Human Activity Recognition of Figure Skating Jumps Using Abdominal Electromyography and Accelerometry

피겨 스케이팅은 찰나의 결정과 정교한 신체 조절이 성공을 결정짓는 스포츠입니다. 스케이터는 공중으로 도약하여 여러 번 회전한 뒤, 흔들림 없이 얇은 스케이트 날 위에 착지해야 합니다. 수십 년 동안 코치들은 점프의 이륙이나 착지 시 발생하는 미세한 오류를 찾아내기 위해 자신의 눈과 슬로 모션 영상을 활용해 왔습니다. 하지만 카메라는 사각지대가 있습니다. 카메라는 외부에서 보이는 것만을 볼 수 있습니다. 카메라는 점프를 준비하기 위해 몸 안에서 근육이 어떻게 작동하는지 볼 수 없으며, 스케이터의 몸이 너무 빠르게 회전하여 팔다리가 시야를 가릴 때도 명확하게 볼 수 없습니다. 이를 해결하기 위해 과학자들은 웨어러블 센서, 즉 움직임과 근육 활동을 기록하기 위해 피부에 부착하는 작은 장치에 주목했으며, 이는 운동 수행의 숨겨진 역학을 이해하는 새로운 방법을 제시하고 있습니다.

체코의 오스트라바 기술 대학교와 오스트라바 대학교의 연구팀은 이러한 웨어러블 센서를 사용하여 특정 피겨 스케이팅 점프를 자동으로 식별하는 새로운 방법을 개발했습니다. 그들의 목표는 카메라나 심판진 없이도 단일 회전부터 복잡한 3회전 점프에 이르기까지 여섯 가지 서로 다른 유형의 점프를 구분할 수 있는 시스템을 만드는 것이었습니다. 연구진은 스케이터를 관찰하는 대신, 신체의 내부 신호에 귀를 기울였습니다. 그들은 12명의 엘리트 여자 청소년 스케이터들의 등에 작은 센서를 부착했습니다. 한 센서는 세 방향의 신체 가속도를 측정했고, 복부에 배치된 다른 두 개의 센서는 코어 근육의 전기적 활동을 측정했습니다. 이 조합을 통해 연구진은 점점의 물리적 움직임과 스케이터가 빙판을 떠나기 직전에 일어나는 근육의 준비 과정을 모두 포착할 수 있었습니다.

연구진은 악셀(Axel), 살코(Salchow), 루프(Loop) 점프의 단회전, 이회전, 삼회전 버전을 포함하여 수백 번의 점프 시도 데이터를 수집했습니다. 그런 다음 이 정보를 패턴을 학습하도록 설계된 컴퓨터 시스템에 입력했습니다. 연구팀은 어떤 컴퓨터 학습 방법이 점프를 올바른 범주로 가장 잘 분류할 수 있는지 확인하기 위해 여러 가지 유형의 학습법을 테스트했습니다. 그 결과, 이미지 인식에 자주 사용되는 복잡한 딥러닝 네트워크가 아니라, 일련의 논리적 규칙을 따르며 결정을 내리는 더 단순한 트리 기반 방식이 가장 성공적이라는 것을 발견했습니다. 이 시스템은 놀라운 수준의 정확도를 달성하여, 거의 99%의 확률로 점프 유형을 정확히 식별해 냈습니다. 이 시스템은 센서 데이터의 짧고 특정한 시간 구간을 살펴보는 방식으로 작동했으며, 각 점프의 고유한 특징을 포착하는 데는 0.6초의 시간 창과 약간의 중첩이 있는 데이터가 가장 효과적이었습니다.

이 연구의 핵심적인 발견은 컴퓨터가 올바른 선택을 하는 데 실제로 어떤 센서 데이터가 필요한지를 이해하는 것이었습니다. 연구진은 시스템이 여전히 작동하는지 확인하기 위해 특정 센서를 제거하는 테스트를 진행했습니다. 그 결과, 움직임 센서만으로도 어느 정도 역할을 할 수 있었지만, 복부 근육을 측정하는 센서를 제거하면 시스템 성능이 현저히 떨어진다는 것을 발견했습니다. 이는 스케이터가 점프하기 전 코어 근육을 조이는 방식이 서로 다른 점프를 구별하는 결정적인 단서가 된다는 점을 확인시켜 주었습니다. 또한, 신체의 좌우 및 상하 움직임이 가장 중요한 물리적 신호인 반면, 전후 움직임은 훨씬 덜 중요하다는 사실도 발견했습니다. 이는 스케이터가 회전을 시작하기 위해 사용하는 특정한 기울기와 빙판을 딛는 힘이 점프를 정의하는 주요 물리적 표식임을 시사합니다.

이 연구는 스포츠 기술의 흔한 문제인 부피가 큰 장비 문제를 다루었습니다. 이전의 많은 점프 추적 시도들은 손목, 발목, 허리에 여러 개의 센서를 배치해야 했으며, 이는 선수에게 무겁고 방해가 될 수 있었습니다. 이 새로운 방식은 등 위의 단 하나의 센서와 복부의 작은 센서 두 개만으로도 최상위 수준의 결과를 얻을 수 있음을 입증했습니다. 이러한 가벼운 구성은 시스템이 스케이터의 자연스러운 움직임을 방해할 가능성을 낮추어, 실제 훈련 현장에서 더욱 실용적으로 만들어 줍니다. 현재의 연구는 통제된 환경에서 숙련된 여성 스케이터들을 대상으로 진행되었지만, 연구진은 이 접근 방식이 코치가 실시간으로 점프의 질을 분석하는 데 도움이 되는 미래의 도구를 위한 기초를 마련한다고 믿고 있습니다. 점프가 실행되는 정확한 순간을 식별하고 즉시 분류함으로써, 이러한 기술은 궁극적으로 선수들이 자신의 기술을 연마하고 부상을 예방하는 데 도움을 줄 수 있으며, 이 모든 과정은 육안으로는 보이지 않는 상태에서 이루어질 것입니다.