머신러닝을 활용한 야구 치기의 숙련도 분류 모델 검증 (Verification of Proficiency Classification Model for Baseball Batting Using Machine Learning)

서지정보

· 발행기관 : 한국융합과학회
· 수록지 정보 : 한국융합과학회지 / 12권 / 4호 / 197 ~ 209페이지
· 저자명 : 서동휘

초록

연구목적 본 연구는 인간 움직임 중 복잡한 운동기술인 치기 기술에 대해서 머신러닝을 통해 그 숙련도 분류 모델을 개발하고 검증하는데 목적이 있다. 연구방법 이를 위해 440명의 청소년 초보자(age: 14.9±0.8)와 48명의 청소년 숙련자(age:16.3±0.9)가 배팅티 위에 올려진 공을 티볼 배트로 치는과제를 수행했다. 촬영된 데이터는 영상 분석을 통해 관절의 움직임 데이터로 표현됐고, 이는 주성분분석과 SVM을 통해 머신러닝이 진행됐다. 결과 머신러닝의 검증에서 높은 정확도와 높은 AUC(Area Under the Curve)로 해당 머신러닝 프로그램은 성능이 우수한 머신러닝으로 판단됐다. 이때 숙련자의 주성분 개수가, 초보자의 주성분 개수 보다 작았기에 숙련자의 치기 동작에서 더 적은 수의dynamical degrees of freedom이 나타났다고 볼 수 있다. 결론 빅데이터의 머신러닝을 통해 복잡한운동 기술인 치기 기술의 숙련도를 분류하여 신뢰도를 검증했다. 해당 연구는 관찰하기 어려운 복잡한 운동 동작에서 그 숙련도를 분류할 수 있었다. 이는 빅데이터를 활용한 숙련도 분류 모델이 운동학습 현장에서 지도자와 학습자에게 필요한 정보를 제공하는데 도움을 주며, 인간 움직임의 협응구조에대해 깊이 이해할 수 있는 과학적 근거로 의미가 있을 것이라 기대한다

영어초록

Purpose This study observed if machine learning techniques were able to classify proficiency in complex motor skills such as baseball batting. Methods 440 adolescent novices (age: 14.9±0.8) and 48 adolescent experts (age: 16.9±0.8) performed batting a ball placed on a batting tee. The captured data was expressed as joint data using video analysis, which was subjected to machine learning through Principal Component Analysis (PCA) and a Support Vector Machine (SVM). Result As a result, the machine learning was concluded to have excellent performance with high accuracy and high AUC(Area Under the Curve). At this time, the number of principal components of the experts was fewer than that of novices, so it can be seen that fewer dynamical degrees of freedom appeared in the batting skills of the expert. Conclusion The study was able to classify proficiency in complex motor skills that are difficult to observe, and confirmed that it could contribute to the improvement of motor performance. This study was meaningful as a scientific basis for deep understanding of the coordination structure of human movements.

참고자료

· 없음