동작단계는 하나 이상의 유형들을 포함할 수 있다. 타겟특징점에 대응되는 동작단계가 복수의 유형들인 경우, 복수의 타겟특징점들은 동작신호를 분할하기 위한 기준으로써 이용될 수 있다. 예를 들면, 타겟특징점에 대응되는 동작단계는 동작시작점 및 동작종점을 포함할 수 있고, 동작시작점은 동작종점 앞에 있을 수 있으며, 이런 경우, 동작시작점과 다음 동작시작점 사이의 동작신호는 동작신호의 세그먼트로 간주할 수 있다.
일부 실시예들에서는, 타겟특징점은 동작시작점, 동작중간점, 또는 동작종점 중의 하나 이상을 포함할 수 있다.
동작신호의 분할을 설명하기 위해, 타겟특징점이 동작시작점, 동작중간점 및 동작종점을 전부 포함하는 것을 예시적인 설명으로 한다. 동작시작점은 사용자 동작주기의 시작점으로 간주할 수 있다. 일부 실시예들에서는, 상이한 동작들은 상이한 기설정 조건들에 대응될 수 있다. 예를 들면, 상기 착좌식 흉부압박에서, 상기 기설정 조건은 동작시작점 후의 동작의 각속도의 방향이 동작시작점 전의 동작의 각속도의 방향에 상대적으로 변할 수 있거나, 또는 동작시작점에서 각속도값이 대체로 0이고 동작시작점에서는 각속도의 가속도값은 0보다 큰 것일 수 있다. 다시 말하면, 사용자가 상기 착좌식 흉부압박을 할 때, 동작시작점은 팔을 수평으로 펴고 안으로 회전하기 시작하는 점으로 설정할 수 있다. 다른 하나의 예로써, 벤트오버동작에서, 기설정 조건은 팔을 쳐든 각도가 각도 역치 이상인 것일 수 있다. 구체적으로, 사용자가 벤트오버동작을 할 때, 사용자의 팔이 수평일 때 팔을 쳐든 각도는 0°이고, 팔이 내려올 때 팔을 쳐든 각도는 음의 각이고, 팔이 올라갈 때 팔을 쳐든 각도는 양의 각이다. 사용자의 팔이 수평위치로부터 올라갈 때, 팔은 0보다 큰 각도로 쳐들어진다. 팔을 쳐든 각도가 각도 역치에 도달하는 시간점을 동작시작점으로 간주할 수 있다. 각도 역치는 -70° 내지 -20°일 수 있으며, 또는 바람직하게는, 각도 역치는be -50° 내지 -25°일 수 있다. 일부 실시예들에서는, 선택된 동작시작점의 정확도를 더 확보하기 위해, 상기 기설정 조건은 동작시작점 후의 특정된 시간 범위 내에 있은 팔의 각속도가 각속도 역치 이상일 수 있다는 것을 포함할 수 있다. 상기 각속도 역치는 5°/s ~ 50°/s의 범위일 수 있다. 바람직한 예에 의하면, 상기 각속도 역치는 10°/s ~ 30°/s의 범위일 수 있다. 예를 들면, 사용자가 벤트오버동작을 할 때, 팔의 각속도는 연속적으로 각도역치에 도달한 후 특정된 시간 범위(예를 들면, 0.05s, 0.1s, 0.5s) 내에 상기 각속도 역치보다 크고, 사용자의 팔은 연속적으로 쳐들어 진다. 일부 실시예들에서는, 상기 기설정 조건에 따라 선택된 동작시작점의 각속도가 특정된 시간 범위 내의 각속도 역치보다 작으면, 동작시작점이 판정될 때까지 상기 기설정 조건을 계속한다.
일부 실시예들에서는, 동작중간점은 상기 시작점으로부터 하나의 동작주기 내의 점일 수 있다. 예를 들면, 사용자가 상기 착좌식 흉부압박을 할 때, 상기 동작의 시작점은 팔을 수평으로 밖으로 향해 펴고 안으로 회전할 때 시간으로 설치하고, 팔을 합쳤을 때 시간을 상기 사용자의 동작중간점으로 판정할 수 있다. 일부 실시예들에서는, 상기 기설정 조건은 동작중간점 뒤의 시간점에서 각속도의 방향이 동작중간점 앞의 시간점에서 각속도의 방향에 상대적으로 변하고, 동작중간점에서 각속도값이 대체로 0이고, 동작중간점에서 각속도의 방향이 동작시작점에서 각속도의 방향과 반대인 것일 수 있다. 일부 실시예들에서는, 동작중간점의 선택의 정확도를 개선하기 위해, 동작중간점 후의 제1 특정된 시간 범위(예를 들면, 0.05s, 0.1s, 0.5s)에서 상기 각속도(각속도의 가속도)의 변화는 각속도(예를 들면, 0.05 rad/s)의 가속도 역치보다 클 수 있다. 일부 실시예들에서는, 동작중간점이 상술한 기설정 조건을 만족시키는 동시에, 동작중간점에 대응되는 상기 근전도신호에서 진폭정보는 근전도 역치보다 클 수 있다. 상기 상이한 동작들이 상이한 근전도신호들에 대응되기 때문에, 상기 근전도역치는 사용자 동작 및 상기 타겟 근전도신호와 관련될 수 있다. 상기 착좌식 흉부압박동작에서, 상기 흉근에서 상기 근전도신호는 상기 타겟 근전도신호일 수 있다. 일부 실시예들에서는, 동작중간점("중간 위치"로도 불리울 수 있다)에 대응되는 위치는 대체로 근력의 최대점으로 간주할 수 있으며, 상기 근전도신호는 상대적으로 큰 값을 가질 수 있다. 유의해야 할 것은 사용자가 운동시 동작을 할 때 사용자의 신체의 일부분에서 근전도신호는 사용자가 동작을 하지 않을 때(상기 특정된 부분의 근육은 휴식상태로 간주할 수 있다) 사용자의 신체의 일부분에서 근전도신호보다 실질적으로 높을 수 있다. 예를 들면, 상기 중간 위치에 도달할 때 사용자의 신체의 일부분에서 근전도신호의 진폭은 상기 휴식상태에서의 진폭보다 10배 높을 수 있다. 그리고, 상기 동작위치가 상기 중간 위치(동작중간점)에 도달할 때 사용자의 일부분에서 근전도신호의 진폭과 상기 휴식상태에서 근전도신호의 진폭 사이의 관계는 상기 사용자에 의해 수행되는 상이한 동작 유형들에 따라 다를 수 있고, 상기 양자의 관계는 실제 동작에 따라 조절될 수 있다. 일부 실시예들에서는, 동작중간점의 선택 정확도를 개선하기 위해, 동작중간점 후의 제2 특정된 시간 범위(예를 들면, 0.05s, 0.1s, 0.5s)에 대응되는 진폭은 계속하여 상기 근전도역치보다 클 수 있다. 일부 실시예들에서는, 동작중간점 및 시작위치의 기설정 조건(예를 들면, 상기 근전도신호의 각속도 및 진폭조건), 오일러각("각도"라고도 부른다) 외에 일정한 기설정 조건을 만족시켜 동작중간점을 판정할 수 있다. 예를 들면, 상기 착좌식 흉부압박에서, 동작중간점에서 동작시작점에 상대적인 오일러각은 하나 이상의 오일러각 역치들("역치들"라고도 부른다) 보다 클 수 있다. 예를 들면, 인체의 앞뒤방향을 X축으로 하고, 인체의 좌우방향을 Y축으로 하고, 인체의 높이방향을 Z축으로 하면, X 및 Y 방향에서 오일러각의 변화는 25°보다 작을 수 있고, 상기 Z 방향에서 오일러각의 변화는 40°(상기 착좌식 흉부압박 동작은 주로 상기 Z축 방향에서의 회전과 과련되며, 상기 파라미터들은 단지 참고 예들이다) 보다 클 수 있다. 일부 실시예들에서는, 상기 근전도역치들 및/또는 상기 오일러각역치들은 사전에 스토리지장치 또는 상기 착용가능장치(130)의 하드 드라이브, 또는 상기 처리장치(110)에 저장할 수 있거나, 또는 실제 조건에 근거하여 판정하고 실시간으로 조절할 수 있다.
일부 실시예들에서는, 상기 처리모듈(220)은 근전도신호 또는 자세신호의 시간 영역 창에 근거하여, 기설정 조건에 근거하여 동작시작점 뒤의 시간점에서 시간 영역 창으로부터 동작중간점을 판정할 수 있다. 일부 실시예들에서는, 동작중간점이 판정된 후, 동작시작점으로부터 동작중간점까지의 시간 범위 내에 상기 기설정 조건에 부합되는 기타 시간점들이 존재하는지 여부를 재검증할 수 있으며, 존재하면, 동작중간점에서 가장 가까운 동작시작점을 최적 동작시작점으로 선택할 수 있다. 일부 실시예들에서는, 동작중간점의 시간과 동작시작점의 시간 사이의 차이가 특정된 시간역치(예를 들면, 동작주기의 1/2 또는 2/3 )보다 크면, 동작중간점은 유효할 수 있으며, 동작시작점 및 동작중간점은 기설정 조건에 근거하여 재판정될 수 있다.
일부 실시예들에서는, 동작종점은 동작중간점의 뒤에 있으며, 동작시작점으로부터 하나의 동작주기 내에 있는 시간점일 수 있다. 예를 들면, 동작종점은 동작시작점으로부터 하나의 동작주기인 점으로 설정될 수 있으며, 여기서 동작종점은 상기 사용자의 동작주기의 종점으로 간주할 수 있다. 예를 들면, 사용자가 상기 착좌식 흉부압박을 할 때, 동작시작점은 팔을 수평으로 좌우로 펴고 안으로 회전하기 시작할 때의 시간점으로 설정할 수 있으며, 팔들이 합쳐지는 시간점은 사용자의 동작중간점일 수 있으며, 팔들이 상기 수평방향에서 다시 펼쳐진 상태로 돌아가는 시간점은 상기 사용자의 동작종점에 대응될 수 있다. 일부 실시예들에서는, 상기 기설정 조건은 상기 자세신호에 대응되는 변화된 각속도값이 극치인 것일 수 있다. 일부 실시예들에서는, 지터 오판을 방지하기 위해, 동작중간점으로부터 동작종점까지의 시간 범위에서, 오일러각의 변화는 일정한 오일러각역치, 예를 들면, 20°를 초과해야 한다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 기설정 조건에 근거하여, 상기 근전도신호 및 상기 자세신호의시간 영역 창들에 근거하여 동작중간점 후의 시간 영역 창으로부터 동작종점을 판정할 수 있다. 일부 실시예들에서는, 동작종점의 시간과 동작중간점의 시간 사이의 차이가 특정된 시간역치(예를 들면, 동작주기의 1/2)보다 크면, 동작시작점과 동작중간점은 유효할 수 있으며, 동작시작점, 동작중간점, 및 동작종점은 상기 기설정 조건에 근거하여 재판정할 수 있다.
일부 실시예들에서는, 상기 동작신호에서 적어도 한조의 동작시작점, 동작중간점, 및 동작종점은 중복하여 판정될 수 있으며, 상기 적어도 한조의 동작시작점, 동작중간점, 및 동작종점을 타겟특징점들로 함으로써 상기 동작신호를 분할할 수 있다. 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 유의해야 할 것은 상기 동작신호의 분할은 동작시작점, 동작중간점 및 동작종점에 근거하여 진행되는 데 한정되지 않으며, 기타 시간점들을 포함할 수도 있다. 예를 들면, 상기 착좌식 흉부압박에 있어서, 상기 절차들에 근거하여 5개의 시간점들이 선택될 수 있으며, 제1 시간점은 동작시작점일 수 있고, 제2 시간점은 상기 내회전의 최대 각속도의 시각일 수 있고, 제3 시간점은 동작중간점일 수 있고, 제4 시간점은 외회전의 최대 각속도의 순간일 수 있고, 제5 시간점은 팔들을 좌우로 펼 때 상기 각속도는 0인 시각, 즉, 동작종점일 수 있다. 이 예에서, 절차들에서의 동작시작점, 동작중간점 및 동작종점과 비교하여, 상기 제2 시간점은 상기 동작주기의 1/4 표기점으로써 추가되고, 상기 실시예들에 기재되는 동작종점은 상기 동작주기의 3/4 위치를 표기하는 제4 시간점로써 사용되고, 상기 제5 시간점은 상기 완전한 동작의 종점으로써 추가된다. 상기 착좌식 흉부압박에 있어서, 더 많은 시간점들을 사용하며, 동작 품질의 식별은 상기 동작주기의 첫번째 3/4의 신호에 근거하여 진행되며(예를 들면, 단일 주기의 동작 품질의 식별은 전체 주기의 신호의 전체 분석에 따르지 않는다), 따라서 현재 주기가 종료되지 않은 상황에서 사용자의 동작의 감시 및 피드백을 완성할 수 있다. 동시에, 전체 동작의 절차의 전부 신호들은 완전히 기록되어 클라우드 또는 상기 이동단말장치에 쉽게 업로드될 수 있으며, 그러므로 더 많은 방법들을 상기 사용자의 동작을 감시하는 데 적용할 수 있다. 더 많은 복잡한 동작에 있어서, 동작의 주기는 매우 길 수 있으며, 각 단계는 상이한 발력패턴을 가질 수 있다. 일부 실시예들에서는, 각 시간점을 판정하기 위한 방법을 적용하여 동작을 복수의 단계들로 나눌 수 있으며, 각 단계의 신호는 각각 식별되고 피드백되어 상기 사용자의 동작의 피드백의 적시성을 개선할 수 있다.
유의해야 할 것은 동작시작점, 동작중간점 및 동작종점을 한 조의 타겟특징점들로 함으로써 동작신호를 분할하고 감시하는 것은 단지 예시적인 설명이다. 일부 실시예들에서는, 상기 사용자의 동작신호는 동작시작점, 동작중간점 및 동작종점 중의 하나 이상을 타겟특징점들로 함으로써 분할되고 감시될 수 있다. 예를 들면, 상기 동작신호는 동작시작점을 타겟특징점으로 사용하여 분할하고 감시될 수 있다. 다른 하나의 예로써, 동작시작점 및 동작종점은 상기 동작신호를 분할하고 감시하는 한 조의 타겟특징점들로써 이용될 수 있으며, 타겟특징점들로 사용될 수 있는 다른 시간점들 또는 시간 범위들은 본 개시의 보호 범위 내에 있다.
유의해야 할 것은 상기 절차 700에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다는 것이다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 700에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다. 예를 들면, 절차 710 및 절차720은 상기 처리모듈(220)에 의해 동시에 수행될 수 있다. 다른 하나의 예로써, 절차 710 및 절차 720은 각각 상기 처리모듈(220) 및 상기 처리장치(110)에 의해 동시에 수행될 수 있다.
도 8은 본 개시의 일부 실시예들에 따른 예시적인 동작신호 분할을 나타내는 도면이다. 도8에서의 수평좌표는 사용자의 운동시간을 표시하고, 수직좌표는 착좌식 흉부압박을 할 때 근육부위(예를 들면, 대흉근)의 근전도신호의 진폭정보를 표시한다. 도 8에는 사용자 운동시 사용자의 손목위치의 자세신호에 대응되는 각속도 곡선과 오일러각 곡선을 포함할 수도 있다. 상기 각속도 곡선은 사용자 운동시 속도변화를 나타내도록 구성되고, 상기 오일러각 곡선은 운동시 사용자의 신체부위의 위치상황을 나타내도록 구성된다. 도8에 표시하는 바와 같이, 상기 기설정 조건에 근거하여 점 A1은 동작시작점으로써 판정된다. 구체적으로, 상기 사용자의 동작 시작점 A1 후의 시간점에서 각속도의 방향은 동작시작점 A1 앞의 시간점에서의 각속도의 방향에 상대적으로 변한다. 또한, 동작시작점에서 각속도값 A1은 대체로 0이고, 동작시작점 A1에서 각속도의 가속도값은 0보다 크다.
도 8을 참조하면, 상기 기설정 조건에 근거하여 점 B1은 동작중간점으로 판정된다. 구체적으로, 상기 사용자의 동작 중간점 B1 뒤의 시간점에서 각속도의 방향은 동작중간점 B1 앞의 시간점에서의 각속도의 방향에 상대적으로 변하고, 동작중간점 B1에서 각속도값은 대체로 0이다. 동작중간점 B1에서 각속도의 방향은 동작시작점 A1에서 각속도의 방향과 반대이다. 그리고, 동작중간점 B1에 대응되는 상기 근전도신호(도8에서 "근전도신호"로 표시)의 진폭은 상기 근전도역치보다 크다.
계속하여 도 8을 참조하면, 상기 기설정 조건에 근거하여 점 C1은 동작종점으로 판정된다. 구체적으로, 동작종점 C1에서 변화된 각속도값이 동작시작점 A1로부터 동작종점 C1까지의 극치이다. 일부 실시예들에서는, 상기 절차 700은 도8에 표시하는 동작분할을 완성할 수 있으며, 따라서, 도8에 표시하는 동작시작점 A1으로부터 동작종점 C1까지의 동작신호는 운동의 세그먼트로 간주할 수 있다.
여기서, 일부 실시예들에서는, 동작중간점과 동작시작점 사이의 시간간격이 특정된 시간 역치(예를 들면, 동작주기의1/2)보다 크면, 상기 처리모듈(220)은 동작시작점을 재판정하여 상기 동작분할의 정확도를 개선할 수 있다. 여기서 상기 특정된 시간 역치는 스토리지장치 또는 상기 착용가능장치(130)의 하드 드라이브, 또는 상기 처리장치(110)에 저장될 수 있거나, 또는 운동시 사용자의 실제 상황에 근거하여 판정되거나 조절될 수 있다. 예를 들면, 도8에서의 동작시작점 A1과 동작중간점 B1사이의 시간간격이 특정된 시간 역치보다 크면, 상기 처리모듈(220)은 동작시작점을 재판정할 수 있으며, 따라서 상기 동작분할의 정확도를 개선한다. 그리고, 상기 동작신호의 분할은 동작시작점 A1, 동작중간점 B1 및 동작종점 C1에 기초하는 데에 한정되지 않으며, 기타 시간점들을 포함할 수도 있으며, 상기 시간점들의 선택은 동작의 복잡성에 따라 진행될 수 있다.
상기 사용자의 동작신호를 획득하는 경우, 사용자의 기타 생리학적 파라미터 정보(예를 들면, 심박률 신호), 운동시 상기 획득모듈(210)과 인체의 상대적인 움직임 또는 상기 획득모듈(210)의 압축과 같은 외부조건은 상기 동작신호의 품질에 영향을 줄 수 있으며, 예를 들면, 상기 근전도신호에서의 돌변변화를 초래하며, 따라서 동작의 감시에 영향을 준다. 설명의 편의를 위해, 돌변한 근전도신호는 특이점을 이용하여 설명할 수 있으며, 예시적인 특이점은 버 신호, 불연속적인 신호, 등을 포함할 수 있다. 일부 실시예들에서는, 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 운동시 사용자의 동작을 감시하는 것은 주파수 영역 또는 시간 영역의 근전도신호를 전처리하여, 상기 전처리된 근전도신호에 근거하여, 근전도신호에 대응되는 특징정보를 획득하고, 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여, 운동시 사용자의 동작을 감시하는 것을 더 포함한다. 일부 실시예들에서는, 주파수 영역 또는 시간 영역의 근전도신호를 전처리하는 것은 상기 주파수 영역에서 근전도신호를 필터링하여 상기 주파수 영역의 특정된 주파수 범위의 근전도신호의 성분들을 선택하거나 보유하는 것을 포함할 수 있다. 일부 실시예들에서는, 상기 획득모듈(210)은 1 Hz~1000 Hz의 주파수 범위의 근전도신호를 획득하고, 근전도신호를 필터링하고, 특정된 주파수 범위(예를 들면, 30 Hz~150 Hz)의 근전도신호를 선택하여 후속 처리를 할 수 있다. 일부 실시예들에서는, 상기 특정된 주파수 범위는 10 Hz~500 Hz일 수 있다. 바람직한 예에 의하면, 상기 특정된 주파수 범위는 15 Hz~300 Hz 또는 30 Hz~150 Hz일 수 있다. 일부 실시예들에서는, 필터링처리는 저역통과필터처리를 포함할 수 있다. 일부 실시예들에서는, 상기 저역통과필터는 LC 수동필터, RC 수동필터, RC 능동형 필터, 특수 소자들로 구성된 수동필터를 포함할 수 있다. 일부 실시예들에서는, 특수 소자들로 구성된 수동필터는 압전 세라믹 필터, 판정 필터, 음향표면 필터 중의 하나 이상을 포함할 수 있다. 유의해야 할 것은 상기 특정된 주파수 범위는 상기 범위에 한정되지 않으며, 기타 범위들일 수 있으며, 이는 실제 상황에 따라 선택될 수 있다. 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여, 운동시 사용자의 동작을 감시하는 데에 관한 더 많은 설명은 본 개시의 도5, 도 6에서의 및 그 관련 설명들에서 찾을 수 있다.
일부 실시예들에서는, 주파수 영역 또는 시간 영역의 근전도신호를 전처리하는 것은 시간 영역의 근전도신호의 신호수정처리를 더 포함할 수 있다. 상기 신호수정처리는 상기 근전도신호에서 상기 특이점(예를 들면, 상기 버 신호, 상기 불연속적인 신호, 등.)에 대한 수정이다. 일부 실시예들에서는, 시간 영역의 근전도신호의 신호수정처리는 상기 근전도신호 중의 특이점을 판정, 예를 들면, 상기 근전도신호 중의 돌변신호를 판정하는 것을 포함할 수 있다. 상기 특이점은 일정한 시각에서 근전도신호의 진폭이 돌변되는 것으로서 상기 신호의 비연속을 초래할 수 있다. 다른 하나의 예로써, 상기 근전도신호는 형태상 평활하며 상기 근전도신호의 진폭에 돌변이 존재하지 않으나, 상기 근전도신호의 1차 미분에 돌변이 있고, 상기 1차 미분은 불연속적이다. 일부 실시예들에서는, 상기 근전도신호 중의 특이점을 판정하는 방법은 푸리에 변환, 웨이블릿 변환, 프랙탈 차원, 등 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 시간 영역의 근전도신호의 신호수정처리는 상기 근전도신호 중의 특이점을 제거, 예를 들면, 상기 특이점에서 및 그 부근의 기간 내의 신호들을 제거하는 것을 포함할 수 있다. 또는, 시간 영역의 근전도신호의 신호수정처리는 상기 특정된 시간 범위의 근전도신호의 특징정보에 근거하여 근전도신호의 특이점을 수정, 예를 들면, 상기 특이점 주위의 신호들에 근거하여 특이점의 진폭을 조절하는 것을 포함할 수 있다. 일부 실시예들에서는, 근전도신호의 특징정보는 상기 진폭정보, 상기 진폭정보의 통계정보, 등을 포함할 수 있다. 진폭정보의 통계정보("진폭엔트로피"라고도 부른다)는 상기 시간 영역의 근전도신호의 진폭정보의 분포이다. 일부 실시예들에서는, 상기 근전도신호 중의 특이점의 위치(예를 들면, 상기 시간점)가 신호처리 알고리즘(예를 들면, 상기 푸리에 변환, 상기 웨이블릿 변환, 상기 프랙탈 차원)에 의해 판정된 후, 상기 특이점은 상기 특이점의 위치의 앞 또는 뒤의 특정된 시간 범위의 근전도신호에 근거하여 수정될 수 있다. 예를 들면, 상기 특이점이 돌변골짜기인 경우, 상기 돌변골짜기에서의 근전도신호는 돌변골짜기의 앞 또는 뒤의 특정된 시간 범위(예를 들면, 5ms~60ms)의 근전도신호의 특징정보(예를 들면,진폭정보, 상기 진폭정보의 통계정보)에 근거하여 보충될 수 있다.
상기 특이점을 상기 버 신호로 하여 예를 들어 설명하면, 도 9는 본 개시의 일부 실시예들에 따른 근전도신호를 전처리하는 예시적인 처리의 흐름도이다. 도9에 표시하는 바와 같이, 상기 절차 900은 아래의 절차들을 포함할 수 있다.
절차 910에서, 근전도신호의 시간 영역 창에 근거하여 근전도신호의 시간 영역 창으로부터 상이한 시간 창이 선택될 수 있으며, 여기서, 상기 상이한 시간 창은 각각 상이한 시간 범위들을 커버할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 상이한 창들은 적어도 하나의 특정된 창을 포함할 수 있다. 상기 특정된 창은 상기 시간 영역 창으로부터 선택되는 특정된 시간길이를 가지는 창이다. 예를 들면, 상기 근전도신호의 시간 영역 창의 시간의 길이가 3s인 경우, 상기 특정된 창의 시간의 길이는 100ms일 수 있다. 일부 실시예들에서는, 상기 특정된 창은 복수의 상이한 시간 창을 포함할 수 있다. 단지 예시적인 설명의 방식으로써, 상기 특정된 창은 제1 시간 창 및 제2 시간 창을 포함할 수 있다. 상기 제1 시간 창은 상기 특정된 창의 일부분의 시간길이에 대응되는 창을 가리킬 수 있다. 예를 들면, 상기 특정된 창의 시간길이가 100ms인 경우, 상기 제1 시간 창의 시간길이는 80ms일 수 있다. 상기 제2 시간 창은 상기 특정된 창의 일부분 시간길이에 대응되는 다른 하나의 창일 수 있다. 예를 들면, 상기 특정된 창이 100ms인 경우, 상기 제2 시간 창은 20ms일 수 있다. 일부 실시예들에서는, 상기 제1 시간 창 및 상기 제2 시간 창은 동일한 특정된 창 내의 연속적인 시간 창일 수 있다. 일부 실시예들에서는, 상기 제1 시간 창 및 상기 제2 시간 창은 상기 동일한 특정된 창 내의 2개의 불련속 또는 중첩되는 시간 창일 수도 있다. 예를 들면, 상기 특정된 창의 시간길이가 100ms인 경우, 상기 제1 시간 창의 시간길이는 80ms일 수 있고, 상기 제2 시간 창의 시간길이는 25ms일 수 있다. 이런 경우, 상기 제2 시간 창은 상기 제1 시간 창과 5ms중첩될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 근전도신호의 시간 영역 창에 근거하여 상기 특정된 시간길이에 따라 상기 근전도신호의 시간 영역 창의 초기 시간점으로부터 차례로 상기 특정된 창을 슬라이딩하고 업데이트할 수 있으며, 계속하여 업데이트된 특정된 창을 상기 제1 시간 창 및 상기 제2 시간 창으로 분할 수 있다. 여기서 상술한 특정된 시간길이는 1s, 2s, 3s, 등보다 작을 수 있다. 예를 들면, 상기 처리모듈(220)은 특정된 시간길이 100ms의 특정된 창을 선택할 수 있으며, 특정된 창을 80ms의 제1 시간 창과 20ms의 제2 시간 창으로 분할한다. 또한, 상기 특정된 창은 상기 시간 방향에 따라 슬라이딩하여 업데이트될 수 있다. 여기서 슬라이딩 거리는 상기 제2 시간 창(예를 들면, 20ms)의 시간길이 또는 기타 적당한 시간길이들, 예를 들면, 30ms, 40ms, 등일 수 있다.
절차920에서, 상기 버 신호는 상기 상이한 시간 창 내의 근전도신호에 대응되는 특징정보에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 근전도신호에 대응되는 특징정보는 상기 진폭정보, 상기 진폭정보의 통계정보 중 적어도 하나를 포함할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상이한 시간 창(예를 들면, 상기 제1 시간 창, 상기 제2 시간 창) 내의 근전도신호에 대응되는 진폭정보 또는 상기 진폭정보의 통계정보를 얻어서 상기 버 신호의 위치를 판정할 수 있다. 상이한 시간 창 내의 근전도신호에 대응되는 특징정보에 근거하여, 상기 버 신호의 위치를 판정하기 위한 상세한 설명들은 도10 및 그 관련 설명에서 찾을 수 있다.
유의해야 할 것은 상기 절차900에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차900에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 예를 들면, 상기 특정된 창은 상술한 제1 시간 창 및 제2 시간 창을 포함하는 데에 한정되지 않으며, 기타 시간 창, 예를 들면, 제3 시간 창, 제4 시간 창, 등을 포함할 수도 있다. 그리고, 상기 버 신호의 위치의 앞 또는 뒤 시각의 특정된 범위는 상기 버 신호의 길이에 근거하여 조절될 수 있으며, 이는 여기의 기재에 한정되지 않는다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 10은 본 개시의 일부 실시예들에 따른 버 신호를 판정하기 위한 예시적인 처리를 나타내는 흐름도이다. 도10에 표시하는 바와 같이, 절차 1000은 아래의 절차들을 포함할 수 있다.
절차1010에서, 상기 제1 시간 창 내의 근전도신호에 대응되는 제1 진폭정보와 상기 제2 시간 창 내의 근전도신호에 대응되는 제2 진폭정보를 판정할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)는 상기 제1 시간 창 및 상기 제2 시간 창의 시간길이를 선택할 수 있고, 제1 시간 창의 시간길이 내의 근전도신호에 대응되는 제1 진폭정보와 제2 시간 창의 시간길이 내의 근전도신호에 대응되는 제2 진폭정보를 추출한다. 일부 실시예들에서는, 상기 제1 진폭정보는 상기 제1 시간 창 내의 근전도신호의 평균 진폭을 포함할 수 있고, 상기 제2 진폭정보는 상기 제2 시간 창 내의 근전도신호의 평균 진폭을 포함할 수 있다. 예를 들면, 상기 처리모듈(220)은 제1 시간 창의 시간길이르 80ms로 선택하며, 상기 제1 시간 창 내의 상기 근전도신호에 대응되는 제1 진폭정보를 추출할 수 있다. 상기 처리모듈(220)은 제2 시간 창의 시간길이를 20ms로 선택하고, 상기 제2 시간 창 내의 상기 근전도신호에 대응되는 제2 진폭정보를 추출할 수 있다.
일부 실시예들에서는, 상기 제1 시간 창의 시간길이 및 상기 제2 시간 창의 시간길이의 선택은 최소 버 신호 길이 및 상기 시스템의 계산량과 관련될 수 있다. 일부 실시예들에서는, 상기 제1 시간 창의 시간길이 및 상기 제2 시간 창의 시간길이는 상기 버 신호의 특징에 근거하여 선택될 수 있다. 심전 버 신호의 시간길이가40ms~100ms이고, 상기 심전신호 중의 2개의 버 신호들 사이의 시간간격은 약 1s일 수 있으며, 상기 버 신호의 피크점은 기본상 양측에서 대칭되고, 상기 버 신호의 진폭분포는 양측에서 상대적으로 균일하다. 일부 실시예들에서는, 상기 버 신호가 상기 심전신호인 경우, 상기 버 신호의 길이보다 짧은 시간길이, 예를 들면, 상기 버 신호의 길이의 절반이 상기 제2 시간 창의 시간길이로 선택될 수 있고, 상기 제1 시간 창의 시간길이는 상기 제2 시간 창의 시간길이보다 클 수 있다(예를 들면, 4배). 일부 실시예들에서는, 상기 제1 시간 창의 시간길이는 버 신호들 사이의 간격(약 1 s)에서 상기 제2 시간 창의 시간길이를 덜어낸 범위 내일 수 있다. 유의해야 할 것은 상기 선택된 상기 제1 시간 창의 시간길이 및 상기 제2 시간 창의 시간길이는 상기 설명에 한정되지 않으며, 상기 제2 시간 창의 시간길이와 상기 제1 시간 창의 시간길이의 합이 인접된 2개의 버 신호들의 시간간격보다 작거나, 또는 상기 제2 시간 창의 시간길이는 하나의 버 신호 길이보다 작거나, 또는 상기 제2 시간 창 내의 근전도신호의 진폭과 상기 제1 시간 창의 근전도신호의 진폭은 적당한 차별이 있기만 하면 된다.
절차1020에서, 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율이 역치보다 큰지 여부를 판정한다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 제2 시간 창 내의 상기 근전도신호에 대응되는 제2 진폭정보 대 상기 제1 시간 창 내의 상기 근전도신호에 대응되는 제1 진폭정보의 비율이 역치보다 큰지 여부를 판정할 수 있다. 여기서 상기 역치는 상기 착용가능장치(130)의 스토리지장치 또는 하드 드라이버, 또는 상기 처리장치(110)에 저장될 수 있거나, 또는 실제 상황에 근거하여 조절될 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)이 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율이 억치보다 크다고 판정하면, 절차 1020는 절차 1030까지 진행할 수 있다. 기타 실시예들에서, 상기 처리모듈(220)이 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율이 역치보다 크지 않다고 판정하면, 절차1020는 절차 1040까지 진행할 수 있다.
절차1030에서, 상기 제2 시간 창 내의 근전도신호에 대해 신호수정처리를 수행할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 절차1020에서, 상기 처리모듈(220)은 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율과 상기 역치의 비교결과에 근거하여 상기 제2 시간 창 내의 근전도신호에 대해 신호수정처리를 할 수 있다. 예를 들면, 일부 실시예들에서는, 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율이 역치보다 크면, 상기 제2 시간 창 내의 기 제2 진폭정보에 대응되는 근전도신호는 버 신호일 수 있다. 일부 실시예들에서는, 상기 제2 시간 창 내의 근전도신호를 처리하는 것은 상기 제2 시간 창의 앞 또는 뒤의 특정된 시간 범위 내의 근전도신호에 근거하여 상기 제2 시간 창 내의 근전도신호에 대해 신호수정처리를 하는 것을 포함할 수 있다. 일부 실시예들에서는, 상기 제2 시간 창 내의 근전도신호의 신호수정처리는, 충전(padding), 보간(interpolation), 등을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 여기서 특정된 시간 범위는 5ms~60ms일 수 있다. 바람직한 예에 의하면, 상기 특정된 시간 범위는 시간 범위는 상기 범위에 한정되지 않으며, 예를 들면, 상기 특정된 시간 범위는 60ms보다 크고, 5ms보다 작고, 또는 기타 범위일 수 있다. 실제 응용장면들에서, 상기 특정된 시간 범위는 상기 버 신호의 기간에 따라 조정될 수 있다.
절차1040에서, 상기 제2 시간 창 내의 근전도신호를 보유할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 절차1020에서, 상기 처리모듈(220)은 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율과 상기 역치의 비교결과에 근거하여 상기 제2 시간 창 내의 근전도신호를 보유할 수 있다. 예를 들면, 일부 실시예들에서는, 상기 제2 진폭정보 대 상기 제1 진폭정보의 비율이 상기 역치 이하인 경우, 상기 제2 시간 창 내의 근전도신호에 대응되는 상기 제2 진폭정보는 정상 근전도신호일 수 있고, 상기 정상 근전도신호는 보유될 수 있으며, 예를 들면, 상기 제2 시간 창 내의 근전도신호는 보유될 수 있다.
유의해야 할 것은 근육이 발력할 때 전하가 점차 누적되기 때문에, 상기 근전도신호의 진폭은 점차 커지며, 따라서 2개의 인접되는 시간 창(예를 들면, 상기 제1 시간 창 및 상기 제2 시간 창) 내의 근전도신호의 진폭은 버 신호가 없을 때 돌연적으로 변하지 않는다는 것이다. 일부 실시예들에서는, 상기 근전도신호에 버 신호가 존재하는지 여부를 판정하고 상기 버 신호는 상기 절차 1000에 따라 제거되어, 상기 버 신호의 실시간 처리를 구현하고, 따라서 상기 착용가능장치(130) 또는 상기 이동단말장치(140)가 동작상태의 실시간 피드백을 상기 사용자에게 제공할 수 있게 하며, 사용자가 더 과학적으로 운동하도록 돕는다.
일부 실시예들에서는, 제1 시간 창에 대응되는 시간길이는 제2 시간 창에 대응되는 시간길이보다 클 수 있다. 일부 실시예들에서는, 특정된 창에 대응되는 특정된 시간길이는 1s보다 작을 수 있다. 일부 실시예들에서는, 제1 시간 창에 대응되는 시간길이 대 제2 시간 창에 대응되는 시간길이의 비율은 2보다 클 수 있다. 일부 실시예들에서는, 제1 시간 창에 대응되는 시간길이, 제2 시간 창에 대응되는 시간길이, 및 상기 특정된 시간길이에 대응되는 상기 특정된 창이 선택되어 상기 최소 버 신호(예를 들면, 40 ms)가 제거되도록 확보할 수 있으며, 상기 시스템은 높은 신호 대 소음 비율을 가지고, 상기 시스템의 계산량은 감소될 수 있고, 상기 시스템의 중복 계산을 피할 수 있고, 시간 복잡도를 감소시키고, 따라서 상기 시스템의 계산효율 및 계산 정확도를 개선한다.
유의해야 할 것은 상기 절차 1000에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차 1000에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 예를 들면, 상기 절차 1000은 단지 상기 특이점이 상기 버 신호인 하나의 예이고, 상기 특이점이 골짜기 신호인 경우, 각 상기 절차들(예를 들면, 절차 1010, 절차 1020, 절차 1030, 등.) 및 기술방안이 조절될 수 있거나 또는 기타 방법들은 상기 신호수정처리를 하는 데 이용될 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
일부 실시예들에서는, 상기 신호수정처리는 상기 기타 방법들, 예를 들면, 고역통과 방법, 저역통과 방법, 대여통과 방법, 웨이블릿 변환 재구축 방법, 등에 의해 상기 근전도신호의 특이점에 대해 수행될 수 있다. 일부 실시예들에서는, 저주파수신호에 대해 민감하지 못한 응용의 경우에 있어서, 100 Hz 고역통과필터는 상기 버 신호를 제거하는 데 이용될 수 있다. 일부 실시예들에서는, 상기 근전도신호의 신호수정처리 외에, 상기 근전도신호의 신호처리의 기타 방법들, 예를 들면, 필터링처리, 신호 증폭, 위상 조절, 등도 수행될 수 있다. 일부 실시예들에서는, 상기 근전도센서에 의해 수집되는 사용자의 근전도신호는 아날로그 디지털 변환기(ADC)에 의해 디지털 근전도신호로 변환될 수 있으며, 상기 변환된 디지털 근전도신호는 필터링처리될 수 있으며, 이는 산업주파수신호 및 그 조파신호, 등을 필터링해낼 수 있다. 일부 실시예들에서는, 상기 근전도신호의 처리는 사용자의 운동 아티팩트를 제거하는 것을 더 포함할 수 있다. 여기서 상기 운동 아티팩트는 근전도신호의 처리를 획득하는 과정에서, 사용자가 운동시 측정하려는 위치에서 상기 근전도모듈에 상대적으로 근육들의 상대적 움직임이 발생함으로써 생성되는 신호 소음들이다.
일부 실시예들에서는, 상기 자세신호는 상기 착용가능장치(130) 위의 상기 자세센서에 의해 획득할 수 있다. 상기 착용가능장치(130) 위의 상기 자세센서는 상기 사지 구역들(예를 들면, 팔들, 다리들, 등.), 몸통 구역(예를 들면, 상기 가슴, 상기 복부, 등, 허리, 등.), 및 머리, 등에 분포될 수 있다. 상기 자세센서는 신체의 기타 부분들, 예를 들면, 상기 사지부위들 및 상기 몸통부분들로부터 자세신호를 수집할 수 있다. 일부 실시예들에서는, 상기 자세센서는 자세센서 및 자세 융합 알고리즘을 구비하는 방위기준장치(AHRS)일 수 있다. 상기 자세 융합 알고리즘은 삼축 가속도센서, 삼축 각속도 센서, 및 삼축 지자기센서를 구비하는 9축 관성측정장비(IMU)으로부터 오는 데이터를 오일러각 또는 4원수로 융합하여 자세센서가 위치하는 신체부위의 사용자의 자세신호를 획득할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220) 및/또는 상기 처리장치(110)는 자세신호에 근거하여 자세에 대응되는 특징정보를 판정할 수 있다. 일부 실시예들에서는, 자세신호에 대응되는 특징정보는 각속도값, 각속도의 방향, 상기 각속도의 가속도값, 등을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 자세센서는 변형센서일 수 있다. 상기 변형센서는 사용자의 관절에서의 굽힘방향 및 굽힘각을 획득할 수 있으며, 따라서 사용자의 운동시의 자세신호를 획득한다. 예를 들면, 상기 변형센서는 사용자의 무릎관절에 설치될 수 있다. 상기 사용자가 운동할 때, 사용자의 신체부위는 상기 변형센서에 작용하며, 사용자의 무릎관절에서의 굽힘방향 및 굽힘각은 저항 또는 상기 변형센서의 길이 변화에 근거하여 판정될 수 있으며, 따라서 사용자의 다리의 자세신호를 획득한다. 일부 실시예들에서는, 상기 자세센서는 광섬유 센서를 포함할 수도 있으며, 상기 자세신호는 상기 광섬유 센서의 빛이 구부러진 후의 방향 변화에 의해 표현될 수 있다. 일부 실시예들에서는, 상기 자세센서는 자속센서일 수도 있으며,상기 자세신호는 자속의 변환에 의해 표현될 수 있다. 유의해야 할 것은 자세센서의 유형은 상기 센서들에 한정되지 않으며, 기타 센서들일 수도 있으며, 상기 사용자의 자세신호를 획득할 수 있는 센서들은 본 개시의 자세센서의 범위 내에 있다.
도 11은 본 개시의 일부 실시예들에 따른 자세신호에 대응되는 특징정보를 판정하는 예시적인 처리의 흐름도이다. 도11에 표시하는 바와 같이, 상기 절차 1100은 아래와 같은 절차들을 포함할 수 있다.
절차1110에서, 타겟 좌표계 및 상기 타겟 좌표계와 적어도 하나의 초기 좌표계 사이의변환관계를 획득할 수 있다
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 초기 좌표계는 인체에 설치되는 상기 자세센서에 대응되는 좌표계일 수 있다. 사용자가 상기 착용가능장치(130)를 이용하는 경우, 상기 착용가능장치(130)상의 각 자세센서는 인체의 상이한 부위들에 분포되며, 따라서 상기 자세센서들의 장착 각도들은 상이하며, 상이한 부분들의 자세센서들은 자체의 좌표계를 상기 초기 좌표계로 이용하며, 상이한 부분들의 자세센서들은 상이한 초기 좌표계를 가진다. 일부 실시예들에서는, 각 자세센서가 획득한 자세신호는 자체의 상응한 초기 좌표계로 표시된다. 상이한 초기 좌표계의 자세신호를 동일한 좌표계(예를 들면, 상기 타겟 좌표계)로 변환시킴으로써, 인체의 상이한 부분들의 사이의 상대적 운동을 쉽게 판정한다. 일부 실시예들에서는, 상기 타겟 좌표계는 인체에 근거하여 구축된 인체 좌표계이다. 예를 들면, 상기 타겟 좌표계에서, 사람 몸통의 길이방향(예를 들면, 신체의 횡단면에 수직이 되는 방향)은 Z축으로써 이용되고, 사람 몸통의 전후방향(예를 들면, 인체의 관상면에 수직이 되는 방향)은 X축으로써 이용되고, 사람 몸통의 좌우방향(예를 들면, 인체의 정중면에 수직이 되는 방향)은 Y축으로써 이용될 수 있다. 일부 실시예들에서는, 상기 타겟 좌표계와 상기 초기 좌표계 사이에는 변환관계가 있으며, 이로써 상기 초기 좌표계에서의 좌표정보는 상기 타겟 좌표계의 좌표정보로 변환될 수 있다. 일부 실시예들에서는, 상기 변환관계는 하나 이상의 회전 행렬들로 표현될 수 있다. 상기 타겟 좌표계와 상기 초기 좌표계 사이의 변환관계를 판정하는 데에 관한 더 많은 설명은 본 개시의 도13 및 그 관련 설명에서 찾을 수 있다.
절차1120에서, 상기 변환관계에 근거하여, 상기 적어도 하나의 초기 좌표계 중의 좌표정보를 상기 타겟 좌표계 중의 좌표정보로 변환할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 상기 초기 좌표계 중의 좌표정보는 상기 초기 좌표계 중의 3차원 좌표정보일 수 있다. 상기 타겟 좌표계 중의 좌표정보는 상기 타겟 좌표계 중의 3차원 좌표정보일 수 있다. 단지 예시적인 설명의 방식으로서, 상기 변환관계에 근거하여, 상기 초기 좌표계 중의 좌표정보 
은 상기 타겟 좌표계 중의 좌표정보 
로 변환될 수 있다. 구체적으로, 상기 좌표정보
과 상기 좌표정보
사이의 변환은 회전행렬을 통해 수행될 수 있다. 여기서 상기 회전행렬은 상기 초기 좌표계와 상기 타겟 좌표계 사이의 변환관계로 이해할 수 있다. 구체적으로, 상기 초기 좌표계 중의 좌표정보 
은 제1 회전행렬을 이용하여 좌표정보 
-1로 변환될 수 있고, 상기 좌표정보
-1은 제2 회전행렬을 이용하여 좌표정보 
-2로 변환될 수 있고, 상기 좌표정보
-2 는 제3 회전행렬을 이용하여 좌표정보
-3로 변환될 수 있다. 상기 좌표정보
-3은 상기 타겟 좌표계 중의 상기 좌표정보
일 수 있다. 유의해야 할 것은 상기 회전 행렬들은 상기 제1 회전행렬, 상기 제2 회전행렬 및 상기 제3 회전행렬에 한정되지 않으며, 더 적거나 더 많은 회전 행렬들을 포함할 수도 있다. 일부 대안 실시예에서, 상기 회전행렬은 회전 행렬 또는 복수의 회전 행렬들일 수 있다.
절차1130에서, 상기 타겟 좌표계 중의 좌표정보에 근거하여, 자세신호에 대응되는 특징정보를 판정할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 타겟 좌표계 중의 좌표정보에 근거하여, 자세신호에 대응되는 특징정보를 판정하는 것은 운동시 사용자의 타겟 좌표계 중의 복수의 좌표정보에 근거하여, 사용자의 자세신호에 대응되는 상기 특징정보를 판정하는 것을 포함할 수 있다. 예를 들면, 사용자가 착좌식 흉부압박을 할 때, 사용자의 팔이 앞으로 쳐든 경우, 사용자의 팔은 상기 타겟 좌표계 중의 제1 좌표정보에 대응될 수 있고, 사용자의 팔이 몸통과 일치한 평면에서 펼쳐진 경우, 사용자의 팔은 상기 타겟 좌표계 중의 제2 좌표정보에 대응될 수 있다. 상기 제1 좌표정보 및 상기 제2 좌표정보에 근거하여, 자세신호에 대응되는 특징정보, 예를 들면, 상기 각속도, 상기 각속도 방향, 및 상기 각속도의 가속도값를 판정할 수 있다.
유의해야 할 것은 상기 절차 1100에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차 1100에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
일부 실시예들에서는, 사용자의 신체의 상이한 운동 부분들 사이의 상대적 운동은 사용자의 신체의 상이한 운동부위들에 위치하는 자세센서들에 대응되는 특징정보에 근거하여 판정할 수 있다. 예를 들면, 사용자의 팔에서 자세센서에 대응되는 특징정보 및 상기 사용자의 몸통에서 자세센서에 대응되는 특징정보를 이용함으로써, 운동시 사용자의 팔과 몸통 사이의 상대적 운동을 판정할 수 있다. 도 12는 본 개시의 일부 실시예들에 따른 사용자의 상이한 운동부위들 사이의 상대적 운동을 판정하는 예시적인 처리의 흐름도이다. 도12에 표시하는 바와 같이, 상기 절차 1200는 아래와 같은 절차들을 포함할 수 있다.
절차1210에서, 각각 적어도 2개 센서들에 대응되는 특징정보는 상이한 초기 좌표계와 타겟 좌표계 사이의 변환관계에 근거하여 판정할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 인체에서 상이한 센서들의 상이한 장착 위치들에 의해, 상기 센서들에 대응되는 상기 초기 좌표계와 상기 타겟 좌표계 사이에 상이한 변환관계가 있다. 일부 실시예들에서는, 상기 처리장치(110)는 사용자의 상이한 부위(예를 들면, 하박, 상박, 몸통, 등.)들의 센서들에 대응되는 상기 초기 좌표계 중의 좌표정보를 각각 상기 타겟 좌표계 중의 좌표정보로 변환시킬 수 있으며, 따라서 적어도 2개 센서들에 대응되는 특징정보를 각각 판정할 수 있다. 상기 초기 좌표계 중의 좌표정보를 상기 타겟 좌표계 중의 좌표정보로 변환시키는 데에 관한 더 많은 설명은 본 개시의 다른 부분, 예를 들면, 도 11에서 찾을 수 있으며, 이에 관하여 여기서 중복하지 않는다.
절차1220에서, 사용자의 상이한 운동부위들 사이의 상대적 운동은 각각 상기 적어도 2개 센서들에 대응되는 특징정보에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 운동부위는 인체상의 독립적으로 움직일 수 있는 사지, 예를 들면, 하박, 상박, 종아리, 허벅지, 등을 가리킬 수 있다. 단지 예시적인 설명의 방식으로서, 사용자가 아령을 팔로 들어올리기를 할 때, 상기 하박부위에 설치된 센서에 대응되는 타겟 좌표계 중의 좌표정보와 상박부위에 설치된 센서에 대응되는 타겟 좌표계 중의 좌표정보를 결합하여 사용자의 하박과 상박 사이의 상대적 운동을 판정할 수 있으며, 따라서 사용자의 아령을 팔로 들어올리기 동작을 판정한다.
일부 실시예들에서는, 상기 사용자의 동일한 운동부위에는 같거나 또는 상이한 유형들의 복수의 센서들이 배치될 수 있으며, 같거나 또는 상이한 유형들의 복수의 센서들에 대응되는 초기 좌표계 중의 좌표정보는 각각 타겟 좌표계 중의 좌표정보로 변환될 수 있다. 예를 들면, 상기 같거나 또는 상이한 유형들의 복수의 센서들은 상기 사용자의 하박부위의 상이한 위치들에 배치될 수 있고, 상기 같거나 또는 상이한 유형들의 복수의 센서들에 대응되는 타겟 좌표계의 복수의 좌표들은 동시에 상기 사용자의 하박부위의 동작들을 표시할 수 있다. 예를 들면, 동일한 유형의 복수의 센서들에 대응되는 타겟 좌표계 중의 좌표정보는 평균될 수 있으며, 따라서 사용자 운동시 상기 운동부위들의 좌표정보의 정확도를 개선한다. 예를 들면, 상이한 유형들의 복수의 센서들에 대응되는 좌표계 중의 좌표정보에 융합알고리즘(예를 들면, Kalman 필터링, 등.)을 수행함으로써 상기 타겟 좌표계 중의 좌표정보를 획득할 수 있다.
유의해야 할 것은 상기 절차 1100에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다는 것이다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차 1100에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 13은 본 개시의 일부 실시예들에 따른 초기 좌표계와 특정된 좌표계 사이의 변환관계를 판정하기 위한 예시적인 처리의 흐름도이다. 일부 실시예들에서는, 초기 좌표계와 특정된 좌표계 사이의 변환관계를 판정하는 절차는 "교정과정"이라고 부를 수도 있다. 도13에 표시하는 바와 같이, 상기 절차 1300은 아래와 같은 절차들을 포함할 수 있다.
절차1310에서, 특정된 좌표계를 구축할 수 있다.
일부 실시예들에서는, 상기 절차 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 적어도 하나의 초기 좌표계와 상기 타겟 좌표계 사이의 변환관계는 상기 교정과정을 통해 획득할 수 있다. 상기 특정된 좌표계는 상기 교정과정에서 상기 초기 좌표계와 타겟 좌표계 사이의 변환관계를 판정하도록 구성되는 참고 좌표계를 가리킬 수 있다. 일부 실시예들에서는, 구축된 특정된 좌표계에서, 인체가 서있을 때 몸통의 길이방향을 Z축으로 판정할 수 있고, 인체의 앞뒤 방향은 X축으로 판정할 수 있고, 사람 몸통의 좌우방향은 Y축으로 판정할 수 있다. 일부 실시예들에서는, 상기 특정된 좌표계는 상기 교정과정에서 사용자의 방향과 관련될 수 있다. 예를 들면, 사용자의 신체가 상기 교정과정에서 고정방향(예를 들면, 북)을 향하면, 신체의 앞(남) 방향은 X축이다. 교정과정에서, X 축 방향은 고정될 수 있다.
절차1320에서, 사용자가 제1자세를 취할 때 적어도 하나의 초기 좌표계 중의 제1 좌표정보를 획득할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 획득모듈(210)을 통해 수행될 수 있다. 상기 제1 자세는 사용자가 선 자세를 유지하는 자세일 수 있다. 상기 획득모듈(210)(예를 들면, 상기 센서)은 사용자의 제1 자세에 근거하여 초기 좌표계 중의 제1 좌표를 획득할 수 있다.
절차1330에서, 사용자가 제2 자세를 취할 때 상기 적어도 하나의 초기 좌표계 중의 제2 좌표정보를 획득할 수 있다
일부 실시예들에서는, 상기 절차는 상기 획득모듈(210)을 통해 수행될 수 있다. 상기 제2 자세는 센서가 위치하는 사용자의 신체부위(예를 들면, 팔)가 앞으로 경사진 자세일 수 있다. 일부 실시예들에서는, 상기 획득모듈(210)(예를 들면, 상기 센서)은 상기 사용자의 제2 자세(예를 들면, 앞으로 경사진 자세)에 근거하여 상기 초기 좌표계 중의 제2 좌표정보를 획득할 수 있다 .
절차1340에서, 상기 적어도 하나의 초기 좌표계와 특정된 좌표계 사이의 관계는 상기 제1 좌표정보, 상기 제2 좌표정보, 및 상기 특정된 좌표계에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 제1 회전행렬은 상기 제1 자세에 대응되는 제1 좌표정보에 근거하여 판정될 수 있다. 상기 제1 자세에서, ZYX 회전순서하에서 상기 특정된 좌표계의 상기 X 방향 및 상기 Y 방향의 오일러각들이 0이고, 상기 초기 좌표계의 상기 X 방향 및 상기 Y 방향의 오일러각이 0일 필요가 없기 때문에, 상기 제1 회전행렬은 상기 X축을 중심으로 역방향으로 상기 초기 좌표계를 회전시킨 후, 상기Y축을 중심으로 역방향으로 상기 초기 좌표계를 회전시켜 얻은 회전행렬이다. 일부 실시예들에서는, 제2 회전행렬은 상기 제2 자세(예를 들면, 센서가 위치하는 신체부위가 앞으로 경사짐)의 제2 좌표정보에 근거하여 판정될 수 있다. 구체적으로, 상기 제2 자세에서, 상기 Y 방향 및 Z3 방향에서 상기 특정된 좌표계에서의 오일러각들은 상기 ZYZ 회전순서하에서 0이며, 상기 Y 방향 및 상기 Z3 방향에서 상기 초기 좌표계에서의 오일러각들은 0일 필요가 없으며, 상기 제2 회전행렬은 상기 Y 방향을 중심으로 역방향으로 상기 초기 좌표계를 회전한 후 상기 Z3 방향을 중심으로 역방향으로 상기 초기 좌표계를 회전하여 얻은 회전행렬이다. 상기 초기 좌표계와 상기 특정된 좌표계 사이의 변환관계는 상기 제1 회전행렬 및 상기 제2 회전행렬에 근거하여 판정될 수 있다. 일부 실시예들에서는, 복수의 초기 좌표계(센서들)가 존재하는 경우, 각 초기 좌표계와 상기 특정된 좌표계 사이의 변환관계는 상기 방법에 따라 판정될 수 있다.
유의해야 할 것은 상기 제1 자세는 대체로 선자세에 한정되지 않으며, 상기 제2 자세는 센서가 위치하는 사용자의 신체부위(예를 들면, 팔)가 앞으로 경사지는 자세에 한정되지 않는다. 여기서 상기 제1 및 제2 자세들은 대체 상기 교정과정에서 정지된 것으로 간주할 수 있다. 일부 실시예들에서는, 상기 제1 자세 및/또는 상기 제2 자세는 상기 교정과정에서 동적 자세일 수도 있다. 예를 들면, 상기 사용자의 걷는 자세는 상대적으로 고정된 자세일 수 있으며, 걸을 때 팔, 다리 및 발의 각도 및 각속도를 추출하여 동작, 예를 들면, 앞으로 활보, 앞으로 팔 스윙, 등을 식별할 수 있다. 상기 사용자의 앞으로 걷는 자세는 상기 교정과정에서 제2 자세로 이용될 수 있다. 일부 실시예들에서는, 상기 제2 자세는 하나의 동작에 한정되지 않으며, 복수의 동작들은 상기 제2 자세로 추출될 수 있다. 예를 들면, 복수의 동작들의 좌표정보를 융합하여 더 정확한 회전행렬을 획득할 수 있다.
일부 실시예들에서는, 상기 교정과정에서 상기 회전행렬은 하나 이상의 신호처리 알고리즘(예를 들면, Kalman 필터링 알고리즘을 이용)을 이용하여 동적으로 수정하여 상기 전체 교정과정에서 비교적 좋은 변환행렬을 획득할 수 있다.
일부 실시예들에서는, 기계학습 알고리즘, 또는 기타 알고리즘은 특정된 동작들의 자동식별에 이용되어 상기 회전행렬을 실시간으로 업데이트할 수 있다. 예를 들면, 상기 기계학습 알고리즘이 현재 사용자가 걷는 것, 또는 서있는 것을 식별하면, 상기 교정과정은 자동적으로 시작될 수 있다. 이런 경우, 사용자가 상기 착용가능장치를 사용할 때 상기 착용가능장치는 교정과정을 명시할 필요가 없고, 상기 회전행렬은 동적으로 업데이트될 수 있다.
일부 실시예들에서는, 상기 자세센서의 장착위치는 상대적으로 고정되고 회전행렬은 사전에 설정될 수 있으며, 이는 상기 특정된 동작의 식별과정이 더 정확하게 할 수 있다. 또한, 사용자가 상기 착용가능장치를 이용할 때 상기 회전행렬은 계속하여 수정되며, 획득한 회전 행렬이 실제 상황에 접근하게 할 수 있다.
유의해야 할 것은 상기 절차 1300에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 절차 1300.에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 14는 본 개시의 일부 실시예들에 따른 초기 좌표계와 타겟 좌표계 사이의 변환관계를 판정하는 예시적인 처리의 흐름도이다. 도14에 표시하는 바와 같이, 상기 절차 1400은 아래와 같은 절차들을 포함할 수 있다.
절차1410에서, 특정된 좌표계와 타겟 좌표계 사이의 변환관계를 획득할 수 있다
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 상기 특정된 좌표계와 상기 타겟 좌표계의 양자에서, 사람 몸통의 길이방향은 상기 Z축으로 판정될 수 있다. 따라서, 상기 특정된 좌표 관계와 상기 타겟 좌표계 사이의 변환관계는 상기 특정된 좌표계의 X축과 상기 타겟 좌표계의 X축 사이의 변환관계 및 상기 특정된 좌표계의 Y축과 상기 타겟 좌표계의 Y축 사이의 변환관계에 근거하여 획득할 수 있다. 상기 특정된 좌표 관계와 상기 타겟 좌표계 사이의 변환관계를 얻는 원리는 도13 및 그 관련 설명에서 찾을 수 있다.
일부 실시예들에서는, 상기 특정된 좌표계에서, 상기 사람 몸통의 길이방향은 상기 Z축으로 판정될 수 있고, 인체의 앞뒤 방향은 교정된 X축으로 판정될 수 있다. 사용자의 신체의 앞뒤방향은 운동시(예를 들면, 회전 운동) 변하고 상기 교정된 좌표계에 고정되지 않기 때문에, 상기 신체에 따라 회전할 수 있는 좌표계, 예를 들면, 상기 타겟 좌표계를 판정할 필요가 있다. 일부 실시예들에서는, 상기 타겟 좌표계는 상기 사용자의 방향에 따라 변경될 수 있으며, 상기 타겟 좌표계의 X축은 언제나 상기 사람 몸통의 앞에 있다.
절차1420에서, 적어도 하나의 초기 좌표계와 상기 타겟 좌표계 사이의 변환관계는 상기 적어도 하나의 초기 좌표계와 상기 특정된 좌표계 사이의 변환관계, 상기 특정된 좌표계와 상기 타겟 좌표계 사이의 변환관계에 따라 판정될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 처리장치(110)는 상기 절차 1300에서 판정한 상기 적어도 하나의 초기 좌표계와 상기 특정된 좌표계 사이의 변환관계 및 절차1410에서 판정한 상기 특정된 좌표계와 상기 타겟 좌표계 사이의 변환관계에 근거하여 상기 적어도 하나의 초기 좌표계와 상기 타겟 좌표계 사이의 변환관계를 판정할 수 있으며, 따라서, 상기 초기 좌표계 중의 좌표정보는 상기 타겟 좌표계 중의 좌표정보로 변환될 수 있다.
유의해야 할 것은 상기 절차 1400에 관한 상기 설명은 단지 예시적으로 설명하기 위한 것으로서, 본 개시의 출원의 범위를 한정하지 않는다는 것이다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 1400에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
일부 실시예들에서는, 상기 착용가능장치(130)에 설치된 자세센서의 위치는 변화할 수 있고 및/또는 인체상의 자세센서의 장착 각도는 다를 수 있으므로, 상기 사용자는 동일한 운동을 할 때, 상기 자세센서로부터 받는 자세 데이터는 큰 차이를 가질 수 있다.
도 15 a는 본 개시의 일부 실시예들에 따른 인체의 하박의 위치에서 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다. 너모꼴 부분은 상기 사용자가 동일한 동작을 할 때 하박의 위치에 대응되는 초기 좌표계의 오일러각 데이터(좌표정보)를 표시할 수 있다. 도15 a에 표시하는 바와 같이, 상기 너모꼴 부분에서 Z축 방향(도15 a에서 "Z"로 표시)에서의 오일러각 벡터의 결과는 대체로 -180° ~(-80°)의 범위 내이다. 상기 너모꼴 부분에서 Y축 방향(도15 a에서 " Y "로 표시)에서의 오일러각 벡터의 결과는 약 0°에서 변동한다. 상기 너모꼴 부분에서 X축 방향(도15 a에서 " X "로 표시)에서의 오일러각 벡터의 결과는 약 -80°에서 변동한다. 여기서 변동 범위는 20°일 수 있다.
도 15b는 본 개시의 일부 실시예들에 따른 인체의 하박의 위치에서 다른 하나의 초기 좌표계에서의 오일러각 데이터를 나타내는 예시적인 벡터좌표도이다. 상기 네모꼴 부분은 상기 사용자가 상기 동일한 동작(동일한 동작 도15a에 표시하는 바와 같은 동일한 동작)을 할 때 상기 하박의 기타 위치에 대응되는 초기 좌표계에서의 오일러각 데이터를 표시할 수 있다. 도15b에 표시하는 바와 같이, 상기 너모꼴 부분에서 Z축 방향(도15b에서 "Z"로 표시)에서의 오일러각 벡터의 결과는 대체로 -180°~ 180°의 범위이다. Y축 방향(도15b에서 "Y"로 표시)에서의 오일러각 벡터의 결과는 대체로 약 0°에서 변동한다. X축 방향(도15b에서 " X "로 표시)에서의 오일러각 벡터의 결과는 대체로 약 -150°에서 변동한다. 상기 변동 범위는 20°일 수 있다.
도 15 a및 도 15b에 표시하는 각각 사용자가 상기 인체 하박의 상이한 위치들에서 동일한 동작을 할 때(이는 인체 하박의 위치에서 자세센서의 장착각도가 상이하다고 이해할 수도 있다) 상기 초기 좌표계의 오일러각 데이터(좌표정보)를 획득할 수 있다. 도 15 a과 도 15b를 비교하면, 인체상의 자세센의 장착 각도가 상이하고, 사용자가 상기 동일한 동작을 할 때, 상기 자세센서로부터 받는 상기 초기 좌표계에서의 오일러 데이터는 크게 다를 수 있음을 알 수 있다. 예를 들면, 도15a에서 Z축 방향에서의 오일러각 벡터의 결과는 대체로 -180°~(-80°)의 범위 내일 수 있으며, 도15b에서 Z축 방향에서의 오일러각 벡터의 결과는 대체로 -180°~180°의 범위 내일 수 있으며, 이는 서로 많이 다르다.
일부 실시예들에서는, 상이한 장착 각도들을 가지는 센서들에 대응되는 초기 좌표계에서의 오일러각 데이터는 타겟 좌표계에서의 오일러각 데이터로 변환될 수 있으며, 따라서 상이한 위치들에서의 센서들의 자세신호의 분석을 쉽게 한다. 단지 예시적인 설명의 방식으로서, 상기 왼 팔이 위치하는 직선을 팔꿈치로부터 손목을 가리키는 단위 벡터로 추상화할 수 있다. T 단위 벡터는 상기 타겟 좌표계에서의 좌표값일 수 있다. 상기 타겟 좌표계에서, 신체의 뒤를 가리키는 축은 X축으로 결정하고, 신체의 오른쪽을 가리키는 축을 Y축으로 결정하고, 신체의 꼭대기를 가리키는 축을 Z축으로 결정할 수 있으며, 이는 오른손 좌표계와 일치하다. 예를 들면, 상기 타겟 좌표계에서 좌표값 [-1, 0, 0]은 팔이 앞을 향해 평평하게 쳐든 것을 가리킨다. 상기 타겟 좌표계에서 좌표값 [0, -1, 0] 은 팔을 왼쪽으로 평평하게 쳐든 것을 가리킨다. 도 16a는 본 개시의 일부 실시예들에 따른 인체의 하박의 위치에서 타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다. 도 16a는 도15a에서 초기 좌표에서의 하박의 오일러각 데이터가 상기 타겟 좌표계에서의 벡터좌표들로 변환된 후 얻은 곡선이다. 상기 네모꼴 부분은 상기 사용자가 상기 동일한 동작을 할 때 하박 위치의 타겟 좌표계에서의 오일러각 데이터를 표시할 수 있다. 도16a에 표시하는 바와 같이, 상기 너모꼴 부분에서 하박 벡터 [x, y, z]는 제1 위치와 제2 위치 사이에서 왕복으로 이동하며, 상기 제1 위치는 [0.2, -0.9, -0.38]이고, 상기 제2 위치는 [0.1, -0.95, -0.3]이다. 유의해야 할 것은 상기 하박의 각 왕복동작에 있어서, 상기 제1 위치 및 상기 제2 위치 사이에는 작은 편차가 있을 수 있다는 것이다.
도 16b는 인체의 하박 본 개시의 일부 실시예들에 따른인체의 하박의 다른 하나의 위치의타겟 좌표계에서의 오일러각 데이터의 예시적인 벡터좌표도이다. 도 16b는 도 15b에서의 초기 좌표에서의 하박의 오일러각 데이터가 상기 타겟 좌표계에서의 벡터좌표로 변환된 후 얻은 곡선이다. 상기 네모꼴 부분은 사용자가 상기 동일한 동작(도 16a에 표시하는 동작과 동일한 동작)을 할 때하박의 다른 하나의 위치의타겟 좌표계에서의 오일러각 데이터를 표시할 수 있다. 도16b에 표시하는 바와 같이, 하박 벡터[x, y, z]도 마찬가지로 상기 제1 위치와 상기 제2 위치 사이에서 왕복하며, 여기서 상기 제1 위치는 [0.2, -0.9, -0.38]이고, 상기 제2 위치는 [0.1, -0.95, -0.3]이다.
도 15a를 도 16b에 비교하면, 도 15a및 도15b에서, 상기 2개의 자세센서들의 상이한 장착위치들로 인해, 상기 초기 좌표계에서의 오일러각은 값들의 범위 및 변동 형식에 큰 차이가 있음을 알 수 있다. 상기 2개의 자세센서들에 대응되는 초기 좌표계의 좌표정보를 각각 상기 타겟 좌표계(예를 들면, 도16a 및 도16b 에서의 벡터좌표들)에 대응되는 벡터좌표로 변환한 후, 2개의 대체로 동일한 벡터좌표들을 획득할 수 있으며, 즉, 상기 방법은 자세신호에 대응되는 특징정보가 센서 장착위치의 영향을 받지 않게 할 수 있다. 구체적으로, 도16a 및 도16b에서, 상기 2개의 자세센서들은 상기 하박상의 상이한 위치들에 장착되며, 좌표 변환 후, 상기 동일한 벡터좌표들을 획득할 수 있으며, 예를 들면, 상기 착좌식 흉부압박 과정에서 팔이 상태1(팔을 오른쪽으로 평평하게 쳐듬) 및 상태2(팔을 앞으로 평평하게 쳐듬)의 2개의 상태 사이에서 왕복하여 스위칭되는 과정을 표시할 수 있음을 알 수 있다.
도 17은 본 개시의 일부 실시예들에 따른 타겟 좌표계에서 사지의 벡터의 예시적인 벡터좌표도이다. 도17에 표시하는 바와 같이, 인체의 상기 왼쪽 하박(17-1), 상기 오른쪽 하박(17-2), 상기 왼쪽 상박(17-3), 상기 오른쪽 상박(17-4), 및 상기 몸통(17-5)의 위치들에서 타겟 좌표계들에서의 자세센서들의 벡터좌표들은 각각위에서 아래로 표시될 수 있다. 인체의 운동시 상기 타겟 좌표계에서 각 위치(예를 들면, 17-1, 17-2, 17-3, 17-4, 17-5)의 벡터좌표들은 도17에 나타낸다. 상기 도17에서의 처음 4200개의 점들은 사지 교정에서 요구하는 교정동작들, 예를 들면, 서기, 몸통 앞으로 가기, 팔 앞으로 쳐들기, 팔 옆으로 플랭크, 등일 수 있다. 교정에 처음 4200개의 점들에 대응되는 교정동작들을 이용함으로써, 상기 자세센서들에 의해 수집되는 원시 데이터는 상기 타겟 좌표계에서의 오일러각들로 변환될 수 있다. 상기 데이터의 분석을 쉽게 하기 위해, 상기 타겟 좌표계에서의 팔 벡터의 좌표 벡터로 더 변환될 수 있다. 상기 타겟 좌표계에서, 상기 X축은 몸체의 앞을 가리키고, 상기 Y축은 몸체의 왼쪽을 가리키며, 상기 Z축은 몸체의 꼭대기를 가리킨다. 도17에서의 왼쪽으로부터 오른쪽으로의 왕복동작은 동작 1, 동작 2, 동작 3, 동작 4, 동작 5, 및 동작 6이며, 이는 각각 착좌식 흉부압박, 아래로 당기기, 착좌식 흉부 내밀기, 착좌식 어깨 내밀기, 바벨 딥 헤드 컬, 및 착좌식 흉부압박이다. 도 17에 표시하는 바와 같이, 상이한 동작들은 상이한 동작 패턴들을 가지며, 이는 사지 벡터들을 이용하여 명백하게 식별할 수 있다. 동시에, 상기 동일한 동작은 좋은 중복성을 가진다. 예를 들면, 상기 동작 1 및 상기 동작 6 의 양자는both 상기 착좌식 흉부압박를 표시하고, 이러한 2개의 동작들의 곡선들은 좋은 중복성을 가진다.
일부 실시예들에서는, 상기 초기 좌표계의 모듈에 의해 직접 출력되는 상기 자세 데이터(예를 들면, 상기 오일러각, 상기 각속도, 등.)는 절차 1300 및 절차 1400에 의해 타겟 좌표계의 자세 데이터로 변환될 수 있으며, 따라서 고도로 일치한 자세 데이터(예를 들면, 상기 오일러각, 상기 각속도, 상기 사지벡터좌표, 등.)를 획득할 수 있다
도 18a는 본 개시의 일부 실시예들에 따른 초기 각속도의 예시적인 벡터좌표를 나타내는 도면이다. 상기 초기 각속도는 상이한 장착 각도들을 가지는 센서들에 대응되는 초기 좌표계에서의 오일러각 데이터를 타겟 좌표계에서의 오일러각 데이터로 변환하는 것으로 이해할 수 있다. 일부 실시예들에서는, 상기 사용자의 운동시의 지터(jitter)는 자세 데이터 중의 각속도의 결과에 영향을 줄 수 있다. 도18a에 표시하는 바와 같이, 상기 초기 각속도는 지터 등의 영향하에서 그 벡터좌표곡선에서 더 선명히 평활하지 못한 곡선을 나타낸다. 예를 들면, 초기 각속도의 벡터좌표곡선에서 돌변신호가 나타나면 상기 초기 각속도의 벡터좌표곡선이 평활하지 못하게 된다. 일부 실시예들에서는, 지터 등의 각속도 결과에 대한 영향에 의해, 상기 지터의 영향을 받(jittered)은 각속도를 수정하여 평활한 벡터좌표곡선을 획득할 필요가 있다. 일부 실시예들에서는, 상기 초기 각속도는1 Hz~3 Hz 저역통과필터링 방법을 이용해 필터링할 수 있다. 도 18b는 본 개시의 일부 실시예들에 따른 필터링처리 후의 예시적인 각속도의 결과를 나타내는 도면이다. 도18b에 표시하는 바와 같이, 상기 1 Hz~3 Hz 저역통과필터링을 상기 초기 각속도에 진행한 후, 상기 각속도(예를 들면, 돌변신호들)에 대한 지터의 영향 및 다른 영향들을 소거할 수 있으며, 따라서 상기 각속도에 대응되는 벡터좌표곡선은 더 평활하게 표시될 수 있다. 일부 실시예들에서는 각속도에 대해 1Hz~3Hz의 저역통과필터링을 진행하면, 자세 데이터(예를 들면, 오일러각, 각속도, 등.)에 대한 지터 효과 등을 효과적으로 방지할 수 있으며, 따라서 상기 후속의 신호분할과정을 쉽게 한다. 일부 실시예들에서는, 상기 필터링처리는 상기 동작신호로부터 산업주파수신호 및 그 고조파신호, 버 신호(burr signal), 등을 여과해낼 수도 있다. 유의해야 할 것은 1 Hz~3 Hz에서 저역통과필터링은 시간지연을 유발하며, 상기 자세신호의 동작점과 실제 근전도신호의 동작점이 시간상 정렬이 어긋나게 한다. 따라서, 상기 저역통과 필터링처리 후의 벡터좌표곡선으로부터 상기 저역통과필터링처리 과정에 생성된 시간지연을 덜어내어, 상기 자세신호와 상기 근전도신호의 시간상 동기화를 확보할 수 있다. 일부 실시예들에서는, 상기 시간지연은 상기 필터의 중심주파수와 관련될 수 있다. 상기 자세신호와 상기 근전도신호가 상이한 필터들에 의해 처리되는 경우, 상기 시간지연은 상기 필터의 중심주파수에 따라 적응되게 조절될 수 있다. 일부 실시예들에서는, 상기 오일러각의 각도 범위가 [-180°, +180°]이기 때문에, 획득한 오일러각은 실제 오일러각이 이 각도 범위 내에 있지 않는 경우에는 -180° 내지 +180° 또는 +180° 내지 -180°의 변화를 가질 수 있다. 예를 들면, 각도가 -181°인 경우, 상기 오일러각은 179°로 변한다. 실제 응용에서, 각도 변화는 각도차의 판정에 영향을 줄 수 있으며, 먼저 각도변화를 수정할 필요가 있다.
일부 실시예들에서는, 동작식별모형은 상기 사용자의 동작신호 또는 상기 특징정보에 대응되는 상기 동작신호를 분석하는 데 이용되며, 따라서 상기 사용자의 동작을 인식할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 상기 사용자의 동작을 식별하도록 구성되는 훈련된 기계학습모형을 포함할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 하나 이상의 기계학습모형들을 포함할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 사용자의 동작신호를 분류하는 기계학습모형, 사용자의 동작 품질을 식별하는 기계학습모형, 사용자의 동작의 수량을 식별하는 기계학습모형, 및 사용자가 동작을 하는 피로지수를 식별하는 기계학습모형 중 하나 이상을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 기계학습모형은 선형분류모형(LR), 지원벡터기계모형(SVM), 일반 베이지안모형(NB), K최근접모형(KNN), 의사판정트리모형(DT), 랜덤 숲/경사 부스팅판정트리(RF/GDBT, 등.), 등 중의 하나 이상을 포함할 수 있다. 상기 동작식별모형에 관한 더 많은 설명은 본 개시의 다른 부분, 예를 들면, 도 20 및 그 관련 설명에서 찾을 수 있다.
도 19는 본 개시의 일부 실시예들에 따른 예시적인 운동감시 및 피드백 방법을 나타내는 흐름도이다. 도19에 표시하는 바와 같이, 상기 절차 1900은 아래의 절차들을 포함할 수 있다.
절차1910에서, 운동시 사용자의 동작신호를 획득할 수 있다.
일부 실시예들에서는, 상기 절차는 획득모듈(210)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 동작신호는 적어도 특징정보에 대응되는 근전도신호 및 자세신호에 대응되는 특징정보를 포함할 수 있다. 상기 동작신호는 상기 사용자의 운동시 인체 파라미터 정보를 가리킬 수 있다. 일부 실시예들에서는, 상기 인체 파라미터 정보는 상기 근전도신호, 상기 자세신호, 심박률 신호, 온도신호, 습도신호, 혈중산소농도, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 동작신호는 적어도 상기 근전도신호 및 상기 자세신호를 포함할 수 있다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 근전도센서는 상기 사용자의 운동시 근전도신호를 수집할 수 있고, 상기 획득모듈(210) 중의 자세센서는 상기 사용자의 운동시 자세신호를 수집할 수 있다.
절차 1920에서, 사용자의 운동동작은 동작식별모형을 통해 상기 동작신호에 근거하여 감시될 수 있으며, 동작 피드백은 상기 동작식별모형의 출력결과에 따라 수행될 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 동작식별모형의 출력결과는 동작 유형, 동작 품질, 동작 수량, 피로지수, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 상기 동작식별모형은 상기 동작신호에 근거하여 사용자의 동작 유형을 상기 착좌식 흉부압박으로 식별할 수 있다. 다른 하나의 예로써, 상기 동작식별모형 중의 하나의 기계학습모형은 먼저 상기 동작신호에 근거하여 사용자의 동작 유형을 상기 착좌식 흉부압박으로 식별하고, 상기 동작식별모형 중의 다른 하나의 기계학습모형은 상기 동작신호(예를 들면, 상기 근전도신호의 진폭정보, 주파수정보, 및/또는 자세신호의 각속도, 각속도 방향, 및 각속도의 가속도값)에 근거하여 상기 사용자의 동작 품질을 표준 동작 또는 착오동작으로 출력할 수 있다. 일부 실시예들에서는, 상기 동작 피드백은 프롬프트 정보를 발송하는 것을 포함할 수 있다. 일부 실시예들에서는, 상기 프롬프트 정보는 음성 프롬프트, 문자 프롬프트, 이미지 프롬프트, 비디오 프롬프트, 등을 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 상기 동작식별모형의 출력결과가 상기 착오동작이면, 상기 처리장치(110)는 상기 착용가능장치(130) 또는 상기 이동단말장치(140)를 제어하여 상기 음성 프롬프트(예를 들면, 정보, 예를 들면, "비표준 동작")를 상기 사용자에게 발송하여 사용자에게 피트니스 동작을 제때에 조절하도록 리마인드할 수 있다. 다른 하나의 예로써, 상기 동작식별모형의 출력결과가 표준 동작이면, 상기 착용가능장치(130) 또는 상기 이동단말장치(140)는 프롬프트 정보를 발송하지 않거나, 또는 "표준 동작"과 같은 프롬프트 정보를 발송할 수 있다. 일부 실시예들에서는, 상기 운동 피드백은 상기 착용가능장치(130)가 상기 사용자의 상응한 운동부위를 자극하는 것을 포함할 수도 있다. 예를 들면, 상기 착용가능장치(130)의 부재는 진동 피드백, 전기자극 피드백, 압력 피드백, 등의 방식을 통해 상기 사용자의 상응한 운동부분를 자극할 수 있다. 예를 들면, 상기 동작식별모형의 출력결과가 상기 착오동작이면, 상기 처리장치(110)는 상기 착용가능장치(130)의 부재를 제어하여 상기 사용자의 상응한 운동부위를 자극할 수 있다. 일부 실시예들에서는, 상기 동작 피드백 상기 사용자의 운동시 운동기록을 출력하는 것을 포함할 수도 있다. 여기서 상기 운동기록은 상기 사용자의 운동시 동작 유형, 동작 시간, 동작 수량, 동작 품질, 피로지수, 생리학적 파라미터 정보, 등, 또는 이들의 임의의 조합을 가리킬 수 있다. 상기 동작식별모형에 관한 더 많은 설명은 본 개시의 다른 부분에서 찾을 수 있으며, 여기에서 중복하지 않는다.
유의해야 할 것은 상기 절차 1900에 관한 상기 설명은 단지 설명에 목적에 의해 제공하는 것으로서, 본 개시의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 1900에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 20은 본 개시의 일부 실시예들에 따른 모형훈련을 위한 예시적인 처리를 나타내는 흐름도이다.
절차2010에서, 샘플정보를 획득할 수 있다
일부 실시예들에서는, 상기 절차는 상기 획득모듈(210)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 샘플정보는 전문가(예를 들면, 피트니스 강사) 및/또는 비전문가의 운동시의 동작신호를 포함할 수 있다. 예를 들면, 상기 샘플정보는 상기 전문가 및/또는 상기 비전문가가 동일한 유형의 동작(예를 들면, 상기 착좌식 흉부압박)을 할 때 생성하는 근전도신호 및/또는 자세신호를 포함할 수 있다. 일부 실시예들에서는, 상기 샘플정보 중의 상기 근전도신호 및/또는 상기 자세신호는 상기 절차 700의 분할처리, 상기 절차 900의 버 처리(버 처리), 및 상기 절차 1300의 변환처리, 등을 거쳐, 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트를 형성한다. 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트는 기계학습모형의 입력으로써 이용되어 상기 기계학습모형을 훈련시킬 수 있다. 일부 실시예들에서는, 상기 근전도신호의 적어도 하나의 세그먼트에 대응되는 특징정보 및/또는 상기 자세신호에 대응되는 특징정보는 상기 기계학습모형의 입력으로써 사용되어 상기 기계학습모형을 훈련시킬 수 있다. 예를 들면, 상기 근전도신호의 주파수정보 및 진폭정보는 상기 기계학습모형의 입력으로써 이용될 수 있다. 다른 하나의 예로써, 자세신호의 각속도, 각속도 방향, 및 각속도의 가속도값은 상기 기계학습모형의 입력으로써 이용될 수 있다. 다른 하나의 예로써, 상기 동작신호의 동작시작점, 동작중간점, 및 동작종점은 상기 기계학습모형의 입력으로써 이용될 수 있다. 일부 실시예들에서는, 상기 샘플정보는 상기 처리장치(110)의 스토리지장치로부터 획득할 수 있다. 일부 실시예들에서는, 상기 샘플정보는 상기 획득모듈(210)로부터 획득할 수 있다.
절차2020에서, 동작식별모형을 훈련할 수 있다.
상기 절차는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 하나 이상의 기계학습모형들을 포함할 수 있다. 예를 들면, 상기 동작식별모형, 사용자의 동작신호를 분류하는 기계학습모형, 사용자의 동작 품질을 식별하는 기계학습모형, 사용자의 동작의 수량을 식별하는 기계학습모형, 사용자가 동작을 하는 피로지수를 식별하는 기계학습모형, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 기계학습모형은 선형분류모형(LR), 지원벡터기계모형(SVM), 일반 베이지안모형(NB), K최근접모형(KNN), 의사판정트리모형(DT), 랜덤 숲/경사 부스팅판정트리(RF/GDBT, 등.), 등을 포함할 수 있다.
일부 실시예들에서는, 상기 기계학습모형의 훈련은 상기 샘플정보를 획득하는 것을 포함할 수 있다. 일부 실시예들에서는, 상기 샘플정보는 상기 전문가(예를 들면, 상기 피트니스 강사) 및/또는 상기 비전문가의 운동시 동작신호를 포함할 수 있다. 예를 들면, 상기 샘플정보는 상기 전문가 및/또는 상기 비전문가가 동일한 유형의 동작(예를 들면, 상기 착좌식 흉부압박)을 할 때 생성하는 근전도신호 및/또는 자세신호를 포함할 수 있다. 일부 실시예들에서는, 상기 샘플정보 중의 상기 근전도신호 및/또는 상기 자세신호는 상기 절차 700의 분할처리, 상기 절차 900의 버 처리(버 처리), 및 상기 절차 1300의 변환처리, 등을 거쳐, 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트를 형성한다. 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트는 기계학습모형의 입력으로써 이용되어 상기 기계학습모형을 훈련시킬 수 있다. 일부 실시예들에서는, 상기 근전도신호의 적어도 하나의 세그먼트에 대응되는 특징정보 및/또는 자세신호에 대응되는 특징정보는 상기 기계학습모형의 입력으로써 사용되어 상기 기계학습모형을 훈련시킬 수 있다. 예를 들면, 상기 근전도신호의 주파수정보 및 진폭정보는 상기 기계학습모형의 입력으로써 이용될 수 있다. 다른 하나의 예로써, 자세신호의 각속도, 각속도 방향, 및 각속도의 가속도값은 상기 기계학습모형의 입력으로써 이용될 수 있다. 다른 하나의 예로써, 상기 신호에 대응되는 동작시작점, 동작중간점, 및/또는 동작종점 신호(를 포함하는 상기 근전도신호 및/또는 상기 자세신호)는 상기 기계학습모형의 입력으로써 이용될 수 있다.
일부 실시예들에서는, 사용자의 동작 유형을 식별하는 기계학습모형을 훈련시킬 때, 상이한 동작 유형들(상기 근전도신호 또는/및 상기 자세신호의 각 세그먼트)의 오는 샘플정보를 표기할 수 있다. 예를 들면, 사용자가 상기 착좌식 흉부압박을 할 때 생성되는 상기 근전도신호 및/또는 상기 자세신호로부터 오는 샘플정보는 "1"로 표기할 수 있으며, 여기서 "1"은 상기 "착좌식 흉부압박"을 표시한다. 사용자가 이두근 컬을 할 때 생성되는 근전도신호 및/또는 자세신호로부터 오는 샘플정보는 "2"로 표기될 수 있으며, 여기서 "2"는 상기 "이두근 컬"을 표시한다. 상기 상이한 동작 유형들에 대응되는 상기 근전도신호들의 상기 특징정보(예를 들면, 상기 주파수정보, 상기 진폭정보)와 상기 자세신호들 중의 특징정보(예를 들면, 상기 각속도, 상기 각속도 방향, 상기 각속도의 가속도값)는 다를 수 있다. 상기 표기된 샘플정보(예를 들면, 상기 샘플정보 중의 근전도신호에 대응되는 특징정보 및/또는 자세신호)는 상기 기계학습모형을 훈련시키는 상기 기계학습모형의 입력으로써 이용될 수 있으며, 따라서 상기 동작 유형을 식별하도록 구성된 상기 동작식별모형을 획득할 수 있고, 상기 동작신호를 상기 기계학습모형에 입력함으로써, 상기 동작신호에 대응되는 동작 유형이 출력될 수 있다.
일부 실시예들에서는, 상기 동작식별모형은 사용자의 동작 품질을 판정하는 기계학습모형을 더 포함할 수 있다. 여기서 상기 샘플정보는 표준 동작신호("양의 샘플"라고도 한다) 및 비표준 동작신호("음의 샘플" 라고도 한다)의 양자를 포함할 수 있다. 상기 표준 동작신호는 상기 전문가가 표준 동작을 할 때 생성되는 동작신호를 포함할 수 있다. 예를 들면, 상기 전문가가 상기 착좌식 흉부압박을 표준적으로 할 때 생성되는 동작신호는 상기 표준 동작신호일 수 있다. 상기 비표준 동작신호는 사용자가 비표준 동작(예를 들면, 착오동작)을 할 때 생성되는 동작신호를 포함할 수 있다. 일부 실시예들에서는, 상기 샘플정보 중의 근전도신호 및/또는 자세신호는 상기 절차 700의 분할처리, 상기 절차 900의 버 처리(버 처리), 및 상기 절차 1300의 변환처리, 등을 거쳐, 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트를 형성한다. 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트는 기계학습모형의 입력으로써 이용되어 상기 기계학습모형을 훈련시킬 수 있다. 일부 실시예들에서는, 상기 샘플정보(상기 근전도신호 또는/상기 자세신호의 각 세그먼트)의 양의 샘플 및 음의 샘플은 표기될 수 있다. 예를 들면, 상기 양의 샘플은 "1"로 표기되고, 상기 음의 샘플은 "0"으로 표기될 수 있다. 여기서 상기 "1"은 상기 사용자의 동작을 표준 동작으로 표시할 수 있고, 상기 "0"은 상기 사용자의 동작을 착오동작으로 표시할 수 있다. 훈련된 기계학습모형은 상기 입력샘플정보(예를 들면, 상기 양의 샘플, 상기 음의 샘플)에 따라 상이한 표기들을 출력할 수 있다. 유의해야 할 것은 상기 동작식별모형은 상기 사용자의 동작 품질을 분석하고 식별하는 하나 이상의 기계학습모형들을 포함할 수 있다. 상이한 기계학습모형들은 각각 상기 상이한 동작 유형들로부터 오는 샘플정보를 분석하고 식별할 수 있다.
일부 실시예들에서는, 상기 동작식별모형은 사용자의 피트니스 동작들의 동작 수량을 식별하는 모형을 포함할 수도 있다. 예를 들면, 적어도 1조의 동작시작점, 동작중간점, 및 동작종점은 상기 샘플정보 중의 상기 동작신호(예를 들면, 상기 근전도신호 및/또는 상기 자세신호)에 대해 상기 절차 700의 분할처리를 수행함으로써 획득할 수 있으며, 각 조의 동작시작점, 동작중간점, 및 동작종점은 각각 표기(예를 들면, 동작시작점은 1로 표기될 수 있고, 동작중간점은2로 표기될 수 있고, 및 동작종점은 3으로 표기될 수 있다)될 수 있으며, 및 상기 표기들은 상기 기계학습모형의 입력으로써 이용될 수 있다. 예를 들면, 1조의 연속되는 "1", "2", 및 "3"이 상기 기계학습모형에 입력되면, 하나의 동작이 출력될 수 있다. 예를 들면, 3조의 연속되는 "1", "2", 및 "3"이 상기 기계학습모형에 입력되면, 3개의 동작이 출력될 수 있다.
일부 실시예들에서는, 상기 동작식별모형은 상기 사용자의 피로지수를 식별하는 상기 기계학습모형을 포함할 수도 있다. 여기서 상기 샘플정보는 생리학적 파라미터 신호, 예를 들면, 심전 신호, 호흡수, 온도신호, 습도신호, 등을 포함할 수도 있다. 예를 들면, 상기 심전신호의 상이한 주파수 범위들은 상기 기계학습모형의 입력데이터로써 이용될 수 있다. 60 회/min 내지 100 회/분의 상기 심전신호의 주파수 범위는 "1"(정상)로 표기될 수 있다. 60 회/분 미만 또는 100 회/분보다 큰 상기 심전신호의 주파수 범위는 "2 "(비정상) 로 표기될 수 있다. 일부 실시예들에서는, 상기 사용자의 심전신호의 주파수에 근거하여 진일보의 분할이 수행될 수 있으며 상이한 지수는 상기 입력데이터로 표기될 수 있고, 상기 훈련된 기계학습모형은 상기 심전신호의 주파수에 근거하여 상응한 피로지수를 출력할 수 있다. 일부 실시예들에서는, 상기 기계학습모형은 생리학적 파라미터 신호, 예를 들면, 상기 호흡수, 상기 온도신호, 등과 결합되어 훈련될 수도 있다. 일부 실시예들에서는, 상기 샘플정보는 상기 처리장치(110)의 스토리지장치로부터 획득할 수 있다. 일부 실시예들에서는, 상기 샘플정보는 상기 획득모듈(210)로부터 획득할 수 있다. 유의해야 할 것은 상기 동작식별모형은 상기 기계학습모형들 중의 임의의 하나 또는 상기 복수의 기계학습모형들의 조합일 수 있으며, 또는 기타 기계학습모형들을 포함할 수 있으며, 실제 상황에 근거하여 선택될 수 있다. 그리고, 상기 기계학습모형의 훈련의 입력은 상기 동작신호의 하나의 세그먼트(하나의 주기)에 한정되지 않으며, 상기 동작신호의 세그먼트의 일부분, 또는 상기 동작신호의 복수의 세그먼트들, 등일 수도 있다.
절차2030에서, 상기 동작식별모형을 추출할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 처리장치(110)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 처리장치(110) 및/또는 상기 처리모듈(220)은 상기 동작식별모형을 추출할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 상기 처리장치(110), 상기 처리모듈(220), 또는 이동단말기에 저장될 수 있다.
절차2040에서, 사용자의 동작신호를 획득할 수 있다
일부 실시예들에서는, 상기 절차는 상기 획득모듈(210)을 통해 수행될 수 있다. 예를 들면, 일부 실시예들에서는, 상기 획득모듈(210) 중의 근전도센서는 사용자의 근전도신호를 획득할 수 있고, 상기 획득모듈(210) 중의 자세센서는 사용자의 자세신호를 획득할 수 있다. 일부 실시예들에서는, 사용자 동작신호는 기타 생리학적 파라미터 신호들 예를 들면, 상기 사용자의 운동시 상기 심전신호, 상기 호흡신호, 상기 온도신호, 상기 습도신호, 등을 포함할 수도 있다. 일부 실시예들에서는, 상기 획득한 동작신호(예를 들면, 상기 근전도신호 및/또는 상기 자세신호)는 상기 절차 700의 분할처리, 상기 절차 900의 버 처리(버 처리), 및 상기 절차 1300의 변환처리, 등을 거쳐, 상기 근전도신호 및/또는 상기 자세신호의 적어도 하나의 세그먼트를 형성한다.
절차 2050에서, 상기 사용자의 동작은 상기 동작식별모형을 통해 사용자의 동작신호에 근거하여 판정될 수 있다.
상기 절차는 상기 처리장치(110) 및/또는 상기 처리모듈(220)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 처리장치(110) 및/또는 상기 처리모듈(220)는 상기 동작식별모형에 근거하여 상기 사용자의 동작을 판정할 수 있다. 일부 실시예들에서는, 상기 훈련된 동작식별모형은 하나 이상의 기계학습모형들을 포함할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은, 사용자의 동작신호를 분류하는 기계학습모형, 상기 사용자의 동작 품질을 식별하는 기계학습모형, 사용자의 동작의 수량을 식별하는 기계학습모형, 사용자가 동작을 하는 피로지수를 식별하는 기계학습모형, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 상기 상이한 기계학습모형들은 상이한 식별효과들을 가질 수 있다. 예를 들면, 사용자의 동작신호를 분류하는 기계학습모형은 상기 사용자의 동작신호를 입력데이터로 이용하고 상응한 동작 유형을 출력할 수 있다. 다른 하나의 예로써, 상기 사용자의 동작 품질을 식별하는 기계학습모형은 상기 사용자의 동작신호를 입력데이터로 이용하고 및 출력동작 품질(예를 들면, 표준 동작, 착오동작)을 출력할 수 있다. 또 다른 예로써, 사용자가 동작을 하는 피로지수를 식별하는 기계학습모형은 상기 사용자의 동작신호(예를 들면, 상기 심전신호의 주파수)를 입력데이터로 이용하고 사용자의 피로지수를 출력할 수 있다. 일부 실시예들에서는, 상기 기계학습모형의 상기 사용자의 동작신호 및 상기 판정결과(출력)는 상기 동작식별모형을 훈련시키는 데 샘플정보로써 이용될 수도 있으며, 상기 동작식별모형은 훈련되어 상기 동작식별모형의 관련 파라미터들을 최적화시킬 수 있다. 유의해야 할 것은 상기 동작식별모형은 상술한 상기 훈련된 기계학습모형에 한정되지 않으며, 기설정 모형, 예를 들면, 수동으로 기설정된 조건판단 알고리즘일 수 있고 또는 파라미터들(예를 들면, 신뢰도)을 상기 훈련된 기계학습모형에 수동으로 추가할 수 있다.
절차2060에서, 상기 판정결과에 근거하여 상기 사용자의 동작에 대해 피드백할 수 있다.
일부 실시예들에서는, 상기 절차는 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)를 통해 수행될 수 있다. 또한, 상기 처리장치(110) 및/또는 상기 처리모듈(220)는 상기 사용자의 동작의 판정결과에 따라 피드백 명령을 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)에 발송할 수 있다. 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)는 피드백 명령에 따라 상기 사용자에게 피드백할 수 있다. 일부 실시예들에서는, 상기 피드백은 프롬프트 정보(예를 들면, 문자 정보, 이미지 정보, 비디오 정보, 음성 정보, 지시등 정보, 등.)를 발송 및/또는 상응한 동작(예를 들면, 전류자극, 진동, 압력변화, 열변화, 등 방식.)을 함으로써 사용자의 신체를 자극하는 것을 포함할 수 있다. 예를 들면, 사용자가 윗몸 일으기키 동작을 할 때, 상기 사용자의 동작신호를 감시함으로써 사용자가 상기 운동(예를 들면, 상기 사용자의 머리 및 목 동작이 표준이 아니다)시 승모근에 지나치게 크게 발력한다고 판정될 수 있다. 이런 경우, 상기 착용가능장치(130) 및 상기 이동단말장치(140)(예를 들면, 스마트 시계, 스마트폰 등.) 중의 상기 입출력모듈(260)(예를 들면, 진동 프롬프트기)는 상응한 피드백 동작(예를 들면, 사용자의 신체부위에 진동을 가함, 상기 음성 프롬프트를 발송, 등.)을 하여 사용자가 제때에 발력부위를 조절하도록 촉구할 수 있다. 일부 실시예들에서는, 상기 사용자의 운동시, 운동시 사용자의 동작 유형, 동작 품질, 및 동작 수량은 상기 사용자의 운동시 동작신호를 감시함으로써 판정될 수 있으며, 상기 이동단말장치(140)는 상응한 운동기록들을 출력할 수 있으며, 따라서 상기 사용자는 운동시 그의 운동상태를 요해할 수 있다.
일부 실시예들에서는, 상기 사용자에게 피드백하는 경우, 상기 피드백은 상기 사용자의 감지와 매칭될 수 있다. 예를 들면, 상기 사용자의 동작이 표준이 아닌 경우, 상기 사용자의 동작에 대응되는 구역에 상기 진동자극을 수행할 수 있으며, 상기 사용자는 상기 진동자극에 근거하여 동작이 표준이 아님을 알 수 있다. 상기 진동자극은 상기 사용자의 수락할 수 있는 범위에 있다. 또한, 매칭모형은 사용자의 동작신호와 사용자의 감지에 근거하여 구축되어 상기 사용자 감지와 실제 피드백 사이의 최대 균형을 잡을 수 있다.
일부 실시예들에서는, 상기 동작식별모형은 사용자의 동작신호에 근거하여 훈련될 수도 있다. 일부 실시예들에서는, 사용자의 동작신호에 근거하여 상기 동작식별모형을 훈련시키는 것은 사용자의 동작신호를 평가함으로써 사용자의 동작신호의 신뢰도를 판정하는 것을 포함할 수 있다. 상기 신뢰도는 상기 사용자의 동작신호의 품질을 가리킬 수 있다. 예를 들면, 상기 신뢰도가 높을 수록, 사용자의 동작신호의 품질이 더 좋다. 일부 실시예들에서는, 상기 사용자의 동작신호를 평가하는 것은 예를 들면, 동작신호 획득, 전처리, 분할, 및/또는 식별의 단계에 수행될 수 있다.
일부 실시예들에서는, 사용자의 동작신호에 근거하여 상기 동작식별모형을 훈련시키는 것은 상기 신뢰도가 신뢰도 역치(예를 들면, 80)보다 큰지 여부를 판정하는 것을 더 포함할 수 있다. 상기 신뢰도가 상기 신뢰도 역치 이상이면, 상기 동작식별모형은 상기 신뢰도에 대응되는 사용자의 동작신호를 샘플 데이터로 사용하여 훈련될 수 있다. 상기 신뢰도가 신뢰도 역치보다 작으면, 상기 신뢰도에 대응되는 사용자의 동작신호는 샘플 데이터로 사용하지 않고 상기 동작식별모형을 훈련시킬 수도 있다. 일부 실시예들에서는, 상기 신뢰도는, 상기 동작신호 획득, 상기 동작신호 전처리, 상기 동작신호 분할, 또는 상기 동작신호 식별 중의 임의의 단계의 신뢰도를 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 상기 획득모듈(210)에 의해 수집되는 동작신호의 신뢰도는 판정기준으로써 이용될 수 있다. 일부 실시예들에서는, 상기 신뢰도는 상기 동작신호 획득, 상기 동작신호 전처리, 상기 동작신호 분할, 또는 상기 동작신호 식별과 같은 여러 단계들의 연합 신뢰도를 더 포함할 수 있다. 각 단계의 신뢰도를 평균하거나 또는 가중치를 가하는 등을 통해 상기 연합 신뢰도를 획득할 수 있다. 일부 실시예들에서는, 상기 동작식별모형은 상기 사용자의 동작신호에 근거하여 실시간으로, 정기적으로(예를 들면, 하루, 일주일, 한, 등.), 또는 일정한 데이터 량을 만족할 때 훈련될 수 있다.
유의해야 할 것은 상기 절차 2000에 관한 상기 설명은 단지 설명에 목적에 의해 제공하는 것으로서, 본 개시의 범위를 한정하지 않는다는 것이다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 2000에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
일부 실시예들에서는, 상기 사용자의 동작이 표준이 아닌 경우, 상기 처리장치(110) 및/또는 상기 처리모듈(220)은 상기 사용자의 동작의 판정결과에 근거하여 상기 착용가능장치(130) 및/또는 상기 이동단말기 140에 상기 피드백 명령을 발송할 수 있다. 상기 착용가능장치(130) 및/또는 상기 이동단말기 140 는 상기 피드백 명령에 근거하여 사용자에게 피드백할 수 있다. 예를 들면, 상기 착용가능장치(130) 및 상기 이동단말장치(140)(예를 들면, 스마트 시계 스마트 폰, 등.) 중의 상기 입출력모듈(260)(예를 들면, 진동 프롬프트기)는 상기 상응한 피드백 동닥(예를 들면, 사용자의 신체부위에 진동을 가함, 상기 음성 프롬프트를 발송, 등.)을 하여 상기 사용자에게 동작이 비표준적이거나 틀렸음을 촉구할 수 있다. 이런 경우, 상기 사용자는 운동시 비표준 동작이 존재한다는 정보 프롬프트를 수신하지만, 상기 사용자는 상기 피드백 동작에 근거하여 상기 비표준 동작의 원인, 예를 들면, 비표준 자세, 근육의 틀린 발력위치, 근육의 틀린 발력강도(exertion strength), 등을 확인할 수 없다. 다른 한편으로는, 사용자가 상기 운동감시시스템(100)으로부터 운동동작이 표준이 아니라는 상기 피드백 동작을 수신 한 후 자아감각이 좋으면, 상기 운동감시시스템(100)에 대한 사용자의 신뢰가 저감될 수 있다. 예를 들면, 사용자가 상기 이두근 컬을 할 때, 상기 동작의 표준자세는 어깨가 긴장하지 말아야 할 수 있다. 상기 사용자는 주관적으로 그가 긴장하지 않는다고 믿을 수 있으나, 사실상, 상기 어깨는 본의 아니게 발력할 수 있으며, 결국 상기 승모근에 지나친 힘이 가해질 수 있다. 이 때, 상기 사용자의 주관적 감각은 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)의 분석결과와 일치하지 않을 수 있으며, 상기 사용자는 상기 착용가능장치(130) 및/또는 상기 이동단말장치(140)의 피드백결과가 정확하지 않다고 생각할 수 있다. 따라서, 본 개시의 실시예들은 운동감시 인터페이스를 나타내기 위한 방법을 제공할 수 있다. 상기 방법은 디스플레이를 이용하여 상기 사용자의 운동(예를 들면, 근육의 발력위치, 근육의발력강도, 및 상기 사용자의 동작모형)에 관련되는 정보를 나타낸다. 상기 사용자는 나타내는 내용에 근거하여 운동 중의 문제를 직관적으로 관찰하고 제때에 동작을 조절하여 과학적으로 운동할 수 있다.
도 21 a는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 방법의 예시적인 과정을 나타내는 흐름도이다. 도21 a에 표시하는 바와 같이, 상기 절차 2100은 아래의 절차들을 포함할 수 있다.
절차2110에서, 적어도 하나의 센서로부터 운동시 사용자의 동작신호를 획득할 수 있다.
일부 실시예들에서는, 상기 절차 2110은 상기 획득모듈(210)을 통해 수행될 수 있다. 일부 실시예들에서는, 운동시 사용자의 동작신호는 운동시 사용자의 인체 파라미터 정보를 가리킬 수 있다. 일부 실시예들에서는, 상기 인체 파라미터 정보는 근전도신호, 자세신호, 심전 신호, 온도신호, 습도신호, 혈중산소농도, 호흡수, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 센서는 운동시 사용자의 동작신호를 획득할 수 있다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 근전도 센서는 운동시 사용자의 근전도신호를 수집할 수 있다. 예를 들면, 사용자가 상기 착좌식 흉부압박을 할 때, 인체 가슴 근육, 황배근, 등의 위치에 대응되는 상기 착용가능장치 중의 근전도 센서는 사용자의 근육 위치에 대응되는 근전도신호를 수집할 수 있다. 일부 실시예들에서는, 상기 획득모듈(210) 중의 자세센서는 상기 사용자의 운동시 자세신호를 수집할 수 있다. 예를 들면, 사용자가 바벨 밀기동작을 할 때, 인체 삼두근 브라치근의 위치에 대응되는 상기 착용가능장치 중의 자세센서는 상기 사용자의 삼두근 브라치근의 위치의 자세신호를 수집할 수 있다. 일부 실시예들에서는, 상기 적어도 하나의 센서는 자세센서, 심전센서, 근전도 센서, 온도센서, 습도센서, 관성센서, 산염기센서, 음향변환기, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 상이한 유형의 센서들은 측정되는 상이한 신호들에 근거하여 사용자의 신체의 상이한 위치들에 배치될 수 있으며, 따라서 상이한 위치들의 상이한 유형의 센서들 및/또는 센서들은 상이한 동작신호들을 수집할 수 있다.
일부 실시예들에서는, 상기 동작신호는 상기 사용자의 운동시 상기 획득모듈(210) 중의 복수의 센서들에 의해 수집된 동작신호가 신호 처리과정 예를 들면, 필터링, 정류, 및/또는 웨이블릿 변환, 상기 절차 700의 분할처리, 상기 절차 900의 버 처리, 또는 상기 처리과정들의 임의의 하나 이상의 순열과 조합을 거친 후 형성된 동작신호일 수 있다. 상술한 바와 같이, 상기 신호 처리과정, 예를 들면, 필터링, 정류, 및/또는 웨이블릿 변환, 상기 절차 700의 분할처리 및 상기 절차 900의 버 처리는 상기 처리모듈(220) 및/또는 상기 처리장치(110)를 통해 수행될 수 있다. 상기 획득모듈(210)은 상기 처리모듈(220) 및/또는 상기 처리장치(110)로부터 처리된 동작신호를 획득할 수 있다.
절차2120에서, 사용자의 운동에 관련되는 정보는 상기 동작신호를 처리함으로써 판정될 수 있다.
일부 실시예들에서는, 상기 절차 2120는 상기 처리모듈(220)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보는 사용자의 동작 유형, 동작빈도, 동작 강도, 동작모형, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 사용자의 동작신호를 분석하고 처리함으로써 상기 동작신호의 특징정보(예를 들면, 상기 근전도신호의 진폭정보, 주파수정보, 및/또는 자세신호의 각속도, 각속도 방향, 및 각속도의 가속도값)을 판정하고, 상기 동작신호의 특징정보에 근거하여 사용자의 운동에 관련되는 정보를 판정할 수 있다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보는 운동시 사용자의 적어도 하나의 근육의 발력강도를 포함할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 근전도 센서에 의해 수집되는 근전도신호에 근거하여 사용자의 적어도 하나의 근육의 발력강도를 판정할 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 할 때, 인체 대둔근, 대퇴사두근, 등의 위치에 설치되는 상기 근전도 센서는 사용자의 근육 위치에 대응되는 근전도신호를 수집할 수 있고, 상기 처리모듈(220)은 상기 획득한 근전도신호의 신호 강도에 근거하여 사용자의 대둔근 및 대퇴사두근의 발력강도를 판정할 수 있다.
일부 실시예들에서는, 상기 처리모듈(220)은 상기 동작신호에 근거하여 사용자의 동작 유형을 판정할 수 있다. 예를 들면, 상기 처리모듈(220)은 사용자의 동작신호 및 동작식별모형(예를 들면, 도20에 기재된 동작식별모형)에 근거하여 동작 유형을 판정할 수 있다. 예를 들면, 상기 동작 유형은 수동으로 입력될 수 있다. 또한, 상기 처리모듈(220)은 사용자의 동작 유형에 근거하여 사용자의 단련위치("단련위치의 근육"라고도 부른다)에 위치하는 근육 및 사용자의 비단련위치("비단련위치의 근육"라고도 부른다)에 위치하는 근육을 판정할 수 있다. 상기 비단련위치의 근육은 사용자가 일정한 동작을 할 때 오발력이 쉽게 일어나는 위치의 근육이거나 쉽게 상하는 부분의 근육일 수 있다. 상이한 동작 유형들은 단련위치들의 상이한 근육들 및 비단련위치들의 상이한 근육들에 대응될 수 있다. 일부 실시예들에서는, 상기 사용자는 각 동작 유형에 대응되는 상기 단련위치의 근육 및 상기 비단련위치의 근육을 사전에 설정할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 사용자의 단련위치의 근육 및/또는 비단련위치의 근육발력강도에 근거하여, 상응한 동작을 할 때 사용자의 발력부위가 정확한지 여부 및 동작자세가 표준인지 여부를 판정할 수 있다. 예를 들면, 단련위치의 근육의 발력강도가 너무 작(예를 들면, 일정한 역치보다 작다)거나 및/또는 상기 비단련위치의 근육의 발력강도가 너무 크면(예를 들면, 일정한 역치보다 크다), 운동시 사용자의 발력부위가 틀렸다고 간주할 수 있다. 이런 경우, 상기 입출력모듈(260)은 피드백 신호를 상기 사용자에세 발송하여 사용자가 제때에 동작을 조절하도록 촉구할 수 있다.
일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보는 사용자의 운동동작을 나타내는 사용자 동작모형을 포함할 수 있다. 예를 들면, 사용자가 아령비행동작을 할 때, 인체 삼각근, 상지 관절(예를 들면, 팔꿈치 관절), 등 위치에 설치되는 자세센서는 사용자의 삼각근 및 상지 관절의 자세신호를 수집할 수 있다. 상기 처리모듈(220)은 각 자세신호를 처리하여 각 자세신호(예를 들면, 각속도 정보, 가속도 정보, 응력 정보, 변위 정보)에 대응되는 특징정보를 획득할 수 있으며, 상기 처리모듈(220)는 상기 특징정보에 근거하여 상기 아령비행동작의 동작모형을 생성할 수 있다. 상기 자세신호에 근거하여 운동시 사용자의 사용자 동작모형을 생성하는 데에 관한 더 많은 설명은 도22 및 그 관련설명에서 찾을 수 있다.
절차2130에서, 상기 사용자의 운동에 관련되는 정보를 표시할 수 있다.
일부 실시예들에서는, 상기 절차 2130는 상기 입출력모듈(260)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 사용자의 운동에 관련되는 정보는 상기 착용가능장치(130) 또는 상기 이동단말장치(140)의 디스플레이(예를 들면, 디스플레이 화면)에 표시할 수 있으며, 따라서 상기 사용자는 운동시 운동상황을 직관적으로 관찰할 수 있다.
일부 실시예들에서는, 도21b에 표시하는 바와 같이, 상기 디스플레이의 인터페이스는 인체의 앞면 근육분포맵(2101) 및 뒷면 근육분포도2102를 표시할 수 있다. 사용자가 발력하기 시작하는 경우, 상기 인체 근육분포맵(예를 들면, 상기 앞면 근육분포맵(2101) 및 등 근육분포맵 2102)에서 상기 사용자의 발력부위에 대응되는 근육의 색상은 변할 수 있으며, 따라서 상기 사용자는 상기 인체 근육분포맵에서 근육에 대응되는 색상에 근거하여 근육의 발력강도들 직관적으로 느낄 수 있다. 예를 들면, 사용자가 윗몸 일으기키 동작을 할 때, 복직근, 외사근, 내사근, 상기 사용자의 복부의 복횡근, 및 사용자의 어깨의 승모근과 같은 근육의 발력강도는 상기 인체 근육분포맵에 표시할 수 있다. 일부 실시예들에서는, 상기 사용자의 일정한 근육의 발력강도가 클 수록, 상기 인체 근육분포맵에서 근육에 대응되는 색상이 더 어둡다(예를 들면, 빨간색에 접근한다).
일부 실시예들에서는, 상기 처리모듈(220) 및/또는 상기 사용자는 상이한 위치들의 근육들의 발력강도에 근거하여 윗몸 일으기키 동작이 표준 또는 표준이 아닌지 여부를 판정할 수 있다. 예를 들면, 상기 복직근, 상기 외사근, 상기 내사근, 및 상기 사용자의 복부의 복횡근의 발력강도는 제1 강도 역치(상기 제1 강도 역치는 전문가가 표준 윗몸 일으키기 동작을 할 때 상응한 근육의 발력강도에 따라 설정될 수 있다)보다 크며, 상기 사용자의 어?팀? 승모근의 발력강도가 제2 강도 역치(상기 제2 강도 역치는 상기 전문가가 표준 윗몸 일으키기 동작을 할 때 상응한 근육의 발력강도에 따라 설정될 수 있다)보다 작은 경우, 상기 처리모듈(220)은 상기 사용자의 윗몸 일으키기 동작이 표준이라고 판정할 수 있다. 그렇지 아니하면, 상기 처리모듈(220)은 상기 사용자의 윗몸 일으키기 동작이 비표준이라고 판정할 수 있다.
유의해야 할 것은 도21b에 표시하는 인체의 앞면 근육분포맵(2101) 및 등 근육분포맵 2102은 단지 예들이다. 인체의 앞면 근육분포맵(2101) 및 등 근육분포맵 2102은 상기 인터페이스에서 아래와 위, 좌 및 우, .또는 기타 쉽게 관찰되는 배치방식으로 배치될 수 있다.
일부 실시예들에서는, 상기 입출력모듈(260)은 타겟 근육에 대한 사용자 입력을 획득할 수 있다. 상기 타겟 근육은 운동시 사용자가 더 주의하는 근육을 가리킬 수 있다. 예를 들면, 상기 타겟 근육은 단련할 때 사용자가 주의력을 집중하는 근육일 수 있다. 일부 실시예들에서는, 상기 타겟 근육의 위치들 및/또는 타겟 근육의 수량은 사용자의 동작 유형과 관련될 수 있다. 예를 들면, 사용자가 상기 딥 스쿼트 동작을 할 때, 상기 타겟 근육은 상기 대둔근, 상기 대퇴사두근, 전경골근, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 다른 하나의 예로써, 사용자가 윗몸 일으기키 동작을 할 때, 상기 타겟 근육은 상기 복직근, 상기 외사근, 상기 내사근, 상기 복횡근, 상기 승모근, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 동작신호에 근거하여 사용자의 동작 유형을 판정하고, 사용자의 동작 유형에 근거하여 상기 타겟 근육을 자동적으로 판정할 수 있다. 일부 실시예들에서는, 상기 사용자는 상기 동작 유형을 수동적으로 판정할 수 있으며, 상기 처리모듈(220)은 상기 동작 유형과 상기 타겟 근육 사이의 상응한 관계에 근거하여 사용자가 입력한 동작 유형에 따라 타겟 근육을 판정할 수 있다. 일부 실시예들에서는, 상기 사용자는 상기 타겟 근육을 수동적으로 판정할 수 있다. 예를 들면, 상기 사용자는 상기 인체 근육분포맵에서 특정된 근육을 클릭함으로써 특정된 근육을 상기 타겟 근육으로 설정할 수 있다. 다른 하나의 예로써, 상기 사용자는 상기 디스플레이의 인터페이스에서 상기 특정된 근육의 명칭을 입력함으로써 특정된 근육을 상기 타겟 근육으로 설정할 수 있다.
일부 실시예들에서는, 상기 디스플레이의 인터페이스는 상태 표시줄(예를 들면, 도21b에 표시하는 상태 표시줄 2103 및 상태 표시줄 2104)을 포함할 수 있다. 상기 상태 표시줄은 상기 타겟 근육(예를 들면, 상기 타겟 근육의 발력강도)의 정보를 표시하도록 구성될 수 있다. 예를 들면, 상기 사용자에 의해 입력되는 상기 타겟 근육이 대흉근인 경우, 상기 대흉근의 발력강도가 상기 상태 표시줄을 통해 표시될 수 있다. 일부 실시예들에서는, 상기 상태 표시줄의 색상은 상기 타겟 근육의 발력강도와 관련될 수 있다. 예를 들면, 상기 상태 표시줄의 색상이 어두울 수록, 상기 타겟 근육의 발력강도가 더 크다. 상기 인터페이스에서 상기 상태 표시줄을 나타냄으로써, 상기 사용자는 더 직관적으로 상기 타겟 근육의 발력강도를 느낄 수 있으며, 근육의 발력강도는 더 양적으로 특성화될 수 있다. 일부 실시예들에서는, 상기 상태 표시줄은 상기 타겟 근육의 발력강도와 표준발력강도(또는 상기 최대 발력강도) 사이의 비례관계를 나타낼 수 있다. 상기 표준 발력강도는 상기 전문가가 표준 동작을 할 때 근육에 대응되는 발력강도에 따라 설정될 수 있다. 상기 최대 발력강도는 인체 근육의 발력강도한계에 따라 설정될 수 있다. 예를 들면, 상기 상태 표시줄이 충만이면, 사용자의 상기 타겟 근육의 발력강도는 상기 표준 발력강도와 일치함을 표시할 수 있다. 상기 사용자는 상기 인터페이스에 표시되는 상태 표시줄을 통해 그의 근육의 발력강도와 근육의 표준 발력강도 사이의 차이를 더 직관적으로 느낄 수 있으며, 따라서 상기 사용자는 그의 근육의 발력강도를 제때에 조절할 수 있다.
일부 실시예들에서는, 상태 표시줄들의 수량은 타겟 근육들의 수량과 관련될 수 있다. 예를 들면, 사용자가 삼두근 브라치근을 상기 타겟 근육을 설정하는 경우, 2개의 상태 표시줄들을 각각 상기 인터페이스의 좌우측에 표시할 수 있다. 상기 외측 상태 표시줄(예를 들면, 도21b에 표시하는 상기 상태 표시줄 2103)은 상기 사용자의 외측팔에 삼두근 브라치근의 발력강도를 표시하도록 구성될 수 있다. 상기 오른측 상태 표시줄(예를 들면,도21b에 표시하는 상기 상태 표시줄 2104 )은 상기 사용자의 오른팔에 삼두근 브라치근의 발력강도를 표시하도록 구성될 수 있다. 상기 사용자의 좌우측의 타겟 근육의 발력강도는 2개의 상태 표시줄들을 통해 표시될 수 있으며, 이는 신체의 좌우측의 근육들의 발력강도들이 운동시 균형되는지 여부를 판정하는 것을 도울 수 있으며, 따라서 상기 신체의 좌우측에 불균일한 힘에 의해 발생하는 신체손상을 방지한다. 유의해야 할 것은 도21b에 표시하는 상기 상태 표시줄들은 단지 예들이다. 상기 상태 표시줄들의 수량은 임의의 수치일 수 있다. 상기 상태 표시줄은 상기 인터페이스의 임의의 위치에 설치될 수 있다.
일부 실시예들에서는, 상기 입출력모듈(260)은 소리출력장치(예를 들면, 스피커)를 포함할 수 있다. 상기 소리출력장치는 소리(예를 들면, 화염이 불타는 소리, 벨 소리, 물흐름 소리)를 낼 수 있으며, 상기 소리의 음량은 상기 타겟 근육의 발력강도와 관련될 수 있다. 예를 들면, 음량은 상기 타겟 근육의 발력강도와 양의 관계를 가질 수 있으며, 즉, 상기 타겟 근육의 발력강도가 클 수록, 음량이 더 크고, 상기 타겟 근육의 발력강도가 약할 수록, 음량이 더 작다. 일부 실시예들에서는, 상기 소리출력장치는 왼쪽 채널과 오른쪽 채널을 포함할 수 있으며, 상이한 채널들은 상이한 타겟 근육들의 발력강도에 대응될 수 있다. 예를 들면, 왼쪽 채널로부터 오는 소리는 사용자의 신체의 왼쪽의 타겟 근육(예를 들면, 왼 팔의 삼두근 브라치근)의 발력강도에 대응될 수 있고, 오른쪽 채널로부터 오는 소리는 사용자의 신체의 오른쪽의 타겟 근육(예를 들면, 오른 팔의 삼두근 브라치근)의 발력강도에 대응될 수 있다. 상기 소리출력장치의 다중채널 음성모드를 이용함으로써, 상기 사용자는 신체의 상이한 부위의 근육들의 발력강도들을 느낄 수 있다. 상기 사용자는 단지 들음으로써 신체의 좌우측의 근육들의 발력강도가 운동시 균형되는지 여부를 판정할 수 있으며, 이는 사용자의 체험감을 더 개선할 수 있다.
유의해야 할 것은 상기 절차 2100에 관한 상기 설명은 단지 설명에 목적에 의해 제공하는 것으로서, 본 개시의 범위를 한정하지 않는다는 것이다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 2100에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 예를 들면, 상기 절차 2120은 복수의 절차들로 분할되어 각각 상기 동작신호의 처리 및 판정을 수행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 22는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 에시적인 처리를 나타내는 흐름도이다. 도22에 표시하는 바와 같이, 상기 절차 2200은 아래의 절차들을 포함할 수 있다.
절차2210에서, 자세신호에 근거하여 사용자의 운동동작을 나타내는 사용자 동작모형을 생성할 수 있다.
일부 실시예들에서는, 상기 절차 2210는 상기 처리모듈(220)을 통해 수행될 수 있다. 일부 실시예들에서는, 사용자 동작모형은 사용자 3차원(3D) 동작모형, 사용자 2차원(2D) 동작모형, 등을 포함할 수 있다. 상기 사용자 3D 동작모형 및/또는 상기 사용자 2D 동작모형은 사용자의 운동동작을 재생할 수 있다. 상기 사용자의 운동동작재생은 일정한 정도로 상기 사용자의 운동자세를 반영할 수 있으며, 상기 재생되는 동작이 사용자의 실제 동작과 완전히 일치할 것을 요구하지 않는다고 이해할 수 있다.
일부 실시예들에서는, 상기 처리모듈(220)은 자세센서에 의해 수집되는 상기 자세신호에 근거하여 사용자의 운동동작을 표시하는 사용자 동작모형을 생성할 수 있다. 일부 실시예들에서는, 복수의 자세센서들은 획득할 것을 요구하는 자세신호에 근거하여 상기 착용가능장치(130)의 상이한 위치들(예를 들면, 상기 착용가능장치(130)의 몸통, 사지 및 관절에 대응되는 위치들)에 설치되어, 인체의 상이한 부분들에 대응되는 자세신호들을 측정한다. 상기 상이한 부분들에 대응되는 상기 자세신호들은 인체의 상이한 부분들 사이의 상대적 운동상황을 반영할 수 있다. 일부 실시예들에서는, 상기 자세신호는 자세센서의 유형과 관련될 수 있다. 예를 들면, 상기 자세센서가 각속도 삼축센서인 경우, 상기 획득한 자세신호는 각속도 정보일 수 있다. 다른 하나의 예로써, 상기 자세센서가 각속도 삼축센서 및 가속도 삼축센서인 경우, 상기 획득한 자세신호는 상기 각속도 정보 및 가속도 정보일 수 있다. 또 다른 예로써, 상기 자세센서가 스트레인 게이지 센서인 경우, 상기 스트레인 게이지 센서는 상기 사용자의 관절위치에 설치될 수 있다. 늘어나는 길이에 따라 변하는 상기 스트레인 게이지 센서의 저항의 크기를 측정함으로써, 상기 획득한 자세신호들은 변위 정보, 응력, 등을 포함할 수 있다. 상기 자세신호들은 상기 사용자의 관절의 굽힘각 및 굽힘방향을 특성화할 수 있다. 또 다른 예로써, 상기 자세센서는 사용자의 관절 또는 사지의 고정위치에 설치된 초음파 센서일 수 있다. 상기 센서의 위치는 음파의 전파시간(TOF(time of flight))을 측정함으로써 판정될 수 있으며, 따라서 상기 사용자의 자세를 판정한다. 상기 자세센서에 의해 획득하는 자세신호 및 상기 자세센서에 대응되는 특징정보(예를 들면, 각속도 방향, 각속도값, 각속도의 가속도값, 각도, 변위 정보, 응력, 등.)는 상기 사용자의 운동자세를 반영할 수 있다. 상기 처리모듈(220)은 상기 사용자의 운동자세에 근거하여 사용자의 운동동작을 표시하는 사용자 동작모형을 생성할 수 있다. 예를 들면, 상기 처리모듈(220)은 가상 캐릭터(예를 들면, 3D 또는 2D 애니메이션모형)를 생성하여 상기 사용자의 운동자세를 나타낼 수 있다.
일부 실시예들에서는, 상기 처리모듈(220)은 기타 유형의 동작신호들(예를 들면, 근전도신호)에 근거하여 기타 유형의 사용자의 운동에 관련되는 정보(예를 들면, 근육 정보)를 판정할 수 있으며, 사용자 동작모형에 상기 기타 유형의 사용자의 운동에 관련되는 정보를 표시할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 상기 근전도신호에 근거하여 상기 사용자의 적어도 하나의 근육의 발력강도를 판정할 수 있으며, 상기 처리모듈(220)는 사용자 동작모형의 상응한 위치에 사용자의 적어도 하나의 근육의 발력강도를 표시할 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 할 때, 상기 처리모듈(220)은 대둔근, 대퇴사두근, 전경골근, 등과 같은 위치에 설치된 근전도 센서로부터 근전도신호를 획득할 수 있다. 상기 처리모듈(220)은 상기 근전도신호에 근거하여 각각 상기 대둔근, 상기 대퇴사두근, 및 상기 전경골근와 같은 근육의 발력강도를 판정하고, 사용자 동작모형에서 상기 대둔근, 상기 대퇴사두근, 및 상기 전경골근에 대응되는 위치에 상기 대둔근, 상기 대퇴사두근, 및 상기 전경골근의 근육의 발력강도를 표시할 수 있다. 일부 실시예들에서는, 상이한 근육 강도들은 상이한 표시색상들에 대응될 수 있다. 상기 기타 유형의 사용자의 운동에 관련되는 정보를 사용자 동작모형에 동시에 표시함으로써, 상기 사용자는 더 직관적으로 종합적으로 상기 동작상태를 요해할 수 있다.
절차2220에서, 표준 동작모형을 획득할 수 있다
일부 실시예들에서는, 상기 절차 2220은 상기 획득모듈(210)을 통해 수행될 수 있다. 일부 실시예들에서는, 상기 표준 동작모형은 전문가(예를 들면, 피트니스 강사)가 운동시의 표준 동작 정보(예를 들면, 표준 자세 정보, 표준 근전도 정보)에 근거하여 생성된 동작모형일 수 있다. 일부 실시예들에서는, 상기 표준 동작모형은 표준3D 동작모형, 표준2D 동작모형, 등을 포함할 수 있다. 상기 표준 3D 동작모형 및/또는 상기 표준 2D 동작모형은 상기 전문가의 동작을 재생할 수 있다. 이는 상기 표준 동작의 동작재생은 상기 전문가의 동작자세를 일정한 정도로 반영할 수 있으며, 재생되는 동작이 상기 전문가의 실제동작과 완전히 일치할 것을 요구하지 않는다로 이해할 수 있다. 일부 실시예들에서는, 상기 표준 동작모형은 상기 전문가의 운동시 운동에 관련되는 복수의 유형의 정보(예를 들면, 근육정보)를 표시할 수 있다.
일부 실시예들에서는, 상이한 유형의 동작들은 상이한 표준 동작모형들과 대응할 수 있다. 예를 들면, 윗몸 일으기키 동작은 윗몸 일으키기 표준 동작모형에 대응되고, 아령비행동작은 아령비행 표준 동작모형에 대응될 수 있다. 일부 실시예들에서는, 복수의 운동 유형들에 대응되는 복수의 표준 동작모형들은 상기 운동감시시스템(100)의 스토리지장치에 미리 저장될 수 있다. 상기 획득모듈(210)은 사용자의 동작 유형에 근거하여, 상기 스토리지장치로부터 사용자의 동작 유형에 대응되는 상기 표준 동작모형을 획득할 수 있다.
절차 2230에서, 사용자 동작모형 및 상기 표준 동작모형을 표시할 수 있다.
일부 실시예들에서는, 상기 절차 2230는 상기 입출력모듈(260)를 통해 수행될 수 있다. 일부 실시예들에서는, 상기 디스플레이는 사용자 동작모형과 상기 표준 동작모형을 동시에 표시할 수 있다. 예를 들면, 사용자 동작모형과 상기 표준 동작모형은 중첩되어 또는 나란히 표시될 수 있다. 사용자 동작모형과 상기 표준 동작모형을 관찰하고 비교함으로써, 상기 사용자는 운동동작이 표준인지 여부를 더 직관적으로 신속히 판정할 수 있으며, 따라서 제때에 운동동작을 조절할 수 있다.
일부 실시예들에서는, 사용자 동작모형의 윤곽과 표준 동작모형의 윤곽 사이의 일치도를 비교함으로써 사용자의 동작이 조절이 필요한지 여부를 판정할 수 있다. 예를 들면, 사용자 동작모형의 윤곽과 표준 동작모형의 윤곽 사이의 일치도가 역치(예를 들면, 90%, 95%, 98%)보다 크면, 상기 사용자의 동작이 표준이고 조절이 필요없다고 판정될 수 있다. 사용자 동작모형의 윤곽과 표준 동작모형의 윤곽 사이의 일치도가 역치(예를 들면, 90%, 95%, 98%)보다 작으면, 상기 사용자의 동작이 비표준이라고 판정될 수 있다. 상기 입출력모듈(260)은 상기 사용자에게 운동동작을 조절할 것을 촉구할 수 있다.
일부 실시예들에서는, 사용자 동작모형에 표시되는 근육 정보와 표준 동작모형에 표시되는 근육 정보를 비교함으로써 사용자의 동작이 조절할 필요가 있는지 여부를 판정할 수 있다. 설명의 편의를 위해, 왼팔의 이두근 컬 동작을 예로 들수 있다. 상기 이두근 컬 동작에서, 상기 동작에 주로 관련되는 근육들은 상완이두근, 삼각근, 승모근, 및 흉근을 포함할 수 있다. 도 23a 내지 도 23c는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스들을 나타내는 개략도이다. 도 23a 내지 도 23c는 각각 상기 디스플레이에 표시되는 사용자 동작모형 010("가상 사용자 캐릭터의 근전도 애니메이션(010)"라고도 부른다) 및 표준 동작모형 020("가상 표준 캐릭터의 표준 근전도 애니메이션(020)"라고도 부른다)이다. 도 223a 내지 도 23c에서, 가상 사용자 캐릭터의 상기 근전도 애니메이션 010는 상기 운동감시 인터페이스의 왼쪽 절반에 표시될 수 있고, 가상 표준 캐릭터의 표준 근전도 애니메이션(020)는 상기 운동감시 인터페이스의 오른쪽 절반에 표시될 수 있다. 도23a에 표시하는 상기 운동감시 인터페이스는 상기 동작이 시작하기 전의 어느 시각의 근전도 애니메이션에 대응될 수 있다. 도23a에 표시하는 바와 같이, 상기 사용자 및 상기 전문가는 상기 동작이 시작하기 전에 긴장이 풀린 상태에 있을 수 있으며, 모든 근육들은 발력하지 않을 수 있다. 이 때, 가상 사용자 캐릭터의 상기 근전도 애니메이션(010)에서 상기 상완이두근에 대응되는 사용자 표시구역011, 상기 삼각근에 대응되는 사용자 표시구역 012, 상기 승모근에 대응되는 사용자 표시구역 013, 및 상기 흉근에 대응되는 사용자 표시구역 014에는 채색 표시가 없을 수 있다. 상기 가상 표준 캐릭터의 표준 근전도 애니메이션(020)에서 사용자 표시구역 021 에 대응되는 상기 상완이두근, 상기 삼각근에 대응되는 사용자 표시구역 022, 상기 승모근에 대응되는 사용자 표시구역 023, 및 사용자 표시구역 024 에 대응되는 상기 흉근에는 채색 표기가 없을 수도 있다.
도23b에 표시하는 상기 운동감시 인터페이스는 상기 이두근 컬 동작 과정에서 일정한 시각의 근전도 애니메이션에 대응될 수 있다. 상기 이두근 컬 동작의 절차에서, 이론상, 주요 발력점은 상기 상완이두근일 수 있다. 어떤 경우에는, 예를 들면, 사용자가 얼굴을 쳐들고 가슴을 앞으로 내보내지 않은 경우, 상기 흉근은 약간 발력할 수 있다. 표준 이두근 컬 동작에서, 상기 승모근은 발력할 필요가 없거나 약간 발력할 수 있다. 도23b에 표시하는 바와 같이, 가상 사용자 캐릭터의 근전도 애니메이션(010)에서 상기 승모근에 대응되는 상기 사용자 표시구역 013의 채색표시는 상기 가상 표준 캐릭터의 근전도 애니메이션(020)에서 상기 승모근에 대응되는 표준 표시구역 023의 채색표시보다 어두우며, 이는 사용자가 상기 이두근 컬 동작을 할 때 승모근이 상대적으로 큰 힘을 발력하며, 상기 발력강도는 상기 표준 이두근 컬 동작에서 승모근의 발력강도를 초과함을 의미할 수 있다.
도23 c에 표시하는 상기 운동감시 인터페이스는 상기 이두근 컬 동작의 종결로부터 다음 동작주기을 시작하기까지의 어느 순간의 근전도 애니메이션에 대응될 수 있다. 1조의 연속적인 이두근 컬 동작들에서, 상기 사용자는 한 완전한 동작주기의 종결로부터 다음 완전한 동작주기의 시작까지 완전히 긴장이 풀린 상태에 있지 않을 수 있다. 즉, 바벨이 최저부에 도달할 때, 상기 이두박근은 완전히 긴장이 풀리지 않을 수 있으며, 일정한 정도의 발력강도를 유지할 필요가 있을 수 있으며, 따라서 최고의 단련효과를 달성한다. 도23 c에 표시하는 바와 같이, 가상 사용자 캐릭터의 근전도 애니메이션(010)에서, 상기 상완이두근에 대응되는 사용자 표시구역 011은 색상표시가 없으며, 이는 사용자가 완전히 긴장이 풀린 상태에 있음을 표시할 수 있다. 가상 표준 캐릭터의 표준 근전도 애니메이션(020)에서, 상기 상완이두근에 대응되는 표준 표시구역 021의 색상은 더 어둡다.
결론적으로는, 가상 사용자 캐릭터의 근전도 애니메이션(010)과 가상 표준 캐릭터의 표준 근전도 애니메이션(020)을 관찰함으로써, 사용자는 상기 가상 사용자 캐릭터의 근전도 애니메이션(010)에서의 사용자의 근육의 발력강도와 상기 가상 표준 캐릭터의 표준 근전도 애니메이션(020)에서의 표준 근육의 발력강도 사이의 차이를 더 명확하고 직관적으로 볼 수 있으며, 현재 동작의 문제를 찾고 제때에 동작을 조절할 수 있다. 사용자 동작모형 및 상기 표준 동작모형에 관한 더 많은 설명은 국제출원(출원번호: PCT/CN2021/093302, 출원일자: 2021년 5월 12일)의 선출원에서 찾을 수 있으며, 그 전부의 내용은 참고로 본 명세서에 포함되어 있다.
유의해야 할 것은 상기 절차 2200에 관한 상기 설명은 단지 설명의 목적에서 제공하는 것으로서, 본 개시의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에 상기 절차 2200에 대해 다양한 수정들 및 변경들을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
도 24는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 처리를 나타내는 흐름도이다. 도24에 표시하는 바와 같이, 상기 절차 2400은 아래의 절차들을 포함할 수 있다.
절차2410에서, 근전도신호 또는 자세신호에 근거하여 동작신호를 분할할 수 있다.
일부 실시예들에서는, 상기 절차 2410는 상기 처리모듈(220)을 통해 수행될 수 있다. 일부 실시예들에서는, 사용자의 운동시 상기 동작신호의 획득처리(예를 들면, 상기 근전도신호, 상기 자세신호)는 연속적일 수 있으며, 상기 사용자의 운동시 동작은 복수의 조의 동작들의 조합 또는 상이한 동작 유형들의 동작들의 조합일 수 있다. 상기 사용자의 운동시 각 동작을 분석하기 위해, 상기 처리모듈(220)은 상기 사용자의 운동시 상기 근전도신호 또는 상기 자세신호에 근거하여 상기 사용자의 동작신호를 분할할 수 있다. 일부 실시예들에서는, 상기 동작신호를 분할한다는 것은 같은 기간 또는 상이한 기간들의 신호 세그먼트들로 분할하는 것, 또는 상기 동작신호로부터 특정된 기간의 하나 이상의 신호 세그먼트들을 추출하는 것을 가리킬 수 있다. 일부 실시예들에서는, 상기 동작신호의 각 세그먼트는 상기 사용자의 하나 이상의 완전한 동작들에 대응될 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 할 때, 상기 사용자는 선 자세로부터 스쿼트 자세로 가고, 일어서고, 다시 상기 선 자세로 돌아가며, 이는 상기 딥 스쿼트 동작을 완료하는 것으로 간주될 수 있다. 상기 절차에서 상기 획득모듈(210)에 의해 수집되는 동작신호는 동작신호의 모 세그먼트(또는 주기)로 간주될 수 있다. 그 후, 상기 획득모듈(210)에 의해 수집되는 사용자가 다음 스쿼트 동작을 완료하는 동작신호는 다른 하나의 동작신호의 세그먼트로 간주될 수 있다. 상기 사용자의 운동시 각 동작단계의 변화는 상응한 부분의 근전도신호 및 자세신호의 변화를 일으킬 수 있다. 상기 상황에 근거하여, 상기 처리모듈(220)는 상기 근전도신호 또는 상기 자세신호에 근거하여 사용자의 동작신호를 분할할 수 있다. 예를 들면, 상기 처리모듈(220)은 근전도신호에 대응되는 특징정보 또는 자세신호에 대응되는 특징정보에 근거하여 사용자의 동작신호를 분할할 수 있다. 상기 근전도신호 또는 상기 자세신호에 근거하여 상기 동작신호를 분할하는 절차에 관한 구체적인 설명은 본 개시의 도 6 내지 도8 및 그 관련설명에서 찾을 수 있다.
절차2420에서, 동작신호의 적어도 하나의 세그먼트에 근거하여 사용자의 운동동작을 감시함으로써 감시결과를 판정할 수 있다.
일부 실시예들에서는, 상기 절차 2420는 상기 처리모듈(220)을 통해 수행될 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트는 적어도 하나의 훈련과정에서의 사용자의 동작신호일 수 있다. 일부 실시예들에서는, 상기 훈련과정은 사용자가 훈련동작을 한번 완성하는 과정을 가리킬 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 완성하는 것이 상기 훈련과정일 수 있다. 일부 실시예들에서는, 상기 훈련과정은 사용자가 복수의 같거나 또는 상이한 훈련 동작들을 완성하는 과정일 수도 있다. 예를 들면, 사용자가 복수의 딥 스쿼트 동작들을 연속적으로 완성하는 것이 훈련과정일 수 있다. 다른 하나의 예로써, 사용자가 딥 스쿼트 동작과 제자리 뛰기 동작을 연속적으로 완성하는 것이 훈련과정일 수 있다. 일부 실시예들에서는, 상기 훈련과정은 사용자가 일정한 기간 내에 훈련동작들을 완성하는 과정을 가리킬 수 있다. 예를 들면, 상기 훈련과정은 훈련동작들을 하루, 일주일, 한달, 또는 일년 내에 완성하는 과정일 수 있다.
유의해야 할 것은 동작신호의 세그먼트는 완전한 훈련과정의 동작신호 또는 완전한 훈련과정에서 훈련과정의 일부분의 동작신호일 수 있다. 일부 실시예들에서는, 복잡한 완전한 훈련과정에서, 상기 완전한 훈련과정의 상이한 단계들에서 발력방식들이 상이하고 근육들의 발력강도들이 상이할 수 있으며, 즉, 상기 훈련과정의 상이한 단계들에서 동작신호들이 다를 수 있다. 사용자의 동작에 대한 실시간 감시 성능은 상기 완전한 훈련과정의 상이한 단계들에서의 동작신호들을 감시함으로써 개선될 수 있다.
일부 실시예들에서는, 상기 감시결과는 상기 적어도 하나의 훈련과정에서 사용자의 동작 유형, 동작 수량, 동작 품질, 동작 시간, 생리학적 파라미터 정보,핵심안정성, 간격시간, 예상복구시간, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 상기 사용자의 생리학적 파라미터 정보는, 심박률(예를 들면, 평균 심박률, 상기 최대 심박률), 혈압, 체온, 에너지소모 운동시, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 대부분 훈련에서, 상기 복부 및 허리의 근육들은 긴장상태를 유지하여 몸통의 안정성을 유지할 필요가 있을 수 있으며, 훈련효과를 개선하고 손상 리스크를 감소시킨다. 허리 및 복부의 근육들이 발력하는 능력은 "핵심안정성"로 불리울 수 있다. 상기 간격시간은 2개의 연속되는 동작들 사이의 시간간격을 가리킬 수 있다. 예를 들면, 사용자가 딥 스쿼트 동작을 할 때, 상기 간격시간은 1 딥 스쿼트 동작과 제2 딥 스쿼트 동작 사이의 시간간격을 가리킬 수 있다. 상기 예상복구시간은 사용자가 운동을 완성한 후 신체의 각 부위(예를 들면, 근육)로 하여금동작상태로부터 정상상태로 회복하는 시간을 가리킬 수 있다. 예를 들면, 상기 예상복구시간은 사용자가 운동을 완성한 후 근육이 피로상태로부터 긴장이 풀린상태로 회복하는 시간을 가리킬 수 있다.
일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 근거하여 사용자의 운동을 감시함으로써 상기 감시결과를 판정할 수 있다. 일부 실시예들에서는, 상기 감시결과(예를 들면, 상기 동작 유형, 동작 품질)는 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호)의 적어도 하나의 세그먼트 및 기설정 동작신호의 적어도 하나의 세그먼트(예를 들면, 기설정 근전도신호, 기설정 자세신호)에 근거하여 판정될 수 있다. 상기 적어도 하나의 기설정 동작신호는 전문가가 표준 동작을 할 때 센서에 의해 수집된 표준 동작신호일 수 있다. 상기 기설정 동작신호는 데이터 베이스에 사전에 저장될 수 있다. 일부 실시예들에서는, 동작신호의 적어도 하나의 세그먼트에 대응되는 특징정보와 상기 기설정 동작신호의 적어도 하나의 세그먼트에 대응되는 특징정보 사이의 매칭도를 판정함으로써 상기 사용자의 운동시 상기 동작 유형 또는 동작 품질을 판정할 수 있다. 예를 들면, 상기 사용자의 동작신호의 세그먼트에 대응되는 특징정보와 상기 기설정 동작신호의 세그먼트에 대응되는 특징정보 사이의 매칭도가 일정한 역치(예를 들면, 95%)보다 높다고 판정되면, 운동시 사용자의 동작 유형은 상기 기설정 동작신호의 동작 유형와 일치하다고 판정될 수 있다. 다른 하나의 예로써, 상기 사용자의 동작신호의 세그먼트와 동일한 유형의 기설정 동작신호의 세그먼트 사이의 매칭도가 일정한 역치(예를 들면, 95%)보다 크다고 판정되면, 운동시 사용자의 동작 품질이 요구에 부합되고 조절할 필요가 없다고 판정될 수 있다.. 일부 실시예들에서는, 상기 사용자의 운동의 감시결과(예를 들면, 상기 심박률 및 상기 에너지소모)는 상이한 유형의 센서들에 의해 수집되는 사용자의 생리신호들(예를 들면, 심전신호들 및 호흡신호들)에 대응되는 특징정보에 근거하여 판정될 수 있다. 사용자의 운동유형, 동작 유형, 동작 수량, 동작 품질, 동작 시간, 생리학적 파라미터 정보, 등을 판정하는 데에 관한 더 많은 설명은 본 개시의 도 19-20 및 관련설명에서 찾을 수 있다.
일부 실시예들에서는, 사용자 동작신호의 적어도 하나의 세그먼트에 근거하여 사용자를 감시함으로써 감시결과를 판정하는 방법은 동작신호의 다른 하나의 세그먼트에 근거하지 않는 알고리즘일 수 있다. 일부 실시예들에서는, 상기 알고리즘은 기계학습모형에 기초할 수 있다. 상기 동작신호는 상기 기계학습모형에 입력될 수 있으며, 신경망모형 또는 전통적인 기계학습모형을 통해 상기 동작의 동작 유형, 동작 수량, 동작 품질, 또는 착오점을 제공할 수 있다. 일부 실시예들에서는, 상기 알고리즘은 상태기계전환에 기초하는 상알고리즘에 근거할 수 있다. 상기 동작이 일련의 동작을 경과하는 경우, 상기 동작의 동작 유형, 동작 수량, 동작 품질, 또는 착오점이 출력될 수 있다. 일부 실시예들에서는, 상기 알고리즘은 역치판단의 조합일 수 있다. 상기 동작의 동작 유형, 동작 수량, 동작 품질, 또는 착오점은 상기 동작신호가 일련의 조건에 부합되는지 여부를 판단함으로써 제공될 수 있다.
일부 실시예들에서는, 상기 사용자의 핵심안정성은 근전도 센서에 의해 회득되는 근전도신호에 근거하여 판정될 수 있다. 예를 들면, 상기 사용자의 핵심안정성은 훈련과정에서 사용자의 복근의 발력시간의 비율에 근거하여 판정될 수 있다. 상기 훈련과정에서, 사용자의 복근의 발력시간의 비율이 클 수록, 상기 사용자의 핵심안정성이 더 좋다. 일부 실시예들에서는, 상기 사용자의 핵심안정성은 자세센서에 의해 회득되는 자세신호에 근거하여 판정될 수 있다. 예를 들면, 상기 사용자의 핵심안정성은 훈련과정에서 사용자의 몸통의 운동진폭에 근거하여 판정될 수 있다. 일부 실시예들에서는, 상기 사용자의 핵심안정성은 상기 근전도신호 및 상기 자세신호에 근거하여 판정될 수 있다. 예를 들면, 상기 사용자의 핵심안정성은 사용자의 복근의 발력시간의 비율 및 훈련과정에서 사용자의 몸통의 운동진폭에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 감시결과는 상기 사용자의 근육 정보를 포함할 수 있다. 일부 실시예들에서는, 상기 사용자의 근육 정보는, 적어도 하나의 근육의 참여도, 상기 적어도 하나의 근육의 에너지소모, 상기 적어도 하나의 근육의 피로도, 적어도 2개의 근육들의 균형, 상기 적어도 하나의 근육의 능력, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다.
상기 근육의 참여도("공헌도"라고도 부른다) 및 상기 피로도는 타겟 훈련 근육(예를 들면, 중점훈련 근육)이 운동시 효과적으로 단련되었는지 여부, 및 기타 비타겟 훈련 근육들이 발력보상이 있는지 여부를 가리킬 수 있으며, 따라서 상기 사용자의 동작 품질을 평가할 수 있다. 일부 실시예들에서는, 근육의 에너지소모는 사용자의 근육의 근전도신호와 훈련시간에 근거하여 판정될 수 있다. 일부 실시예들에서는, 각 근육의 참여도는 운동시 사용자의 각 근육의 에너지소모 대 전체 근육들의 에너지소모의 비율에 근거하여 판정될 수 있다. 예를 들면, 어떤 훈련에서 전체 근육들의 에너지소모가 500 kcal이고 흉근들의 에너지소모가 250 kcal이면, 상기 흉근들의 참여도(공헌도)는 50%로 판정될 수 있다. 일부 실시예들에서는, 근육의 참여도는 상기 근전도신호의 특징정보에 근거하여 판정될 수 있다. 근전도신호의 특징정보는 진폭정보(예를 들면, 평방근 진폭, 적분 근전도, 진폭 포락선) 및/또는 상기 근전도신호의 주파수정보(예를 들면, 평균 전력주파수, 중간치 주파수, 단기 제로 교차율)를 포함할 수 있다. 예를 들면, 근육의 참여도는 훈련과정에서(또는, 동작과정) 근육의 적분된 근전도의 백분율에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 근전도신호는 전처리될 수 있으며, 근육의 참여도는 상기 처리된 근전도신호의 진폭정보 및/또는 주파수정보에 근거하여 판정될 수 있다. 일부 실시예들에서는, 상이한 근육들이 상이한 유형의 근육 섬유들을 가지고 상이한 근육 수량을 가지기 때문에, 상기 상이한 근육들이 내보내는 근전도신호들의 크기도 다를 수 있다. 예를 들면, 동일한 정도의 주관적 노력하에서, 근육 그릅, 예를 들면, 상기 상완이두근, 등은 상대적으로 큰 근전도신호를 내보내기 쉬울 수 있으며, 동시에 근육 그룹, 예를 들면, 상기 흉근, 등은 상대적으로 작은 근전도신호를 내보낼 수 있다. 따라서, 상기 근전도신호는 정규화하여 상기 상이한 근육 그룹들로부터 내보내는 근전도신호의 크기 차이를 없애거나 약화시킬 수 있다. 일부 실시예들에서는, 사용자의 근전도신호와 발력강도 사이는 비선형관계일 수 있다. 예를 들면, 사용자의 발력강도가 상대적으로 큰 경우, 상기 근전도신호의 진폭은 천천히 증가될 수 있다. 따라서, 근전도신호의 진폭은 비선형일 수 있으며, 상기 처리된 근전도신호는 근육의 참여도를 판정하는 데 이용될 수 있다.
근육의 피로도는 사용자의 근육의 최대 능력과 성장능력을 평가하도록 구성될 수 있으며, 이는 상기 사용자의 근육이 충족히 단련되었는지 여부를 반영할 수 있다. 사용자가 운동(특히, 강도훈련)을 할 때, 운동은 근육이 피로상태로 진입하게 할 수 있으며, 신체의 자연적인 회복에 의해 과량회복이 형성될 수 있으며, 근육의 강도, 체적, 내력 및 폭발력의 증가를 달성한다. 따라서, 운동 후 사용자의 근육의 피로도를 평가할 필요가 있다. 일부 실시예들에서는, 근육의 피로도는 근전도신호의 특징정보에 근거하여 판정될 수 있다. 예를 들면, 근육의 피로도는 적어도 하나의 훈련과정(예를 들면, 복수의 동작들 사이)에서 근전도신호의 특징값(예를 들면, 평균 전력 주파수, 중간치 주파수, 단기 제로 교차율)의 변화도(예를 들면, 하강정도)에 근거하여 판정될 수 있다. 다른 하나의 예로써, 사용자가 상기 복수의 동작들을 하는 과정에서 근전도신호의 진폭이 하강추세를 보이면 근육이 점차 피로상태로 진입함을 표시할 수 있다. 상기 근전도신호의 진폭의 하강이 빠를 수록(즉, 상기 상기 진폭의 경사도가 크다), 근육의 피로도도 더 높다. 다른 하나의 예로써, 상기 근전도신호의 진폭이 높은 정도의 지터를 가지는 것이 검측되면, 이는 상기 근육이 점차 피로삼태에 진입함을 의미할 수 있다. 다른 하나의 예로써, 근육의 피로도는 상기 근전도 진폭 포락선의 안정도에 근거하여 판정될 수 있다. 상기 근전도 진폭 포락선의 안정도가 낮을 수록, 근육의 피로도가 높다. 일부 실시예들에서는, 근육의 피로도는 자세신호(예를 들면, 각속도, 각속도 방향, 각속도의 가속도, 각도, 변위 정보, 및 응력)의 특징정보에 근거하여 판정될 수 있다. 예를 들면, 상기 자세신호가 떨림 정도가 높음을 검측하면, 상기 사용자의 동작이 떨리거나 심하게 변형되며, 이는 상기 근육이 피로상태에 있음을 의미할 수 있다.
일부 실시예들에서는, 근육의 피로도는 훈련된 기계학습모형을 이용하여 판정할 수 있다. 예를 들면, 상기 훈련된 기계학습모형은 샘플정보에 근거하여 초기 모형을 훈련시킴으로써 생성될 수 있다. 일부 실시예들에서는, 상기 샘플정보는 복수의 사용자들의 근육들의 샘플 동작신호들 및 샘플 피로도들을 포함할 수 있다. 상기 샘플 피로도는 상기 샘플 동작신호에 근거하여 판정될 수 있다. 일부 실시예들에서는, 상기 초기 모형은 훈련 알고리즘을 이용하여 샘플정보에 근거하여 훈련되어 상기 훈련된 기계학습모형을 생성할 수 있다. 예시적인 훈련 알고리즘은 경사도 하강 알고리즘, 뉴톤 알고리즘, 준뉴톤(quasi-Newton) 알고리즘, 공액구배(conjugate gradient) 알고리즘, 생성대항성학습(generation adversarial learning) 알고리즘, 등을 포함할 수 있다. 상기 훈련된 기계학습모형은 사용자의 동작신호에 근거하여 사용자의 근육의 피로도를 판정하는 데 이용될 수 있다. 예를 들면, 상기 사용자의 동작신호를 상기 훈련된 기계학습모형에 입력할 수 있으며, 상기 훈련된 기계학습모형은 사용자의 근육의 피로도를 출력할 수 있다.
일부 실시예들에서는, 상기 사용자의 근육의 피로도에 근거하여 현재 운동이 사용자의 부하를 초과하는지 여부를 판정할 수 있다. 예를 들면, 상기 사용자의 모 근육의 피로도가 제1 피로 역치를 초과한다고 판정하는 경우, 현재 운동량이 사용자의 부하를초과하였다고 판정할 수 있다. 이 때, 사용자에게 프롬프트를 발송하여 사용자가 운동량을 줄이거나 또는 운동을 멈추어 상하는 것을 방지할 수 있다. 다른 하나의 예로써, 상기 사용자의 모 근육의 피로도가 제2 피로 역치보다 낮다고 판정되는 경우, 현재 사용자의 운동량이 희망하는 훈련효과를 달성하는 데 불충분하다고 판정될 수 있거나, 또는 사용자가 여전히 여지 에너지를 가지고 있음을 의미할 수 있다. 이 때, 상기 사용자에 프롬프트를 발송하여 사용자에게 운동량을 증가하여 훈련효과를 확보하도록 리마인드할 수 있다. 일부 실시예들에서는, 상기 사용자의 피로도에 근거하여 회복시간을 추정하고 사용자에게 피드백하여 사용자가 사전에 다음 운동을 계획하도록 도울 수 있다.
일부 실시예들에서는, 적어도 2개 근육들의 균형은 사용자의 신체의 동일한 근육군 중의 좌우 근육들의 운동균형일 수 있다. 예를 들면, 적어도 2개 근육들의 균형은 사용자의 왼쪽 대흉근과 오른쪽 대흉근의 균형을 가리킬 수 있다. 신체의 왼쪽 및 오른쪽의 근육들이 사용자의 운동시 분균형인 경우, 동작의 미감에만 형상을 줄 뿐만 아니라, 동작의 표준정도에도 영향을 준다. 신체의 왼쪽 및 오른쪽의 근육들이 분균형인 경우, 상기 사용자는 상할 리스크가 있을 수 있다. 따라서, 사용자의 신체의 왼쪽 및 오른쪽 근육들의 균형을 감시할 필요가 있다. 일부 실시예들에서는, 근육들의 균형은 근육들의 발력강도들의 균형, 근육들의 피로도들의 균형, 근육들의 에너지소모들의 균형, 등을 포함할 수 있다.
일부 실시예들에서는, 적어도 2개 근육들의 균형은 상기 동작신호(예를 들면, 상기 근전도신호, 상기 자세신호)의 특징정보에 근거하여 판정될 수 있다. 일부 실시예들에서는, 2개의 근육의 근전도신호들(예를 들면, 제곱평균근 진폭, 상기 적분 근전도, 상기 진폭 포락선)의 진폭정보를 비교함으로써 상기 2개의 근육들의 발력강도들이 균형되는지 여부를 판정할 수 있다. 예를 들면, 상기 2개의 근육들의 근전도신호들의 진폭정보 사이의 차이가 역치 범위 내이면, 상기 2개의 근육들의 발력강도들이 실질적으로 같다고 고려할 수 있다. 일부 실시예들에서는, 상기 2개의 근육들의 근전도신호의 주파수정보들(예를 들면, 상기 평균 전력 주파수, 상기 중간치주파수, 상기 단기 제로 교차율)를 비교함으로써 상기 2개의 근육들의 피로도들이 같은지 여부를 판정할 수 있다. 예를 들면, 상기 2개의 근육들의 근전도신호의 주파수정보들 사이의 차이가 역치 범위 내이면, 상기 2개의 근육들의 피로도들이 실질적으로 같다고 고려할 수 있다. 일부 실시예들에서는, 상기 2개의 근육들의 자세신호들(예를 들면, 상기 가속도 및 상기 각속도)의 특징정보를 비교함으로써, 사용자의 신체의 왼쪽 및 오른쪽 사지들의 운동속도들과 운동각도들이 일치한지 여부를 판정할 수 있으며, 따라서 상기 사용자의 동작자세의 균형을 판정한다. 일부 실시예들에서는, 사용자의 신체의 왼쪽 및 오른쪽 근육들의 균형도는 상기 적어도 2개 근육들의 발력강도들의 균형, 상기 적어도 2개 근육들의 피로도들의 균형, 및 상기 사용자의 운동의 동작자세의 균형에 근거하여 종합적으로 판정될 수 있다. 일부 실시예들에서는, 사용자의 왼쪽 및 오른쪽 근육들의 균형도가 상대적으로 낮다고 판정된 경우, 사용자에게 프롬프트를 발송하여 사용자가 일부 근육군들의 단련을 강화하도록 리마인드 하거나 또는 현재 단련의 자세를 개선하여 운동효과를 확보하게 할 수 있다.
근육의 능력은 훈련과정에서 사용자가 힘이 빠진상태에 이를 때의 훈련량일 수 있다. 일부 실시예들에서는, 근육의 능력은 에너지소모, 운동 그룹들의 수량, 운동회수의 수량, 무게, 시간, 등 중 하나 이상의 특징들에 의해 판정되는 특징량에 의해 표시될 수 있다. 예를 들면, 근육의 능력은 총 운동회수를 총 무게와 곱하여 얻은 총 운동량으로 표현될 수 있거나, 또 상기 총 운동회수을 상기 총 무게와 곱하고 상기 시간으로 나누어 얻은 공률로 표현될 수 있다. 일부 실시예들에서는, 사용자 근육의 피로도는 사용자의 근전도신호 및/또는 상기 자세신호에 근거하여 판정될 수 있으며, 사용자 근육의 피로도가 상대적으로 높가(예를 들면, 피로 역치보다 높다)고 판정된 경우의 사용자의 상기 훈련량(예를 들면, 에너지소모량)이 판정될 수 있으며, 이 때 사용자의 훈련량(예를 들면, 상기 에너지소모량)은 사용자의 근육의 능력으로 이용될 수 있다.
절차2430에서, 동작 피드백모드는 상기 감시결과에 근거하여 판정될 수 있다.
일부 실시예들에서는, 상기 절차 2430는 상기 처리모듈(220)을 통해 수행될 수 있다.
일부 실시예들에서는, 상기 동작 피드백모드는 피드백 방식, 피드백 우선급, 피드백 내용, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 피드백 방식은 문자 프롬프트, 음성 프롬프트, 이미지 프롬프트, 비디오 프롬프트, 진동 프롬프트, 압력 프롬프트, 등, 또는 이들의 임의의 조합을 포함할 수 있지만 이에 한정되지 않는다. 예를 들면, 상기 문자 프롬프트는 상기 입출력모듈(260)의 디스플레이를 통해 표시될 수 있다. 상기 음성 프롬프트는 상기 입출력모듈(260) 및/또는 상기 착용가능장치(130)의 스피커를 통해 소리를 재생시켜 구현될 수 있다. 상기 이미지 프롬프트 및 상기 비디오 프롬프트는 상기 입출력모듈(260) 및/또는 상기 착용가능장치(130)의 디스플레이에 의해 구현될 수 있다. 상기 진동 프롬프트는 상기 입출력모듈(260) 및/또는 상기 착용가능장치(130)의 진동모듈의 진동에 의해 구현될 수 있다. 상기 압력 프롬프트는 상기 착용가능장치(130)에서의 전극들을 통해 구현될 수 있다. 일부 실시예들에서는, 상기 동작 피드백모드는 상기 사용자의 운동의동작 유형에 따라 판정될 수 있다. 예를 들면, 사용자가 달리기를 할 때, 상기 문자 프롬프트가 상기 사용자에 의해 수신되기 쉽지 않기 때문에, 상기 음성 프롬프트, 상기 진동 프롬프트, 또는 상기 압력 프롬프트를 선택하여 상기 감시결과를 상기 사용자에게 피드백할 수 있다.
일부 실시예들에서는, 상기 피드백 우선급은 즉시 피드백, 동작 완료 후 피드백, 훈련 완료 후 피드백, 등을 포함할 수 있다. 상기 즉시 피드백은, 운동시, 사용자에게 문제(예를 들면, 근육의 발력강도가 상대적으로 높다)가 있을 때, 상기 입출력모듈(260)이 즉시 상기 상응한 피드백 방식에 근거하여 상기 사용자에게 피드백하는 것을 가리킬 수 있다. 동작/훈련 완료 후 피드백은 상기 입출력모듈(260) 이 사용자가 동작/훈련을 완료한 후 훈련제안의 방식으로 사용자에게 피드백하는 것을 가리킬 수 있다. 일부 실시예들에서는, 동작의 피드백 우선급은 사용자의 동작 유형에 근거하여 판정될 수 있다. 예를 들면, 상기 사용자의 운동의 동작 유형이 사용자가 쉽게 상을 입는 동작인 경우, 예를 들면, 딥 스쿼트 동작은 무릎 버클을 일으켜 상기 사용자의 무릎에 상처를 주며, 이 때, 상기 동작 피드백모드의 우선급은 상대적으로 높고, 더 눈에 띄이는 피드백 방식(예를 들면, 표기가 있는 문자 프롬프트)를 이용하여 피드백할 수 있으며, 따라서 상기 사용자는 제때에 피드백를 수신하고 상기 동작 자세를 조절할 수 있다. 다른 하나의 예로써, 사용자의 동작 유형의 운동이 이두근 컬 동작이면, 사용자의 팔이 최저점에서 쉽게 연속적인 발력이 없이 긴장이 풀린 상태로 되어 훈련효율이 낮으나, 사용자의 신체에 손상을 입히지는 않는다. 이 때, 상기 동작 피드백모드의 우선급은 상대적으로 낮을 수 있으며, 예를 들면, 사용자가 훈련을 완료한 후 문자 프롬프트를 통해 피드백할 수 있다.
일부 실시예들에서는, 상기 감시결과에 근거하여 사용자의 운동동작에 착오가 발생했는지 여부를 판정할 수 있으며, 동작의 피드백 우선급은 사용자의 운동의 동작착오의 유형에 따라 판정될 수 있다. 상기 동작착오의 유형은 사용자가 상기 동작착오를 했을 때 사용자의 신체에 대한 손상도를 반영할 수 있다. 일부 실시예들에서는, 상기 동작착오의 유형은 1급 동작착오 유형, 2급 동작착오 유형, 및 3급 동작착오 유형으로 나눌 수 있다. 1급 동작착오 유형은 사용자에게 쉽게 상처(예를 들면, 상기 딥 스쿼트 동작과정에 무릎 버클)를 일으키는 동작착오의 유형일 수 있다. 상기 2급 동작착오 유형은 타겟 훈련 근육이 효과적으로 훈련되지 못하는(예를 들면, 사용자가 상기 착좌식 흉부압박을 할 때 팔이 구불어져 발력하므로, 따라서 상기 상완이두근이 단련되나 상기 흉근들은 단련되지 않는다) 동작착오의 유형일 수 있다. 상기 3급 동작착오 유형은 상대적으로 낮은 훈련효율(예를 들면, 너무 느리게 달리다)을 초래하는 동작착오의 유형일 수 있다. 일부 실시예들에서는, 상기 동작착오의 유형이 상기 1급 동작착오 유형인 경우, 상기 피드백 우선급은 상기 즉시 피드백일 수 있다. 상기 동작착오의 유형이 상기 2급 동작착오 유형인 경우, 상기 피드백 우선급은 동작 완료 후 피드백일 수 있다. 상기 동작착오의 유형이 상기3급 동작착오 유형인 경, 상기 피드백 우선급은 훈련 완료 후 피드백일 수 있다.
일부 실시예들에서는, 상기 피드백 내용은 상기 감시결과(예를 들면, 상기 동작 유형, 동작 수량, 동작 품질, 동작 시간), 상기 동작착오의 유형, 동작 완성도, 상기 훈련 제안, 등, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 운동 감시결과, 예를 들면, 사용자의 운동의 동작 유형 및 동작착오의 유형에 근거하여 상기 피드백 내용을 판정할 수 있다. 예를 들면, 사용자가 훈련을 완료한 후, 상기 입출력모듈(260)은 상기 훈련과정에서 훈련 정보(예를 들면, 상기 동작 유형, 동작 수량, 동작 품질, 동작 시간)를 상기 사용자에게 피드백할 수 있으며, 따라서 사용자가 상기 훈련과정을 충분히 이해하도록 방조한다. 다른 하나의 예로써, 사용자가 운동시 동작착오를 한 경우(예를 들면, 상기 딥 스쿼트 동작과정에서 무릎 버클), 상기 입출력모듈(260)은 상기 사용자에게 현재 동작착오 프로프트를 주어 사용자가 제때에 상기 동작을 조절하도록 돕는다. 일부 실시예들에서는, 사용자가 운동시 동작착오를 한 경우(예를 들면, 모 근육의 발력이 틀림), 상기 사용자의 착오를 사용자 동작모형에서 모 근육에 대응되는 위치에 표시할 수 있다. 예를 들면, 에지 반짝이기, 표기,문자, 부호(예를 들면, 감탄표), 등 방식을 사용자 동작모형 중의 모 근육에 대응되는 위치에 사용하여 상기 사용자에게 상기 위치에서 모 근육의 발력이 틀렸음을 촉구할 수 있다.
절차2440에서, 상기 동작 피드백모드에 따라 사용자에게 동작 피드백을 줄 수 있다.
일부 실시예들에서는, 상기 절차 2440는 상기 입출력모듈(260)을 통해 수행될 수 있다.
일부 실시예들에서는, 상기 입출력모듈(260)은 문자, 도면(예를 들면, 꺽은선형 차트, 막대형 차트, 원형 차트, 히스토그램), 소리, 이미지, 비디오, 등, 또는 이들의 임의의 조합의 형식으로 사용자에게 감시결과를 표시할 수 있다.
도 25는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도25에 표시하는 바와 같이, 사용자가 훈련을 완료한 후 인터페이스(2500)에 문자의 형식으로 기본 훈련정보와 단련수치를 표시한다. 일부 실시예들에서는, 사용자는 훈련을 시작하기 전에 사전에 훈련계획을 작성할 수 있다. 훈련 후, 사용자가 훈련 후 기본 훈련 정보를 상기 훈련계획과 비교하여 사용자가 훈련계획의 완성도를 판정하도록 도울 수 있다.
도 26은 본 개시의 일부 실시예들에 따른 운동감시 인터페이를 나타내는 예시적인 개략도이다스. 도26에 표시하는 바와 같이, 사용자가 훈련을 완료한 후 각 근육의 에너지소모를 원형 차트 및 문자의 형식으로 인터페이스 2600에 표시할 수 있다. 도 26에서, 상기 훈련에서, 사용자의 각 근육의 에너지소모는 적어지는 순서로 흉근, 상완이두근, 황배근 및 다른 근육들임을 알 수 있다. 상기 사용자는 원형 차트를 통해 각 근육의 에너지소로의 비율을 직관적으로 관찰할 수 있다.
도 27은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도27에 표시하는 바와 같이, 근육의 피로도, 상기 피로도의 평가, 및 사용자가 훈련을 완료한 후 근육의 최대 능력의 평가를 패턴 및 문자의 형식으로 인터페이스(2700)에 표시한다. 도27에 표시하는 바와 같이, 근육의 상이한 피로도들은 상이한 색상의 원형 패턴들에 의해 표시될 수 있으며, 각 근육의 피로도는 근육의 피로도 및 상기 근육의 최대 능력(예를 들면, 기진맥진, 여력이 있음, 긴장이 풀림)에 근거하여 평가될 수 있다.
도 28은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도28에 표시하는 바와 같이, 사용자가 훈령을 완료한 후 신체의 왼쪽 및 오른쪽 근육들의 균형을 히스토그램의 형식으로 인터페이스(2800)에 표시한다. 각 유형의 근육은 기둥형 막대에 대응될 수 있다. 상기 기둥형 막대의 위치, 길이, 및/또는 색상은 상기 기둥형 막대에 대응되는 유형의 근육의 균형을 표시할 수 있다. 예를 들면, 근육에 대응되는 기둥형 막대의 길이가 길수록 및/또는 색상이 어두울 수록, 근육의 균형이 더 약하다. 도28에 표시하는 바와 같이, 흉근 및 상완이두근에 대응되는 기둥형 막대들은 오른쪽에 위치하고, 이는 상기 오른쪽 흉근 및 상기 오른쪽 상완이두근이 상대적으로 높은 에너지를 가짐을 표시할 수 있다. 황배근에 대응되는 기둥형 막대는 왼쪽에 있고, 이는 상기 왼쪽 황배근이 상대적으로 높은 에너지를 가짐을 의미할 수 있다. 그리고, 흉근에 대응되는 기둥형 막대의 길이가 상완이두근에 대응되는 기둥형 막대의 길이보다 길(또는 어둡다)며, 이는 흉근의 균형이 황배근의 균형보다 낮음을 의미할 수 있다.
도 29은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도 29에 표시하는 바와 같이, 사용자의 훈련과정에서 복근의 발력시간의 비율을 상태 표시줄의 형식으로 인터페이스(2900)에 표시하며, 이는 사용자의 핵심안정성을 반영한다. 예를 들면, 도 29에서 상기 훈련과정(예를 들면, 윗몸 일으키기)에서 사용자의 복근의 발력시간의 비율이 70%이면, 이는 사용자의 핵심안정성이 좋음을 반영함을 알 수 있다.
일부 실시예들에서는, 상기 감시결과는 사용자 모형(예를 들면, 도21b에 표시하는 앞면 근육분포맵(2101), 뒷면 근육분포모형(2102), 및 도 23a 내지 도23c에 표시하는 사용자 동작모형(010))에 표시될 수 있다. 예를 들면, 적어도 하나의 근육의 에너지소모, 적어도 하나의 근육의 피로도, 적어도 2개 근육들의 훈련 균형, 사용자의 적어도 하나의 근육의 능력, 등, 또는 이들의 임의의 조합은 상기 사용자 모형에 위치하는 적어도 하나의 특정된 위치에 표시할 수 있다. 상기 사용자 모형에서 상기 적어도 하나의 특정된 위치는 상기 사용자의 적어도 하나의 근육의 위치에 대응될 수 있다. 일부 실시예들에서는, 상이한 근육들의 에너지소모들, 상이한 근육들의 피로도들, 상이한 근육들의 훈련 균형들, 및/또는 상이한 근육들의 능력들은 상이한 표시색상들에 대응될 수 있으며, 따라서 상기 사용자는 더 직감적으로 상기 훈련결과를 감지할 수 있다. 일부 실시예들에서는, 상기 입출력모듈(260)은 타겟 근육에 관한 사용자 입력을 획득할 수 있으며, 상기 디스플레이 인터페이스에서 상기 타겟 근육의 정보를 표시할 수 있다.
도 30은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도 30에 표시하는 바와 같이, 사용자의 훈련과정에서 근육들의 공헌도(예를 들면, 근육들의 에너지소모 백분율)를 인체 근육분포맵의 형식으로 인터페이스(3000)에 표시한다. 에서 알 수 있다 도 30에서 사용자의 왼쪽 대흉근의 공헌도는 20%이고, 사용자의 오른쪽 대흉근의 공헌도는 30%이고, 사용자의 왼쪽 상완이두근과 오른쪽 상완이두근의 공헌도 양자가 20%이다. 일부 실시예들에서는, 근육의 공헌도가 높을 수록, 상기 근육분포맵에서 상응한 위치의 근육의 색상이 더 어둡다.
도 31은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도31에 표시하는 바와 같이, 사용자의 훈련과정에서 근육의 피로도를 인체 근육분포맵의 형식으로 인터페이스(3100)에 표시한다. 예를 들면, 근육의 피로도가 높을 수록, 상기 근육분포맵에서 상응한 위치의 근육의 색상더 더 어둡다.
유의해야 할 것은 도 25 내지 도31에 표시하는 인터페이스의 표사방식은 단지 예들이다. 일부 실시예들에서는, 적어도 2개 근육들의 균형 및/또는 근육의 능력을 상기 인터페이스에서 인체 근육분포맵의 형식으로 표시할 수 있다. 일부 실시예들에서는, 복수의 감시결과들을 하나의 인터페이스에서 복수의 방식으로 표시할 수 있다. 예를 들면, 훈련과정의 사용자의 근육의 공헌도와 근육의 피로도를 동시에 상기 인체 근육분포맵에 표시할 수 있다. 다른 하나의 예로써, 사용자가 훈련을 완료한 후 각 근육의 에너지소모를 상기 인터페이스에 원형 차트의 형식으로 표시할 수 있고, 사용자의 훈련과정에서 각 근육의 에너지소모를 상기 인체 근육분포맵에 동시에 표시할 수 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)은 사용자의 복수의 훈련과정들의 운동 데이터를 계산하고 운동기록을 생성할 수 있으며, 따라서 사용자가 장기간 단련하는 과정의 신체기능 및 제질의 변화를 요해하는 것을 돕고, 사용자가 좋은 단련 습관을 유지하도록 돕는다.
도 32는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도32에 표시하는 바와 같이, 상이한 훈련 주기들(예를 들면, 일, 주일, 달, 및 년을 단위로 하는 훈련 주기들)에서 사용자의 각 근육의 공헌도(또는 에너지소모)를 히스토그램(3210)을 통해 인터페이스(3200)에 표시한다. 예를 들면, 상이한 근육들의 공헌도는 기둥형 막대들에 상이한 색상으로 표시할 수 있다. 일부 실시예들에서는, 사용자는 상기 인터페이스(3200)에서 근육분포맵(3220)중의 타겟 근육을 선택할 수 있다. 예를 들면, 사용자의 근육분포맵(3220)중의 근육을 클릭하여 상기 타겟 근육으로 할 수 있다. 도33에 표시하는 바와 같이, 사용자가 근육분포맵(3320)에서 흉근(3330)을 상기 타겟 근육으로 선택하는 경우, 상기 상이한 훈련 주기들에서 흉근의 공헌도를 히스토그램(3310)을 통해 인터페이스(3300)에 표시한다. 각 근육 그룹의 공헌도를 장기간 통계하는 것을 통해, 사용자는 자체의 훈련 선호도 및 훈련 이력, 예를 들면, 어느 근육들이 늘 단련되고 어느 근육들이 장기간 단련되지 못함 등등의 이력을 요해할 수 있으며, 따라서 사용자가 훈련계획 더 잘 짜도록 돕는다.
도 34는 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도34에 표시하는 바와 같이, 사용자의 훈련과정에서 각 근육의 최대 에너지소모를 히스토그램(3410)을 통해 인터페이스(3400)에 표시하며, 따라서 각 근육의 능력을 반영한다. 일부 실시예들에서는, 사용자는 상기 인터페이스(3400)에서 근육분포맵(3420) 중의 타겟 근육을 선택할 수 있다. 예를 들면, 사용자는 상기 근육분포맵(3420)에서 모 근육을 클릭하여 타겟 근육으로 할 수 있다. 도35에 표시하는 바와 같이, 사용자가 근육분포맵(3520)에서 흉근(3530)을 상기 타겟 근육으로 선택하는 경우, 상이한 훈련 주기에서 흉근의 최대 에너지소모를 꺽은 선 차트(3510)을 통해 인터페이스(3500)에 표시한다. 각 근육 그룹의 능력을 장기간 통계하는 것을 통해, 사용자는 자체의 능력의 성장을 요해할 수 있으며, 따라서 사용자가 훈련계획을 더 잘 짜도록 돕는다.
도 36은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도36에 표시하는 바와 같이, 사용자의 근육의 균형을 히스토그램(3610)을 통해 인터페이스(3600)에 표시한다. 일부 실시예들에서는, 사용자는 상기 인터페이스(3600)에서 근육분포맵(3620)중의 타겟 근육을 선택할 수 있다. 예를 들면, 상기 사용자는 상기 근육분포맵(3620)에서 모 근육을 클릭하여 상기 타겟 근육으로 할 수 있다. 이 때, 상기 인터페이스는 상이한 훈련 주기들의 타겟 근육의 균형을 나타낼 수 있다. 상기 근육의 균형(또는 상기 핵심안정성)을 기록하는 것을 장기간 유지함으로써, 상기 사용자는 자체의 결점을 요해하고 제때에 훈련계획을 조절할 수 있다.
유의해야 할 것은 상기 절차 2400에 관한 상기 설명은 단지 설명에 목적에 의해 제공하는 것으로서, 본 개시의 범위를 한정하지 않는다. 본 분야의 통상의 기술자들에 있어서, 본 개시의 교시하에, 절차 2400에 대해 다양한 수정과 변경을 진행할 수 있다. 그러나, 이러한 수정들 및 변경들은 여전히 본 개시의 범위 내에 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)은 센서에 의해 획득한 사용자의 동작신호를 교정할 수 있다. 일부 실시예들에서는, 근전도 센서에 의해 수집되는 근전도신호는 복수의 요소들(예를 들면, 사용자 개체 차이, 사용자 피부 상태, 상기 근전도 센서의 장착위치, 근육의 발력강도, 근육의 피로도)의 영향을 쉽게 받을 수 있다. 상기 요소, 예를 들면, 상기 사용자 개체 차이, 상기 사용자 피부 상태, 상기 근전도 센서의 장착위치, 등은 상이한 사용자들에 대해 획득한 근전도신호들을 직접 비교할 수 없게 할 수 있다. 따라서, 상기 근전도신호를 교정하여, 상기 요소, 예를 들면, 상기 사용자 개체 차이, 상기 사용자 피부 상태, 상기 근전도 센서의 장착위치, 등의 상기 근전도신호에 대한 영향을 없애거나 또는 약화시킬 필요가 있다. 일부 실시예들에서는, 상기 운동감시시스템(100)은 운동(예를 들면, 워밍업)을 시작하기 전에 대부분의 검측하려는 근육 그룹들을 활성화하도록 사용자에게 일련의 교정동작들(예를 들면, 동작들, 예를 들면, 엎드려 팔 굽혀 펴기, 등. 이는 대량의 근육 그룹들이 발력하게 동원할 수 있다)을 수행하게 안내할 수 있다. 예를 들면, 상기 착용가능장치(130) 또는 상기 이동단말장치(140)의 디스플레이(예를 들면, 화면)는 상기 교정동작을 표시할 수 있으며, 사용자는 지시들에 따라 상응한 교정동작을 수행할 수 있다. 상기 처리모듈(220)은 사용자가 교정동작을 할 때 근전도 센서에 의해 수집되는 근전도신호를 참고값으로 판정할 수 있으며 상기 동작에서 사용자에 의해 수집되는 전부의 근전도신호들을 교정한다. 예를 들면, 엎드려 팔 굽혀 펴기 동작을 상기 교정동작의 예로 들면, 동작을 하기전에, 상기 운동감시시스템(100)은 상기 사용자를 복수의 조의 엎드려 팔 굽혀 펴기(예를 들면, 3~5회 엎드려 팔 굽혀 펴기)를 하도록 안내할 수 있으며, 상기 근전도 센서를 통해, 사용자의 활성화된 근육들 예를 들면, 흉근, 상완이두근, 삼두근 브라치근, 복직근 등의 근전도신호들을 수집하고, 상기 엎드려 팔 굽혀 펴기 동작에 의해 활성화된 근육의 근전도 진폭의 특정된 배수를 상기 참고값으로 판정한다. 일부 실시예들에서는, 상기 배수의 범위는 1.2~5 배 사이에 있을 수 있다. 예를 들면, 상기 배수의 범위는1.2~3배 사이에 있을 수 있. 일부 실시예들에서는, 각 근육은 상이한 배수에 대응될 수 있다. 상기 배수는 사용자 또는 상기 운동감시시스템(100)에 의해 기설정된 값일 수 있거나, 또는 근전도신호의 특징을 분석하여 판정한 값일 수 있다. 일부 실시예들에서는, 운동에서 타겟 사용자의 근전도신호의 참고값은 복수의 이력 운동 중에서 상기 타겟 사용자가 교정동작을 할 때 수집한 복수의 이력 근전도신호들에 근거하여 판정될 수 있다. 일부 실시예들에서는, 운동에서 타겟 사용자의 근전도신호의 참고값은 복수의 사용자가 교정동작을 할 때 수집한 복수의 근전도신호들에 근거하여 판정될 수 있다. 타겟 사용자가 교정동작을 할 때 수집된복수의 이력 근전도신호들 및/또는 기타 사용자들이 교정동작을 할 때 수집된 근전도신호들을 이용하여 상기 타겟 사용자가 현재 교정동작을 할 때 수집되는 근전도신호들을 조절함으로써, 동작의 근전도신호의 참고값의 정확도와 합리성이 개선될 수 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)은 사용자가 워밍업을 하도록 안내하고 사용자의 워밍업 결과를 표시할 수 있다. 운동전의 워밍업 단련은 사용자의 운동성능을 향상시킬 수 있으며, 운동시 사용자가 근육이 경련되는 것을 방지하고, 상처를 입는 리스크를 감소시킨다. 일부 실시예들에서는, 상기 착용가능장치(130) 또는 상기 이동단말장치(140)의 상기 디스플레이(예를 들면, 상기 스크린)는 일련의 워밍업 동작을 표시하여 사용자가 워밍업을 하도록 안내할 수 있다. 일부 실시예들에서는, 상기 처리모듈(220)은 사용자의 생리정보에 근거하여 사용자의 워밍업 결과를 판정할 수 있다. 예를 들면, 상기 워밍업 단련이 사용자의 심박률 상승을 초래하기 때문에, 사용자의 체온이 높아지고, 사용자의 땀량이 증가되며, 상기 착용가능장치(130)에 설치된 센서(예를 들면, 전극) 또는 기타 하드웨어 장치들은 상기 전극과 인체 사이의 접촉에 의해 생성되는 접촉 임피더느를 검측할 수 있으며, 그러므로 인체의 땀이 나는 상태를 판정하고 , 및 인체의 땀이 나는 상태에 근거하여 용자의 워밍업 단련이 충분하지 여부를 판정할 수 있다. 다른 하나의 예로써, 사용자의 근육의 피로도에 근거하여 사용자의 워밍업 단련이 충분한지 여부를 판정할 수 있다. 다른 하나의 예로써, 예를 들면, 사용자의 단련량, 심박률, 체온, 등 정보에 근거하여 사용자의 워밍업 단련이 충분한지 여부를 판정할 수 있다. 일부 실시예들에서는, 워밍업 건의는 상기 워밍업 결과에 근거하여, 사용자에게 제공할 수 있으며, 예를 들면, 워밍업 단련이 충분하므로 정식 단련을 시작하라고 프롬프트를 주거나, 또는 상기 사용자에게 상기 워밍업 단련을 계속하라고 프름프트를 줄 수 있다.
일부 실시예들에서는, 상기 처리모듈(220)은 상기 센서에 의해 수집되는 동작신호에 근거하여 센서의 작동상태가 정상인지 여부를 판정할 수 있다. 센서의 작동상태는 센서와 피부의 사이의 접촉상태를 포함할 수 있다. 상기 센서와 피부 사이의 접촉상태는 센서와 피부 사이의 핏팅정도, 서와 피부 사이의 접촉 임피던스, 등을 포함할 수 있다. 사용자의 피부에 설치된 센서에 의해 수집되는 동작신호의 품질은 센서와 피부의 사이의 접촉상태와 관련될 수 있다. 예를 들면, 센서와 피부 사이의 핏팅정도가 나쁜 경우, 센서에 의해 수집된 동작신호에는 더 많은 소음이 있을 수 있으며, 결국 사용자의 실제 동작상태를 반영할 수 없게 된다. 일부 실시예들에서는, 센서와 피부 사이의 핏팅정도는 상기 동작신호(예를 들면, 상기 동작신호 중의 소음량)의 품질 및/또는 센서와 피부 사이의 접촉 임피던스에 따라 판정될 수 있다. 센서와 피부 사이의 핏팅정도가 일정한 역치보다 낮으면, 센서의 작동상태가 비정상이라고 판정할 수 있다. 이 때, 프롬프트 정보를 상기 사용자에게 발송하여 상기 사용자가 센서의 상태를 체크하도록 리마인드할 수 있다. 도 37은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도37에 표시하는 바와 같이, 인터페이스(3700)는 인체 근육분포맵(3710)를 표시하며, 점선 3720은 오른쪽 흉근의 위치의 센서와 사용자의 피부 사이의 핏팅정도가 상대적으로 낮음을 의미한다. 일부 실시예들에서는, 센서와 사용자의 피부 사이의 핏팅정도가 낮은 위치는 기타 방식들(예를 들면, 상이한 색상들을 이용하는 표기)로 표기할 수 있다.
일부 실시예들에서는, 상기 사용자의 동작신호는 사용자의 특징에 관련되는 신호를 포함할 수 있다. 상기 처리모듈(220)은 사용자의 특징에 관련되는 신호에 근거하여 사용자의 특징정보를 판정할 수 있다. 사용자의 특징정보는 체형 정보, 신체 성분 정보, 등을 포함할 수 있다. 상기 체형 정보는 허리 둘레, 가슴 둘레, 엉뎅이 둘레, 팔 길이, 다리 길이, 어깨 폭, 등을 포함할 수 있다. 상기 신체성분 정보는 몸무게, 체지방율, 지방분포, 근육분포, 골밀도, 등을 포함할 수 있다. 예를 들면, 복수의 스트레인 게이지 센서들은 사용자의 신체의 복수의 부위에 설치될 수 있다. 상기 스트레인 게이지 센서의 늘어나는 길이에 따라 변하는 저항의 크기를 측정함으로써, 획득한 동작신호들은 변위 정보, 응력, 등을 포함할 수 있다. 상기 동작신호들은 사용자의 체형정보를 의미할 수 있다. 다른 하나의 예로써, 전기신호들은 사용자의 신체의 복수의 부위들에 설치된 전극들에 응용될 수도 있으며, 인체 내의 전도특성의 정보는 체표면의 전위를 측정함으로써 추출될 수 있으며, 따라서 사용자의 신체 성분에 대하여 자리를 정하고 측량한다.
일부 실시예들에서는, 상기 운동감시시스템(100)은 장기간 사용자의 특징정보를 감시하고, 통계 분석결과를 사용자에게 표시하여 사용자가 건강상태를 더 잘 요해하고 더 합리한 단련계획을 짜도록 도울 수 있다. 예를 들면, 일정한 기간의 사용자의 특징정보의 변화(예를 들면, 사용자의 각 부위의 지방분포, 사용자의 각 부위의 근육분포)에 근거하여, 상기 운동감시시스템(100)은 적합한 단련항목, 예를 들면, 근육구축단련, 검비단련, 스트레칭 운동, 등을 사용자에게 제안할 수 있다.
일부 실시예들에서는, 상기 체형 정보에 근거하여 적당한 크기의 착용가능장치를 상기 사용자에게 제안할 수 있다. 예를 들면, 상기 사용자가 장기간 단련 후 여위어지면, 상기 사용자에게 프롬프트를 발송하여 사용자가 새로운 착용가능장치로 바꾸도록 리마인드할 수 있다. 다른 하나의 예로써, 사용자가 select 기타 유형의 착용가능장치들를 선택하는 경우, 상기 체형 정보에 근거하여 사용자에게 적당한 크기를 제안할 수 있다.
일부 실시예들에서는, 사용자가 상기 착용가능장치(130)를 착용하고 단련하는 경우, 사용자는 감지훈련모드를 선택할 수 있다. 상기 감지훈련모드에서, 상기 사용자의 근육(예를 들면, 상기 타겟 근육)이 발력할 때, 상기 착용가능장치(130) 또는 상기 이동단말장치(140)의 상기 디스플레이(예를 들면, 상기 스크린)는 근육의 발력강도를 표시할 수 있다. 예를 들면, 타겟 근육의 발력강도는 상태 표시줄(예를 들면, 도 21b에 표시하는상태 표시줄들(2103 및 2104))을 통해 표시될 수 있다. 다른 하나의 예로써, 상기 타겟 근육의 발력강도는 소리출력장치(예를 들면, 스피커)가 내는 음량에 의해 표시될 수 있다. 또 다른 예로써, 사용자 모형에서 상응한 근육 위치의 밝기와 색상은 변하여 상기 타겟 근육의 발력강도의 변화를 나타낼 수 있다. 일부 실시예들에서는, 사용자의 타겟 근육의 발력강도가 표준 발력강도와 일치하면, 사용자에게 프롬프트(예를 들면, 음성 프롬프트, 문자 프롬프트, 등.)을 주어 사용자가 근육들을 제어하는 감각을 강화하도록 도울 수 있다. 상기 감지훈련모드를 통해, 사용자가 사지들 및 근육들을 제어하는 것을 배우도록 도울 수 있으며, 대뇌 및 신경 시스템이 근육들을 제어하는 능력을 증가시켜, 운동 성능을 효과적으로 개선하고, 동작 패턴을 개선하고, 심지어 자세도 수정할 수 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)는 사용자에 관련되는 정보에 근거하여 상기 사용자의 동작계획을 세울수 있다. 사용자에 관련되는 정보는 상기 사용자의 특징정보(예를 들면, 성별, 체형 정보, 신체성분 정보), 운동이력, 상처를 입은 이력, 건강상태, 희망하는 훈련목표(예를 들면, 근육구축훈련, 검비훈련, 심장 폐 기능강화훈련, 자세수정훈련), 희망하는 훈련강도(예를 들면, 고강도 훈련, 중강도 훈련, 저강도 훈련), 훈련유형 선호도(예를 들면, 장비훈련, 제중훈련, 무산소 훈련, 유산소 훈련), 등을 포함할 수 있다. 일부 실시예들에서는, 전문가(예를 들면, 피트니스 강사)는 사용자에 관련되는 정보에 근거하여 운동계획을 세우고, 상기 운동계획을 상기 운동감시시스템(100)에 업로드할 수 있다. 상기 사용자는 실제 상황에 근거하여 상기 운동계획을 수정하고 조절할 수 있다. 도 38은 본 개시의 일부 실시예들에 따른 운동감시 인터페이스를 나타내는 예시적인 개략도이다. 도 38에 표시하는 바와 같이, 사용자는 인터페이스(3800)에서 훈련목표(예를 들면, 강화하려는 근육, 강화목표), 훈련 강도(예를 들면, 고강도 훈련, 중강도 훈련, 저강도 훈련), 훈련유형 선호도(예를 들면, 장비훈련, 제중훈련, 무산소 훈련, 유산소 훈련), 훈련시간, 계획주기, 등을 입력하거나 선택할 수 있다. 상기 운동감시시스템(100)은 상기 사용자의 입력 및 선택에 근거하여 상기 사용자에게 적당한 운동계획을 지정할 수 있다.
일부 실시예들에서는, 상기 운동감시시스템(100)는 상기 착용가능장치의 사용수명(예를 들면, 잔여 사용가능 시간, 잔여 청결가능 회수, 잔여 사용가능 회수)을 평가할 수 있다. 예를 들면, 상기 착용가능장치는 옷수명분석모듈을 포함할 수 있다. 상기 옷수명분석모듈은 상기 센서와 상기 사용자의 접촉 임피던스, 상기 센서에 의해 수집되는 상기 동작신호(예를 들면, 근전도 센서 신호, 관성센서 신호, 응력 센서 신호)의 품질, 및 상기 착용가능장치의 상태(예를 들면, 청결된 회수, 사용시간, 사용된 회수)에 근거하여 상기 착용가능장치의 마모도를 판정하고, 상기 착용가능장치의 마모도에 근거하여 사용수명을 평가한다. 일부 실시예들에서는, 상기 착용가능장치의 사용수명이 일정한 사용가능시간(예를 들면, 일주일)보다 작거나 또는 일정한 사용가능회수(예를 들면, 5회)보다 작은 경우, 상기 사용자에게 프롬프트를 주어 사용자가 제때에 새 착용가능장치로 바꾸도록 리마인드할 수 있다.
상기 기본 개념에 대한 설명을 통하여, 본 분야의 통상의 기술자들은 상기의 상세한 설명을 열독한 후, 이 상세설명은 예를 제시하는 목적뿐이고 한정적이 아님을 명확할 것이다. 여기에서 명기하지 않았지만 본 분야의 통상의 기술자들에 있어서 다양한 변화, 개진, 또는 수정은 가능하며 또한 이를 추구할 수 있다. 본 개시에 의하여 이러한 변화, 개진, 또는 수정은 제안을 주기 위함이고, 이는 본 개시의 바람직한 실시예의 요지와 범위내에 있는 것이다.
본 개시의 실시예들을 설명하는데 어떤 용어를 사용하였다. 예를 들면, 사용된 용어 이를테면 "하나의 실시예", "실시예", 및/또는 "일부 실시예"는 실시예와 관련하여 설명한 상세한 특징, 구조 또는 특성은 본 개시의 적어도 하나의 실시예에 포함됨을 의미한다. 따라서, 본 명세서의 여러 부분에서 2번 이상 언급된 "일 실시예" 또는 "하나의 실시예" 또는 "대안 실시예"는 전부 동일한 실시예를 가르킬 필요가 없음을 강조하고 유의해야 한다. 또한, 구체적인 특징, 구조 또는 특성은 본 개시의 하나 이상의 실시예에 적당히 조합될 수 있다.
또한, 본 분야의 통상의 기술자들에 있어서, 이해해야 할 것은 본 개시의 각 방면가 임의의 새롭고 유용한 프로세스, 기계, 제조 또는 물질의 조성 또는 이에 대한 새롭고 유용한 개선 사항을 포함하는 다수의 특허 가능한 분류 또는 맥락에서 예시 및 설명될 수 있다는 것이다. 상응하게, 본 개시의 각 양태는 전체적으로 하드웨어, 전체적으로 소프트웨어(펌웨어, 상주 소프트웨어, 마이크로 코드 등) 또는 소프트웨어와 하드웨어를 조합하여 구현될 수 있다. 이상의 소프트웨어와 하드웨어는 일반적으로 여기에서 "데이터 블록", "모듈", "엔진", "유닛", "부재", 또는 "시스템"라고 부를 수 있다. 또한 본 공개의 각 방면들은 하나 이상의 컴퓨터 판독가능한 매체내에 있는 컴퓨터 제품, 컴퓨터 판독가능한 프로그램 코드를 내장한 제품의 형식을 취할 수 있다.
컴퓨터 스토리지 매체는 예를 들면, 기저대 또는 반송파의 일부분에 포함되는 컴퓨터 판독가능 프로그램 코드를 구비하는 전파되는 데이터 신호를 포함할 수 있다. 이러한 전파신호는 전자기 형태, 광학 형태 등 또는 적절한 조합 형태를 포함하여 다양한 표현형식을 가질 수 있다. 컴퓨터 스토리지 매체는 컴퓨터 판독가능 스토리지 매체가 아닌 임의의 컴퓨터 판독가능 매체로서, 이용하기 위한 프로그램을 통신, 전파, 또는 전송할 수 있거나 명령집행 시스템, 장치 또는 디바이스와의 연결할 수 있다. 컴퓨터 판독가능한 매체에 위치한 프로그램 코드는 라디오, 케이블, 광섬유 케이블, RF 또는 유사한 매체, 또는 전술한 임의의 조합을 포함하는 임의의 적절한 매체를 통해 전파될 수 있다.
본 개시의 각 양태의 동작을 수행하기 위한 컴퓨터 프로그램 코드는 Java, Scala, Smalltalk, Eiffel, JADE, Emerald, C++, C#, VB. NET, Python 등과 같은 객체 지향 프로그래밍 언어, C 프로그래밍 언어, 비주얼 베이직, 포트란 2003, 펄, 코볼 2002, PHP, ABAP와 같은 상규적인 프로그래밍 언어, 파이썬, 루비, 그루비 같은 동적 프로그래밍 언어, 또는 기타 프로그래밍 언어와 같은 언어를 포함하여 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성될 수 있다. 프로그램 코드는 전체적으로 사용자의 컴퓨터에서, 일부가 사용자의 컴퓨터에서 독립 수행형 소프트웨어 패키지로써, 일부는 사용자의 컴퓨터에서 일부는 원격 컴퓨터에서 또는 전체적으로 원격 컴퓨터나 서버에서 수행될 수 있다. 후자의 상황에서, 원격 컴퓨터는 LAN(Local Area 네트워크) 또는 WAN(Wide Area 네트워크)을 포함한 임의의 유형의 네트워크를 통해 사용자의 컴퓨터에 연결되거나, 또는 상기 연결은 외부 컴퓨터(예를 들면, 상기 인터넷을 통해) 또는 클라우드 계산 환경으로 연결되거나, 또는 서비스로써, 예를 들면, 소프트웨어를 서비스(SaaS)로써 사용할 수 있다.
또한, 상기 인용된 소자들 또는 서열들을 처리하는 순서, 또는 수자들, 문자들, 또는 기타 관련 명칭의 사용은 청구범위에 명시된 경우를 제외하고 주장된 프로세스 및 방법을 임의의 순서로 제한하기 위한 것이 아니다. 상기 개시는 상기 개시의 여러 다양한 유용한 실시예를 통해 현재 본 개시의 다양한 유용한 실시예로 간주되는 것이 무엇인지를 논의하지만, 이러한 상세 내용은 단지 그 설명의 목적을 위한 것으로서 첨부된 청구범위들이 개시된 실시예들에 한정되는 것이 아니라, 그 반대로, 수정과 공개된 실시예들의 요지와 범위내에 있는 수정안과 동등한 방안을 포괄하기 위한 것임을 이해하여야 한다. 예를 들면, 위에서 설명한 다양한 구성 요소의 구현이 하드웨어 장치에 구현될 수 있지만, 이 역시 소프트웨어만의 해결안으로 구현될 수 있으며, 예를 들면, 기존의 서버 또는 이동장치상의 장착을 통해 구현될 수 있다.
유사하게, 이해해야 할 것은 본 개시의 실시예에 대한 상기 설명에서, 하나 이상의 상기 다양한 독창적 실시예들에 대한 이해에 도움이 되는 공개를 합리화하려는 목적에 의해, 어떤 경우 다양한 특징들이 하나의 실시예, 도면 또는 그 설명에 집중되어 있다는 점이다. 그러나 이러한 개시의 방법은 청구된 요지가 각 청구항들에서 명시적으로 인용되는 것보다 더 많은 특징을 요구한다는 취지를 반영하는 것으로 해석되지는 않는다. 오히려, 독창적 발명들은 상기 개시된 단일 실시예의 전부 특징들보다 적을 특징들을 기초로 한다.
일부 실시예들에서는, 본 출원의 어떤 실시예에서 기술 및 주장하는데 이용되는 양 및 속성의 개수를 표시하는 여러가지 숫자는 일부 예들에서는 용어 "약", "유사", 또는 "기본상" 등으로 수식하여 이해하여야 한다. 별도의 설명이 없는 경우 "약", "유사" 또는 "기본상"은 그 묘사하는 값이 ±20%의 변화가 있음을 표시할 수 있다. 상응하게, 일부 실시예들에서는, 일부 실시방안에서 서면 기술과 청구범위에서 열거한 수치 계수는 유사치이며, 특정된 실시방안에서 얻으려는 성질에 따라 변화할 수 있다. 일부 실시예에서 수치 계수는 보고된 유효 숫자를 고려하고 일반적인 반올림 기술을 적용하여 해석되어야 한다. 본 출원의 일부 실시방안에서 광범위의 수치 범위와 계수는 유사치이지만, 구체적인 실시예들에 설명된 수치들은 가능한 한 정확하게 보고된다.
여기에서 참고하는 각 특허, 특허출원, 특허출원의 출판물과 기타 자료, 예를 들면 문장, 서적, 명세서, 출판물, 서류들, 등은 그 전부가 본 명세서에 참고로 결합되었으며, 본 출원의 임의의 소송제출이력, 현재 서류의 내용과 불일치하거나 충돌되는 서류, 또는 현재의 서류와 관련하여 현재 또는 후속의 청구범위의 최대 범위에 대해 제한효과가 있는 임의의 서류는 제외된다. 예를 들면, 본 개시의 첨부된 출원에서 사용된 기술, 정의 및/또는 용어 사용이 본 개시에 기재된 내용과 불일치하거나 또는 충돌되면, 본 개시에서의 기술, 정의 및/또는 용어를 기준으로 한다.
결론적으로, 상술한 바와 같이 여기에서 개시된 본 출원의 실시예들은 본 출원의 실시예들의 원칙들을 예시하는 것임을 이해할 수 있다. 기타 수정은 본 출원의 범위내에서 응용될 수 있다. 따라서 예를 들어 본 출원의 실시예들의 비한정적인 대안 형태는 여기에서 주는 암시에 따라 이용될 수 있다. 그러므로 본 출원의 실시예들은 보여주고 묘사된대로 정확하게 한정된 것이 아니다.
Claims (17)
- 적어도 하나의 센서로부터 사용자의 운동시 적어도 근전도신호 또는 자세신호를 포함하는 동작신호를 획득하는 절차;
상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차; 및
상기 사용자의 운동에 관련되는 정보를 표시하는 절차를 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는
상기 근전도신호에 근거하여 상기 사용자의 적어도 하나의 근육의 발력강도(exertion strength)를 판정하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제2항에 있어서,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
타겟 근육에 관한 사용자 입력을 획득하는 절차; 및
색상이 상기 타겟 근육의 발력강도와 관련되는 상태 표시줄을 표시하는 절차, 또는
음량이 상기 타겟 근육의 발력강도와 관련되는 소리를 내는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는
상기 자세신호에 근거하여 사용자의 운동동작을 나타내는 사용자 동작모형을 생성하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제4항에 있어서,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
표준 동작모형을 획득하는 절차; 및
상기 사용자 동작모형 및 상기 표준 동작모형을 표시하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제4항에 있어서,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
상기 근전도신호에 근거하여 상기 사용자의 적어도 하나의 근육의 발력강도를 판정하는 절차; 및
상기 사용자 동작모형에 상기 적어도 하나의 근육의 발력강도를 표시하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하는 절차는
상기 근전도신호 또는 상기 자세신호에 근거하여 상기 동작신호를 분할하는 절차; 및
동작신호의 적어도 하나의 세그먼트에 근거하여 사용자의 운동동작을 감시함으로써 감시결과를 판정하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제7항에 있어서,
상기 감시결과에 근거하여 동작 피드백모드를 판정하는 절차; 및
상기 동작 피드백모드에 근거하여 상기 사용자에게 동작 피드백을 수행하는 절차를 더 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제7항에 있어서,
동작신호의 적어도 하나의 세그먼트는 적어도 하나의 훈련과정에서 상기 사용자의 동작신호이며,
상기 감시결과는 상기 적어도 하나의 훈련과정의 동작 유형, 동작 수량, 동작 품질, 동작 시간, 상기 사용자의 생리학적 파라미터 정보, 또는 상기 사용자의 핵심안정성 중의 적어도 하나를 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제7항에 있어서,
상기 감시결과는 적어도 하나의 시간점에 대응되는 상기 사용자의 근육 정보를 포함하며, 상기 사용자의 근육 정보는 적어도 하나의 근육의 에너지소모, 상기 적어도 하나의 근육의 피로도, 적어도 2개의 근육들의 균형, 또는 상기 적어도 하나의 근육의 능력 중의 적어도 하나를 포함하며,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
사용자 모형에서 상기 사용자의 적어도 하나의 근육의 위치에 대응되는 적어도 하나의 위치에 상기 적어도 하나의 근육의 에너지소모, 상기 적어도 하나의 근육의 피로도, 상기 적어도 2개의 근육들의 균형, 또는 상기 적어도 하나의 근육의 능력 중의 적어도 하나를 표시하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제10항에 있어서,
상이한 근육들의 에너지소모들, 상이한 근육들의 피로도들, 상이한 근육들의 훈련 균형들, 및/또는 상이한 근육들의 능력들은 상이한 표시색상들에 대응되는
운동감시 인터페이스를 표시하기 위한 방법. - 제10항에 있어서,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
타겟 근육에 관한 사용자 입력을 획득하는 절차; 및
상기 타겟 근육의 정보를 표시하는 절차를 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 제7항에 있어서,
상기 사용자의 운동에 관련되는 정보를 표시하는 절차는
문자, 차트, 소리, 이미지, 또는 비디오 중 적어도 하나 형식으로 감시결과를 표시하는 절차를 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호를 교정하는 절차를 더 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호에 근거하여 상기 적어도 하나의 센서의 작동상태가 정상인지 여부를 판정하는 절차; 및
상기 적어도 하나의 센서의 작동상태가 비정상이라는 판정에 응답하여, 프롬프트 정보를 표시하는 절차를 더 포함하는
운동감시 인터페이스를 표시하기 위한 방법. - 제1항에 있어서,
상기 동작신호는 상기 사용자의 특징에 관련되는 신호를 포함하고,
상기 방법은
상기 사용자의 특징에 관련되는 신호에 근거하여 상기 사용자의 체형 정보 및/또는 신체성분 정보를 판정하는 절차; 및
상기 사용자의 체형 정보 및/또는 신체성분 정보를 표시하는 절차를 더 포함하는,
운동감시 인터페이스를 표시하기 위한 방법. - 전자장치로서,
상기 전자장치는
내용을 표시하도록 구성되는 디스플레이장치;
사용자의 입력을 수신하도록 구성되는 입력장치;
사용자의 운동시의 적어도 근전도신호 또는 자세신호를 포함하는 동작신호를 검측하도록 구성되는 적어도 하나의 센서; 및
상기 디스플레이장치, 상기 입력장치, 및 상기 적어도 하나의 센서에 연결되는 프로세서를 포함하며,
상기 프로세서는
상기 적어도 하나의 센서로부터 사용자의 운동시 상기 동작신호를 획득하고,
상기 동작신호를 처리함으로써 상기 사용자의 운동에 관련되는 정보를 판정하고,
상기 디스플레이장치를 제어하여 상기 사용자의 운동에 관련되는 정보를 표시하도록 구성되는,
전자장치.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2021/081931 WO2022193330A1 (zh) | 2021-03-19 | 2021-03-19 | 一种运动监控方法及其系统 |
| CNPCT/CN2021/081931 | 2021-03-19 | ||
| PCT/CN2021/093302 WO2022193425A1 (zh) | 2021-03-19 | 2021-05-12 | 运动数据展示方法和系统 |
| CNPCT/CN2021/093302 | 2021-05-12 | ||
| PCT/CN2022/081718 WO2022194281A1 (zh) | 2021-03-19 | 2022-03-18 | 一种运动监控方法和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230091961A true KR20230091961A (ko) | 2023-06-23 |
Family
ID=83322076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237016947A Pending KR20230091961A (ko) | 2021-03-19 | 2022-03-18 | 운동감시방법 및 운동감시장치 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230210402A1 (ko) |
| EP (1) | EP4202667A4 (ko) |
| JP (1) | JP7565448B2 (ko) |
| KR (1) | KR20230091961A (ko) |
| CN (2) | CN116963807A (ko) |
| WO (1) | WO2022194281A1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024055186A1 (zh) * | 2022-09-14 | 2024-03-21 | 深圳市韶音科技有限公司 | 一种运动评估方法及系统 |
| TW202437066A (zh) * | 2023-03-07 | 2024-09-16 | 緯創資通股份有限公司 | 識別方法及無線動作捕捉系統 |
| CN116889714A (zh) * | 2023-07-07 | 2023-10-17 | 北京姬械机科技有限公司 | 基于人工智能的盆底肌训练方法、装置及电子设备 |
| CN117110952B (zh) * | 2023-08-18 | 2024-02-02 | 南京中旭电子科技有限公司 | 用于霍尔传感器的信号处理方法以及信号处理装置 |
| WO2025078816A1 (en) * | 2023-10-09 | 2025-04-17 | Imperial College Innovations Limited | Method and apparatus for determining muscle activation |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003339908A (ja) | 2002-05-24 | 2003-12-02 | Advanced Telecommunication Research Institute International | トレーニング装置 |
| KR20040032451A (ko) | 2002-10-09 | 2004-04-17 | 삼성전자주식회사 | 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및이를 이용한 건강 관리 방법 |
| JP4867364B2 (ja) | 2006-01-27 | 2012-02-01 | 横浜ゴム株式会社 | 生体電気情報計測装置 |
| US20090319459A1 (en) * | 2008-02-20 | 2009-12-24 | Massachusetts Institute Of Technology | Physically-animated Visual Display |
| JP2010246636A (ja) | 2009-04-13 | 2010-11-04 | Panasonic Corp | 動作表示装置 |
| JP2012024521A (ja) | 2010-07-28 | 2012-02-09 | Seiko Epson Corp | 血糖値予測装置 |
| US10130298B2 (en) * | 2012-04-03 | 2018-11-20 | Carnegie Mellon University | Musculoskeletal activity recognition system and method |
| JP3181442U (ja) | 2012-11-27 | 2013-02-07 | 保江 陳 | 電位測定装置 |
| US20150106025A1 (en) * | 2013-10-11 | 2015-04-16 | Sporttech, Llc | Method and System for Determining and Communicating a Performance Measure Using a Performance Measurement System |
| CN105797350A (zh) * | 2016-03-18 | 2016-07-27 | 深圳大学 | 健身姿势识别、评估、预警和强度估算的智能方法及系统 |
| CN108211308B (zh) * | 2017-05-25 | 2019-08-16 | 深圳市前海未来无限投资管理有限公司 | 一种运动效果展示方法及装置 |
| CN108211309A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 健身运动的指导方法及装置 |
| US11246531B2 (en) * | 2018-05-10 | 2022-02-15 | MAD Apparel, Inc. | Fatigue measurement in a sensor equipped garment |
| CN110109532A (zh) * | 2018-06-11 | 2019-08-09 | 成都思悟革科技有限公司 | 一种基于人体姿态获得系统的人体动作比对系统 |
| CN113230640A (zh) * | 2021-06-17 | 2021-08-10 | 郑州大学 | 一种自行车运动员运动分析系统及其方法 |
| CN114081479B (zh) * | 2021-12-08 | 2024-10-01 | 清华大学 | 一种身体状态检测方法、装置、电子设备及智能服装 |
| CN114298089B (zh) * | 2021-12-10 | 2025-06-24 | 深圳大学 | 一种多模态力量训练辅助方法和系统 |
-
2021
- 2021-05-12 CN CN202180064627.1A patent/CN116963807A/zh active Pending
-
2022
- 2022-03-18 EP EP22770633.0A patent/EP4202667A4/en active Pending
- 2022-03-18 WO PCT/CN2022/081718 patent/WO2022194281A1/zh active Application Filing
- 2022-03-18 CN CN202280006986.6A patent/CN117157622A/zh active Pending
- 2022-03-18 KR KR1020237016947A patent/KR20230091961A/ko active Pending
- 2022-03-18 JP JP2023535549A patent/JP7565448B2/ja active Active
-
2023
- 2023-03-13 US US18/182,373 patent/US20230210402A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023553625A (ja) | 2023-12-25 |
| JP7565448B2 (ja) | 2024-10-10 |
| EP4202667A4 (en) | 2024-07-10 |
| CN117157622A (zh) | 2023-12-01 |
| CN116963807A (zh) | 2023-10-27 |
| US20230210402A1 (en) | 2023-07-06 |
| WO2022194281A1 (zh) | 2022-09-22 |
| EP4202667A1 (en) | 2023-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022193330A1 (zh) | 一种运动监控方法及其系统 | |
| KR20230091961A (ko) | 운동감시방법 및 운동감시장치 | |
| US10512406B2 (en) | Systems and methods for determining an intensity level of an exercise using photoplethysmogram (PPG) | |
| US9226706B2 (en) | System, apparatus, and method for promoting usage of core muscles and other applications | |
| CN115105819B (zh) | 一种运动监控方法及其系统 | |
| CN107961523A (zh) | 基于心率检测的人体训练系统和智能健身系统 | |
| KR102429627B1 (ko) | 가상현실에서 아바타를 생성하고 복수의 콘텐츠를 제공하는 시스템 | |
| KR102425481B1 (ko) | 재활치료를 위한 가상현실 커뮤니케이션 시스템 | |
| KR102429630B1 (ko) | 헬스케어를 위한 커뮤니케이션 npc아바타를 생성하는 시스템 | |
| US20230337989A1 (en) | Motion data display method and system | |
| CN112364564A (zh) | 一种基于评价指标的人在回路智能训练负载曲线优化算法 | |
| Gala et al. | [Retracted] Characteristic Analysis of Tai Ji Chuan Standard Action Based on and Perceptual IoT Network | |
| TWI837620B (zh) | 運動監控方法及系統 | |
| CN116785659A (zh) | 一种运动监控方法和设备 | |
| HK40075807A (en) | Motion monitoring method and system | |
| KR102432251B1 (ko) | 소셜서버에서 수행되는 가상현실 재활시스템 | |
| US20250194955A1 (en) | Methods and systems for processing motion data | |
| Feng | Planning Method for Latin Aerobics Exercise Plan for Female College Students Based on Genetic Algorithm | |
| HK40078432B (en) | Exercise data processing method and exercise monitoring system | |
| HK40078432A (en) | Exercise data processing method and exercise monitoring system | |
| HK40079364A (en) | Motion data display method and system | |
| CN117653996A (zh) | 一种运动监控系统、设备和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0105 | International application |
Patent event date: 20230518 Patent event code: PA01051R01D Comment text: International Patent Application |
|
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20230518 Comment text: Request for Examination of Application |
|
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20250306 Patent event code: PE09021S01D |