earticle

영어

This study expressed the process of creating, storing, and applying the automatic classification of motor types and their data using the Smith machine, which can perform various and formal free-waiting exercises. The types of Smith machine exercises are defined by the lower body movement squats, deadlift, upper body exercise bench press, and bench show press. The IoT device is installed at the location of Linar Bearing, which is one of the non-interference parts of Smith Babel's exercise, and each hook is equipped with a pressure sensor to measure the weight of the weight. The start of the exercise is to identify the weight value entered into the pressure sensor on the hook hook, and when the pressure sensor value reaches '0', the multi-sensor device will identify the type of movement according to height and direction and start collecting data. In multi-sensor devices, the start and return points of motion are analyzed according to location, counting the type and number of movements, and finishing 1 set when the final weight is re-measured by the pressure sensor. Through machine learning, each movement data is measured using patterns of different types of motion, and measured data is transmitted using a network. The transmitted data can be stored in the data base and used for exercise prescriptions through future history management, and it can be used as data that can be used to create new services by identifying the user's behavior by characteristics by analyzing utilization rates, age groups, distribution of exercise types, gender, etc.

한국어

본 연구는 다양하고 정형화 된 프리웨이트운동을 할 수 있는 스미스 머신을 이용하여 운동 종류의 자동 구분과 그에 대한 데이터를 생성하고 저장, 응용 할 수 있는 프로세스를 표현했다. 스미스 머신 운동 종류를 하체운동인 스쿼트, 데드리프트, 상체 운동인 벤치프레스, 벤치 쇼울더프레스로 정의하여 구분하였으며, 스미스 바벨의 운동 시 외부 간섭이 없는 부분 중 하나인 Linear Bearing의 위치에 IoT 디바이스를 장착하고, Hook 각각의 걸이에는 압력센서를 장착하여 중량의 무게를 측정한다. 운동의 시작은 Hook 걸이에 있는 압력센서에 입력된 중량 값을 파악한 후 압력센서의 값이 ‘0’이 되었을 때, 멀티센서 디바이스에서는 높이와 방향에 따라 운동종류를 파악하고 데이터 수집을 시작하게 된다. IoT 디바이 스에서는 위치에 따른 운동 시작 점과 반환점을 분석하여 운동 종류와 횟수를 카운트하게 되고, 압력 센서에 최종 중량이 재 측정되었을 때 1Set를 마감하게 된다. 기계학습을 통해 운동 종류별 패턴을 이용하여 각각의 운동 데이터를 측정하고, 측정된 데이터를 네트워크 망을 이용하여 전송한다. 전송된 데이터는 데이터 베이스에 저장되어 향후 이력관리를 통해 운동처방 등에 이용이 가능하고 이용률 분석, 연령대, 운동종류 분포, 성별 등을 파악하여, 사용자가 어떠한 운동행태를 가지고 있는지 특성별로 파악하여 새로운 서비스를 창출할 수 있는 자료로 활용될 수 있을 것이다.