정밀 스포츠에서 선수들의 퍼포먼스는 생체역학적 안정성과 심리적 회복력에 달려있다. 본 논문은 고가의 기존 모션 분석 시스템의 한계를 극복하기 위해 웨어러블 센서 데이터를 통합하는 머신러닝 기반 다중 모달 프레임워크를 제안한다. 손목 착용형 장치에 가속도계와 PPG 센서를 장착하여 실제 양궁 훈련 세션에서 동기화된 모션 및 생리 데이터를 수집했다. 모션 인식을 위해 SmoothDiff 특징을 제안하고 LSTM 모델을 사용하여 96.8% 정확도와 95.9% F1 점수를 달성했다. 스트레스 추정을 위해 HRV 특징을 추출하고 MLP 분류기를 적용하여 고/저 스트레스 수준을 80% 정확도로 구분했다. 제안된 프레임워크는 모션 및 생리 감지 통합을 통해 선수들의 기술적, 정신적 상태에 대한 의미 있는 통찰력을 제공하며, 양궁 및 기타 정밀 스포츠 훈련 최적화를 위한 지능형 실시간 피드백 시스템 개발의 기반을 제시한다.
시사점, 한계점
•
시사점:
◦
웨어러블 센서를 활용한 저비용, 비침습적 모션 분석 시스템 구축 가능성 제시.
◦
모션 인식과 스트레스 추정을 동시에 수행하는 다중 모달 프레임워크 제안.
◦
새로운 특징(SmoothDiff)의 도입 및 LSTM 모델을 활용한 높은 모션 인식 성능 달성.
