아이디어 경진대회

배경

 

대학 3학년이 되고 좀더 많은 활동과 경험을 쌓고 싶던 와중 학과에서 아이디어 경진대회라는 공고가 올라왔다. 3학년이 되면서 느낀거는 활동이든 공부든 일단 되던 안되던 시작하면 실망은 있되 최소 후회는 없다는걸 깨달았다.

 그래서 나는 바로 과후배 한명에게 제안을 하여 같이 경진대회 준비를 하였다. 아이디어라는게 좀 처럼 쉽지는 않았다. 좋은게 생각나면 이미 발표된 아이디어가 대부분 이였다. 그래도 계속 해서 팀회의를 하고 교수님께 찾아가 조언도 들으면서 준비를 하게되었다. 처음 생각해낸 아이디어는 맘카페와 같은 어머님들 위주로 활성화된 커뮤니케이션 사이트를 아버님들 위주의 커뮤니케이션 앱이나 웹으로 만들어 다양성을 제공하려고 하였으나 아이디어는 좋을수 있으나 기존의 맘카페와 차별성이 크게 없었고 단순 아이디어 이며 어떤 특별한 획기적인 알맹이가 없었다.

 그래서 결국 또 생각을 하다 컴퓨터공학과 아이디어 경진대회이니 정말 획기적인 아이디어를 내기 어렵다면 기술쪽으로 방향을 잡아 4차 산업혁명 시대인 인공지능에 관련하여 아이디어를 생각하게 되었다.

 거기에 더불어 시대가 발전하면서 평균수명도 증가하여 많은 사람들이 운동을 많이 접하면서 운동과 관련하여 인공지능의 기능을 더하게 되어 인공지능을 바탕으로 운동의 순위를 매겨주는 아이디어를 생각하게 되었다.

---

간단한 프로그램 설명

 

예전부터 운동을 하면서 생각을  하였던 ‘나의  운동수행능력에도 등급이  있으면  좋지 않을까?“  라는 생각이 들었습니다. 예를 들어 대부분의 게임에서도 등급이라는 제도가 존재합니다.  이러한  제도의  영향력은  게 임이 재밌어서 등급을 올리기 보다는 등급을 올리기 위하여 게임을 하는 사람들도 많이 있습   니다. 또한 학교와 같은 성적에서도 A+, A0, B+과 같은 평가등급이 있고  몇몇  학생은 좋은 등급을 받고 싶어서 열심히 공부를 하는 학생도 있습니다. 이러한 이유는 바로 사람의 성취감 때문이며 이러한 등급을 바탕으로 상대방을 평가하기도 쉽기 때문입니다.

운동을 통한 상대방의 수행 능력을 알 고 싶을 때 헬스를 하는 대부분의 사람들은 한 번에 가장 높은 무게를  드는 방식인 3대 운동으로 상대방을 평가합니다. 하지만 이러한  무게 측정은 대부분 개인이 혼자 측정하는 방식이기 때문에 대회를 나가지 않는 이상 일반인들은 이러한 수행능력의 정도를 알기는 굉장히 애매하기도 하며 정확히 했다하여도 그러한 수행과정을 영상으로 보여 주어야 정확히 상대방의 수행능력과 나의 수행능력이 인정이 됩니다. 맨몸운동과 달리기와 같은 종류도 턱걸이를 정확히 몇 개하였는지  3km 달리기를  몇분에  뛰었는지 이 러한 정보도 직접 보여주지 않는 한 알기가 쉽지 않습니다.

그래서 저희의 헬스랭킹 아이디어의 핵심 개요는 게임에서 등급을 시스템에서 평가해주며 학 교에서 학생의 등급을 교수님들이 평가를 해주듯이 저희의 헬스랭킹은 이러한 운동에 관련된 정확한 수행능력의 측정을 인공지능이 측정을 해주어서 사용자에게 정확한 수행능력의 수준을 제공하여 운동에 등급이라는 성취감을 더해주는 것입니다.

 

---

간단한 기술

 

-인공지능 텍스트 인식-
원판의 무게를 측정하는 과정에서 원판의  숫자를  인식하여  처리하는  절차가  필요합니다. 그러한 절차는 CNN 알고리즘과 RNN 알고리즘으로  처리가  가능하며  CNN 알고리즘은  딥  러 닝 기법으로 이미지 인식 분야세서 사용되고 있으며 RNN은 주로 자연어, 음성 신호와 같은 데이터를 분석할 때 활용되는 딥 러닝 기법으로 이러한 구조를 통해 CNN으로부터 추출한 텍스트 정보를 문자로 반환하는데 활용합니다.
그런데 일반적으로 텍스트 데이터의 길이가 제각각이기 때문에 일반적인 알고리즘으로 정확한 인식률을 기대하는 것은 어렵기 때문에 따라서 이러한 특수 시계열 문제를 해결하기 위해 고안된 알고리즘이 CRNN알고리즘을 활용하여 텍스트를 인식합니다.

-인공지능 모션 인식-
객체 인식에 사용에는 머신 러닝과 딥러닝 사용할 수 가 있는데
첫번째, 딥러닝을 사용한 객체 인식에는 컨벌루션 뉴럴 네트워크(CNN)과 같은 딥러닝 모델은 객체를 식별하기 위해 해당 객체 고유의 특징을 자동으로 학습하는 데 사용된다
두번째, 머신러닝 기술도 객체 인식에 널리 사용되고 있으며, 딥러닝과는 다른 접근 방식으로 머신러닝 기술이 사용되는 일반적인  사례는  SVM(Support  vector  machine)  머신러닝 모델 을 사용합니다.
머신러닝과 가장 큰 차이점은 딥러닝은(고성능 GPU요구) 분류에 사용할  데이터를  스스로 학  습할 수 있지만 고성능 GPU와 대량의 레이블이 지정된 학습용 이미지를 보유하여야 하고 반면 이러한 조건이  갖추어지지 않았다면 머신러닝 방식이 보다 나은  선택일 수 있다. 머신 러   닝은 학습 데이터를 수동으로 제공해야한다는점이  딥러닝과  머신러닝의  가장  큰  차이점입니 다.

- 인공지능 스켈레톤 기법 -
카메라 등을 통해 들어온 이미지를 실시간으로 처리해 인간의 해부학적 핵심 부분, 사람의 주요 관절의 위치를 추정, 예를 들면 머리, 목, 어깨, 팔꿈치, 손목
등의 관절 좌표를 탐지해 위치를 측정하고, 관찰 대상의 상태나 자세를 추정하는 기술입니다.
이러한 과정은 5단계로 이루어 지는데
1. 전처리 단계에서 뒷배경을 제거해 영상 속 개체들을 세분화하거나 일부 노이즈를 제거할 수 있습니다.
2. 개체 인식
3. 관절 추출 :딥 러닝 CNN 기반의 기계학습 알고리즘을 통해 관절의 위치를 추출
4. 관계 추론 :딥 러닝 알고리즘을 사용하여 관절과 관절 사이의 관계를 추론합니다.
5. 마지막으로 부자연스러운 사람의 자세를 거부하는 후처리 알고리즘을 적용합니다.
설정된 관절값하고 학습된 자세를 바탕으로  정확한 운동  자세를 측정하여  데이터를 처리합니 다.

-gps-
가속도 센서는 스마트폰의 움직임을 감지하는 센서로서, X, Y, Z 로 좌표를 만들고 좌표의 움직이는 속도를 측정할 때 사용됩니다.
이동거리는 걸음수와 보폭을 기반으로 계산되는데, 운동 측정 중에는 GPS를 이용하여 거리를 측정하고 GPS는 지구의 주위를 떠다니는 위성으로 이용자의 위치를 확인하고, 보폭은 프로필 정보와 분당 걸음수로 계산이 되고 거리를 측정할 수 있습니다..
그래서 결론은 주변에 와이파이나 데이터가 잘 활성화가 되있어야 위성에 정확한 데이터를 전 달하고 받을수 있기에 정확한 계산이 가능해질 수 있습니다.

---

간단한 사용자 UI

 

---

결론

 

1등이 아닌 2등을 하게되어 아쉽지만 4등을 생각하고 있어서 기분이 좋았다. 등수뿐 아니라 첫 경진대회를 준비하는 과정속에서 많은 것을 느꼇으며 경진대회를 통해 사소한 팁들을 많이 얻게 된거 같다. 상대방이 준비한 PPT 형식, 발표 방식, 아이디어 주제, 교수님들으 피드백 등등 좀더 큰 대회를 나가서 많은걸 느끼고 얻고 싶다는 생각이 들게되었다.

 +50만원 : )