KR20240137112A

KR20240137112A - 스윙의 모션을 측정 및 분석하는 시스템 및 방법

Info

Publication number: KR20240137112A
Application number: KR1020247029535A
Authority: KR
Inventors: 마이클 벤틀리; 브렛 주하스
Original assignee: 투어빌트, 엘엘씨
Priority date: 2022-02-03
Filing date: 2023-02-03
Publication date: 2024-09-19
Also published as: US12434099B2; AU2023215339A1; CA3243662A1; US20240042276A1; WO2023150715A3; JP2025507315A; WO2023150715A2; US20230302325A1; US20230271057A1; US20250108255A1; US12194340B2; EP4472746A2

Abstract

적어도 하나 이상의 관성 가속도 센서, 하나 이상의 자이로메트릭 센서, 데이터 획득 유닛, 코어 마이크로 컨트롤러, 및 블루투스 라디오를 포함하는 스포츠 장비, 예컨대, 골프 클럽의 스윙 모션을 분석하는 시스템 및 방법. 모션 검출 유닛은 스윙의 적어도 하나의 모션을 검출한다. 특히, 센서 및 데이터 획득 유닛은 사용자의 스윙 모션을 최적화된 장비에 매칭시키기 위해 수집된 검출 데이터를 사용하여 스윙 정보를 계산한다. 특히, 데이터 획득 유닛은 센서(들)로부터 검출 데이터를 획득하고, 스윙 모션을 최적화된 스윙 디바이스에 매칭시키는 정보를 저장한 컴퓨팅 디바이스 또는 서버에 그러한 데이터를 전달한다.

Description

스윙의 모션을 측정 및 분석하는 시스템 및 방법

관련 출원들에 대한 상호 참조

본 출원은 2022년 2월 3일에 제출된 미국 가특허 출원 번호 63/306,309의 이득을 주장하며, 참고로 본 출원의 개시 내용을 통합하고 있다.

발명의 분야

본 발명은 훈련 및/또는 스포츠 장비(예컨대, 골프 클럽)를 개인과 매칭하기 위해 개인의 모션을 분석하는 시스템 및 방법을 포함한다. 시스템 및 방법은 하나 이상의 관성 가속도 센서, 하나 이상의 자이로메트릭 센서, 데이터 획득 유닛, 코어 마이크로컨트롤러, 및 블루투스 라디오를 포함한다. 모션 검출 유닛은 예를 들어 가속도, 토크, 소니피케이션(sonification) 등과 관련된 다양한 데이터를 수집하여 측정함으로써 예를 들어 스윙의 적어도 하나의 모션을 검출한다. 특히, 센서 및 데이터 획득 유닛은 모션과 관련된 정보를 산출하고, 획득된 데이터를 사용하여 사용자의 스윙 모션을 최적화된 장비 또는 최적화된 훈련 패러다임에 매칭시킨다. 특히, 데이터 획득 유닛은 센서(들)로부터 검출 데이터를 획득하고, 모션을 최적화된 장비 또는 트레이닝 프로토콜에 매칭시키는 정보를 저장한 컴퓨팅 장치 또는 서버에 그러한 데이터를 전달한다.

대상체(object)의 모션을 분석하는 방법은 일반적으로: 모션 센서들이 대상체에 부착되어 센서 데이터가 수집 및 분석되거나 또는 비디오 카메라 또는 레이더와 같은 고정 디바이스들이 움직이는 대상체들을 관찰하도록 구성되는, 두 가지 접근 방식들 중 하나를 사용한다. 예를 들어, 모션 센서들은 가속도 및 자이로스코프 데이터를 캡처하는 관성 센서들을 포함할 수 있으며, 이후 이들은 통합되어 대상체의 궤적을 측정한다. 모션의 비디오 분석은 특수 반사 마커들을 사용하는 기존의 모션 캡처 시스템들 또는 마커들 없이 대상체들을 찾고 추적하기 위해 이미지 처리를 사용하는 보다 정교한 방법들을 포함할 수 있다.

(모션 센서, 비디오 카메라, 또는 레이더와 같은) 단일 유형의 센서를 기반으로 하는 모션 분석 방법들에는 한계가 있다. 예를 들어, 현재의 관성 센서 기반 방법들은 일반적으로 긴 시간 프레임들 동안 매우 정확하지 않다. 반면에 비디오 기반 방법들은 오클루전(occlusion)으로 인해 대상체들을 놓칠 수 있다.

알려진 모션 캡처 시스템은 일반적으로 여러 개의 패시브 또는 액티브 마커들 또는 여러 개의 센서들을 활용한다. 데이터는 일반적으로 실험실에서 사용자별로 또는 스윙별로 분석되며, 특정 사용자의 모션 분석이나 모션의 표현 외에 어떠한 다른 목적으로도 사용되지 않으며 일반적으로 데이터 마이닝(data mining)을 거치지 않는다.

무선 센서들과 같은 모션 캡처 요소들이 야구 배트, 테니스 라켓, 골프 클럽, 하키 스틱과 같은 최적화된 장비와 이음매 없이(seamlessly) 통합되거나 또는 결합되는 데 있어 이러한 센서들이 이들 물품들 안에 또는 그 위에 위치하고 있다는 사실을 사용자가 인지하지 못할 정도로 작은 형태로 제공하는 시스템은 아직까지 알려진 바가 없다. 모션 데이터를 캡처한 다음 이 모션 데이터를 예를 들면 운동 선수와 같은 개인의 수행력(performance)에 최적화된 훈련 프로토콜 또는 특정 장비에 매칭시키는 데이터를 포함하는 서버 데이터베이스에 이러한 모션 데이터를 무선으로 전달하도록 구성된 이음매 없는 마운트(seamless mounts)를 제공하는 시스템은 아직까지 알려진 바가 없다.

기존 센서들로부터 발생된 데이터는 많은 수의 이벤트들에 대해 데이터베이스에 저장되지 않으며 모션 캡처 데이터가 획득된 수행능력 외에는 다른 어떤 것과도 비교하여 사용되지 않는다.

수많은 개인들과 관련된 모션 또는 연관된 장비의 모션에 대한 데이터 마이닝을 가능하게 하여 이전에 발견되지 않았던 모션과 관련된 패턴들에 기초하여 비즈니스 전략을 결정할 수 있게 하는 데이터의 패턴들을 찾아내는 시스템은 아직까지 알려진 바가 없다. 기존의 시스템들은 장비 선택을 최적화하기 위해 저장된 데이터 세트와 실시간 피드백 및 비교를 제공하는 능력이 부족하다.

적어도 상술한 한계점들에 대하여, 본 발명의 센서 시스템을 사용하여 검출된 동적 모션 정보를 특정의 "이상적인" 모션 정보, 예를 들면 스포츠 장비와 관련하여 저장된 정보를 포함하는 데이터베이스에 매칭시켜 사용자의 스윙을 최적의 스포츠 장비에 매칭시키는, 센서 지원 모션 분석 시스템 및 방법에 대한 필요성이 있다.

다양한 실시예들에서, 본 발명은 스윙 프로파일을 선호하거나 최적화된 스윙 장비(예컨대, 골프 클럽 또는 배트)에 매칭시키기 위해 하나 이상의 센서를 포함하는 센서 디바이스로부터 수집된 데이터를 저장된 데이터와 매칭시키는 시스템들 및 방법들을 포함한다.

일 실시예에서, 본 발명은 센서 디바이스를 포함하여 스윙을 측정 및 분석하고 스윙에 대한 데이터를 획득하기 위한 시스템 또는 방법을 포함하며, 센서 디바이스는:

a) 코어 마이크로 컨트롤러 및 라디오;

b) 하나 이상의 저관성(low-inertial) 가속도 및/또는 자이로메트릭 센서;

c) 하나 이상의 자력계 센서; 및

d) 배터리를 포함한다.

특정 실시예들에서, 센서는 가속도, 스윙 모션, 토크, 속도, 및 임팩트에 대한 데이터를 포함하는 데이터를 수집한다. 특정 실시예들에서, 센서들을 사용하여 수집된 데이터는 컴퓨팅 디바이스 또는 서버로 (예를 들어, 원격으로) 전송되고, 그러한 데이터는 최적화된 스윙 디바이스에 대응하는 정보를 포함하는 저장 데이터와 매칭된다. 예를 들어, 사용자가 대상체에 부착된 센서 디바이스를 포함하여 대상체를 스윙할 때 센서들로부터 획득된 데이터를 사용하여, 컴퓨팅 디바이스 또는 서버는 사용자의 스윙 모션을 사용자의 최적 수행능력에 가장 적합하거나 "이상적인" 스윙 장비에 대응하는 저장된 정보와 매칭시킨다. 이 정보는 선택적으로 그래프로 표시되어 개인의 실제 모션과 비교하여 이상적인 모션 곡선을 보여준다(예컨대, 도 7 참조).

다른 실시예에서, 본 발명은 센서 디바이스를 포함하여 스윙을 측정 및 분석하기 위한 시스템 또는 방법을 포함하며, 센서 디바이스는:

a) 코어 마이크로 컨트롤러 및 블루투스 저에너지(BLE) 라디오;

b) 제1 트라이어드 저관성 가속도 및 속도 자이로메트릭 센서(rate gyrometric sensor);

c) 제2 트라이어드 고관성 가속도 및 속도 자이로메트릭 센서;

d) 트라이어드 자력계 센서; 및

e) 배터리 및 배터리 모니터를 포함한다.

b) 제1 트라이어드 저관성 가속도 및 속도 자이로메트릭 센서;

d) 트라이어드 자력계 센서;

e) 영구 저장소; 예를 들어 200개의 스윙들을 기록하고 저장;

f) Qi 무선 충전 컨트롤러; 및

g) 배터리 모니터를 포함한다.

특정 실시예들에서, 시스템들 및 방법들은 안테나 디자인(예컨대, TaoGlas로부터)과의 인터페이스를 포함하며, 이는 또한 수행력 튜닝(performance tuning) 및 사전 규정 준수 검증(pre-compliance validation)을 수행할 수도 있다.

특정 실시예들에서, 시스템들은 인쇄 회로 기판 어셈블리를 포함한다.

다른 실시예들에서, 시스템들은 하나 이상의 관성 측정 유닛(IMU) 및 배터리로 작동하는 저전력 디바이스를 포함한다.

]. 특정 실시예들에서, 시스템은 다음에 대해 BLE(블루투스 저에너지)를 통한 사용자 인터페이스를 포함한다:

a. 라이브 세션으로부터 데이터를 수신;

b. 관성 데이터를 캡처(BLE 연결 시):

a.공의 임팩트를 측정하기 위해 높은-G 센서들(high-G sensors)을 사용;

b.스윙 모션을 기록하기 위해 낮은-G 센서들(low-G sensors)을 사용;

c. 다음에 대해 온-보드 처리가 요구됨:

a. 클럽이 공을 칠 때(스윙의 끝(end of swing))을 검출;

b. 라이브 세션 데이터를 휘발성 메모리(예컨대, RAM)에 저장;

c. 다음에 대해 BLE를 통해 통신:

i. 마지막으로 검출된 스윙에 대한 라이브 관성 데이터를 보고,

ii. 배터리 레벨 게시; 및

선택적으로 다음을 포함한다:

d. Qi 충전 기능;

e. 세션 로그에 영구 저장;

f. 프로덕션 모드들(대기 모드, 슬립 모드, 온 모드); 및

g. 로그에 액세스하는 BLE 커스텀 서비스.

다양한 실시예들에서, 본 발명은 골프 스윙 분석 방법 및 골프 스윙 분석 프로그램을 포함하여, 본 발명의 센서들을 포함하는 측정 디바이스를 사용하여 골프 클럽의 스윙 동작을 모델링될 수 있게 하고 스윙 동작을 이상적인 또는 최적의 모션으로 매칭시킬 수 있는 골프 스윙 분석 시스템 및 방법을 포함한다.

다른 실시예에서, 본 발명은 골퍼를 위한 최적의 스윙 프로파일과 그에 따른 최적의 클럽, 신발, 또는 공을 지정할 수 있는 골프 클럽 피팅 장치 및 프로그램을 포함한다.

다양한 실시예들에서, 본 발명의 시스템 및 방법은 개인의 모션을 분석하고 개인의 "실제" 모션을 개인의 모션의 "이상적인" 프로파일과 매칭시키는 프로파일을 생성하고, 그에 따라 특정 활동을 위해 원하는 장비와 모션을 매칭시키기 위해 그 프로파일을 이용하는 데 사용될 수 있다. 예를 들어, 시스템 및 방법은 제한되는 것은 아니지만, 골프 클럽, 배트, 하키 스틱, 라크로스 스틱, 필드 하키 스틱, 낚시대 등을 포함하는 대상체를 스윙하는 개인의 모션에 기초하여 모션 프로파일을 생성하는 데 사용될 수 있으며, 모션 프로파일은 또한 분석이 필요한 스포츠 또는 활동에 따라 최적의 운동화, 골프공, 및 관련 장비를 개인과 매칭시키는 데에도 사용될 수 있다.

특정 실시예들에서, 본 발명은 예를 들어 골프 클럽의 스윙 동작을 분석하기 위한 스윙 분석(예컨대, 골프 스윙) 시스템 및 방법을 포함하며, 예를 들어 토크, 소니피케이션, 및 모션(예컨대, 스윙)의 행동에 기초하여 그 모션(예컨대, 스윙 동작) 동안 획득되는 다른 측정 데이터에 기초하여 획득 디바이스를 사용하여 스윙 동작을 측정함으로써 얻어지는 하나 이상의 측정 값을 획득하도록 구성된 획득 디바이스를 포함한다.

다양한 실시예들에서, 스윙 동작은 본 명세서에 설명된 바와 같이 하나 이상의 자이로미터 또는 가속도계를 포함하는 다양한 센서들을 포함하는 디바이스로부터 수집된 데이터에 기초하여 분석된다. 따라서, 골프 클럽의 스윙 동작은 움직이는 대상체에 부착된 측정 디바이스에 의해 측정된 값을 사용하여 모델링될 수 있다.

특정 실시예들에서, 디바이스는 스윙 모션에 기초하여 각속도를 측정하거나 계산하도록 구성된다. 특정 실시예들에서, 디바이스는 스윙 모션에 기초하여 토크를 측정하거나 계산하도록 구성된다. 특정 실시예들에서, 디바이스는 스윙 모션에 기초하여 소니피케이션을 측정하거나 계산하도록 구성된다.

본 발명의 실시예들에서, 스윙을 수행하는 동안 피평가자의 움직임은 본 발명의 시스템 또는 디바이스에 의해 측정 또는 검출되고, 측정은 복수의 파라미터들에 대한 값들을 제공하는 데 사용되며, 파라미터들은 분석되고 이러한 파라미터들에 대한 "이상적인" 목표 값들과 비교된다. 골프 스윙과 연관된 신체 및 클럽 움직임들을 측정하는 데 사용될 수 있는 다양한 방법들이 당업자에게 알려져 있다.

모션 분석을 사용함으로써, 복수의 파라미터들에 대한 값들이 계산되고 평가자가 피평가자의 스윙 문제들을 보다 정확하게 파악할 수 있는 정확한 측정값들이 제공된다.

일부 실시예들에서의 모션 추적 또는 모션 캡처는 본 발명의 디바이스를 사용하여 달성되는데, 예를 들어, 피평가자가 스윙할 대상체(예컨대, 골프 클럽)에 디바이스를 부착하여 스윙하는 동안 포지션들 또는 각도들에 의해 모션을 식별한다. 하나 이상의 음향, 관성, 자기, 가속도계, 자이로미터 또는 다른 센서들 또는 이들의 조합이 디바이스에 포함되고, 원하는 모션의 주파수 비율 동안 최적으로 적어도 두 번 이상 데이터를 감지하고 데이터를 분석하는 데 사용된다. 이 디바이스는 일반적으로 적어도 3 자유도 이상의 데이터를 생성한다.

다양한 실시예들에서, 관성 모션 캡처 기술은 마이크로 또는 나노 크기의 관성 센서들, 생체 역학 모델들 및 센서 융합 알고리즘들에 기초한다. 관성 센서들(관성 안내 시스템)의 모션 데이터는 무선으로 컴퓨터로 전송되어 모션을 기록하거나 볼 수 있다. 특정 실시예들에서 관성 시스템들은 자이로스코프를 사용하여 회전 속도를 측정한다. 특정 실시예들에서, 자이로스코프들이 많을수록 데이터가 더 자연스러워진다. 상대적 모션들에 대해서는 외부 카메라, 이미터 또는 마커가 필요하지 않다. 관성 시스템들은 사람의 전체 6 자유도 신체 모션을 실시간으로 캡처하며, 선택적으로 자기 센서가 포함된 경우 방향 정보를 제공할 수 있다. 관성 시스템을 사용하는 사용의 장점들은 풀이가 필요 없고 이동성이 뛰어나며 캡처 영역이 넓다는 점이다.

특정 실시예들에서, 자기 시스템들은 스윙의 포지션 및 방향을 산출할 수 있다. 이러한 시스템들은 전압 또는 전류의 상대 강도를 통해 추적 볼륨을 매핑함으로써 범위와 방향 모두를 산출할 수 있다. 센서 출력은 6 자유도이다. 센서 응답은 비선형적이며, 특히 캡처 영역의 특히 가장자리들에 대해 비선형적이다.

신체 움직임 측정 외에도, 힘에 대해서도 또한 측정될 수 있다. 그렇게 하는 한 가지 방법은 신체 세그먼트와 클럽에 질량과 관성 모멘트를 할당하고 모델을 구동하도록 디바이스에 의해 측정된 신체 및 클럽 모션들을 사용함으로써, 적절하게 프로그래밍된 컴퓨터를 사용하여 신체 내의 힘들을 모델링하는 것이다. 컴퓨터는 모션을 분석하고 관련 힘들(예컨대, 토크)과 모션(예컨대, 소니피케이션)을 결정한다.

본 발명의 디바이스의 일 실시예의 주요 구성 요소들은 가속도, 소니피케이션, 자이로메트릭, 및 관성 센서들을 포함하며, 랩톱 컴퓨터와 같은 제어 및 디스플레이 기능을 포함하는 컴퓨터 기반 모션 분석 시스템의 일부인 트랜시버와 적절한 애플리케이션 소프트웨어 및 온보드 또는 연결된 데이터베이스와 무선 수단으로 통신하는 디바이스를 골프 클럽에 부착함으로써 데이터를 수집한다. 다른 감각 디바이스들 및 다른 센서들이 유선 또는 무선(예컨대, 블루투스)으로 시스템에 연결된다. 시스템은 모션 데이터를 처리하고, 보고서, 그래프, 및/또는 피드백을 생성, 표시, 및/또는 전송하며 아래에 자세히 설명된 바와 같이 처방을 제공할 수 있다. 훈련 도구들(training tools)은 모션 분석 시스템 또는 다른 연관된 구성 요소들에 직접 링크될 수도 있고 링크되지 않을 수도 있지만, 테스트 및 분석 후 시스템에 의해 처방된 대로 운동을 연습하는 동안 평가자 또는 피평가자에 의해 사용될 수 있다.

본 발명의 모션 캡처 시스템들의 맥락에서 설명한 바와 같이, 다양한 파라미터들에 대한 값들을 산출하는 데 사용될 수 있는 움직임들을 측정하는 데 사용되는 디바이스들은 대상체의 원하는 부분에 배치된 센서들을 포함한다. 이러한 센서들은 선택적으로, 하나 이상의 반사 또는 조명 마커; 각속도를 측정하는 자이로스코프; 경사 또는 선형 가속도를 측정하는 가속도계; 자기장 강도 또는 방향을 측정하는 자력계; (예를 들어, 뇌파 모니터인) 전기 전위, 근육 활성화, 또는 심박수의 변화를 측정하는 전극; 키네틱 상호작용(kinetic interaction)을 측정하는 압력, 힘, 또는 토크 센서; 신체 부위 또는 대상체의 포지션을 측정하는 마커들이 있거나 없는 카메라; 지면 반력과 모멘트를 측정하는 힘 플랫폼 시스템; 관절 각도를 측정하는 각도계; 속도를 측정하는 속도 센서; 및 신체 부위 또는 주변 열을 측정하는 온도 센서를 포함하지만, 이에 제한되는 것은 아니다. 이러한 센서들은 선택적으로, 미리 정의된 샘플링 주파수에서 센서들로부터 신호를 샘플링하고 저장함으로써 테스트 세션 동안 움직임 데이터를 획득하는, 하나의 프로세서 또는 프로세서들의 네트워크에 연결된다.

개인의 움직임 동안 센서들에 의해 획득되고 메모리에 저장되는 데이터는, 예를 들어 토크, 회전 속도, 자유 모멘트, 대상체의 포지션, 개인의 스윙 속도와 같은 구체적인 설명 파라미터들(descriptive parameters)에 대한 값들을 얻도록 처리된다. 대부분의 실시예들에서 측정은 "비교 모델"을 사용하여 피평가자로부터 얻은 파라미터들의 값들을 이러한 파라미터들에 대한 "이상적인" 목표 값들과 비교하여 피평가자가 자신의 기술을 변경하여 수행력을 높이거나 부상 위험을 줄일 수 있는 방법에 대한 지침을 제공하거나 개인의 스윙을 개인에게 최적의 장비에 매칭시킬 수 있도록 한다. 따라서, 비교 모델은 피평가자의 실제 움직임(일련의 이산 파라미터들(a set of discrete parameters)로 설명됨)과 목표(이상적인 기준) 파라미터들을 비교하는 것을 포함한다.

일반적으로 획득된 데이터의 분석에는 맞춤형 알고리즘들이 수반된다. 이러한 알고리즘들은 측정 유닛들을 변경하는 것; 클럽, 골프 클럽, 골프공 또는 주변 환경에서 센서들의 위치를 고려하도록 신호들을 교정하는 것; 신호들을 평활화 또는 필터링하는 것; 구체적인 설명적 파라미터들을 얻기 위해 신호들을 분석 및 결합하는 것; 설명적 파라미터들로부터 이산 메트릭들(discrete metrics)을 추출하는 것; 수행력 또는 부상 위험을 평가하기 위해 그리고 선택적으로 피평가자가 자신의 기술을 개선하거나 최적의 장비를 식별할 수 있는 방법에 대한 데이터를 제공하기 위해 비교 모델을 사용하여 개인의 움직임(일련의 이산 파라미터들로 설명됨)을 목표 파라미터들과 비교하는 것을 포함하지만, 이에 제한되는 것은 아니다.

특정 실시예들에서, 알고리즘들은 골퍼의 적용 토크를 결정하기 위해 스윙 모델을 사용하고, 회귀 기법을 통해 이상적인 토크 프로파일을 결정하고, 각 개인 골퍼의 생체 역학에 맞게 조정된 토크 프로파일을 제공하는 것을 포함한다. 특정 실시예들에서, 이상적인 토크는 낮은 주파수 성분(lower frequency content)으로 더 부드러운 프로파일을 나타내며, 보다 일정하고 제어된 스윙으로 이어진다. 특정 실시예들에서, 알고리즘들은 정규화된 평균 제곱근 편차(NRMSD)를 사용하여 이상적인 토크를 센서에 기록된 골퍼 토크와 비교한다. 이를 통해 신호 편차의 측정과 궁극적으로 스윙의 불규칙성(erratic-ness)을 측정하고 선형 변환을 사용하여 NRMSD 값을 0~10 범위로 스케일링하여 스윙 프로파일 값 또는 숫자를 제공한다.

분석의 제1 단계는 각 센서에 대한 교정 루틴들을 수행하여 적절한 단위들의 신호들을 얻는 것이다. 센서들로부터 신호들의 단위들은 미리 정의된 교정 공식들을 사용하여 측정된 단위들(예컨대, 볼트)로부터 원하는 측정 단위들(예컨대, 초당 도(degree per second) 또는 g-포스(g-force))로 변환된다. 신호들은 센서의 배치와 테스트 세션의 조건들에 따라 수정할 수 있다. 교정 절차들은 사용 중인 특정 유형들의 센서와 스윙하는 대상체들 상의 센서의 위치에 따라 맞춤 설정될 수 있다. 예를 들어, 골프 샤프트 세그먼트에 부착된 가속도계의 교정 루틴들은 세그먼트에 대한 센서들의 포지션과 방향을 식별한다. 또한, 경우에 따라서는, 테스트 세션의 초기 조건들(초기 포지션, 방향 등)에 기초하여 센서들이 조정된다. 데이터는 표준 신호 처리 필터들(예컨대, 버터워스 필터, 가우시안 필터 등) 또는 애플리케이션에 맞게 맞춤 설계된 필터들을 사용하여 필터링되거나 평활화될 수 있다.

데이터가 적절한 단위들로 조정되면, 사용된 센서들의 유형과 분석되는 움직임에 따라 움직임의 맞춤형 분석이 완료된다. 일반적으로, 신호들은 주요 파라미터들에 대한 값들을 얻기 위해 처리되고, 움직임의 중요한 시간적 피처들(예컨대, 백스윙 시작, 초기 다운스윙, 중간 다운스윙, 후반 다운스윙, 공의 임팩트, 팔로우-스루 종료 등)이 식별된 다음, 이산 메트릭들이 해당 중요한 시점에서의 설명 파라미터들의 값들로서 또는 시점들 간의 파라미터들의 통계적 감소로 결정된다. 원하는 파라미터가 직접 측정되지 않는 경우, 센서들로부터의 데이터를 조작하여 원하는 파라미터를 생성하며; 예를 들어, 포지션이 원하는 설명 파라미터일 수 있지만 실제로는 속도가 측정되며, 따라서 속도를 통합하여 포지션을 산출한다. 센서 데이터는 또한 칼만 필터링과 같은 방법들을 사용하여 측정 오류를 줄이기 위해 결합될 수도 있으며; 예를 들어, 속도로부터 산출된 포지션 데이터는 비이상적 속도 센서의 드리프트를 보정하기 위해 가끔씩의 포지션 데이터를 사용하여 향상될 수 있다.

움직임 측정 및 파라미터들에 대한 값 산출을 통해 데이터가 회득되고 분석되면, 피드백이 평가자에게 제공되거나 및/또는 피평가자에게 직접 제공된다. 피드백은 다양한 방식으로 제공될 수 있으며, 예를 들어 다양한 그래픽 디스플레이들이 피드백을 제공하는 데 사용될 수 있다. 예를 들어, 피드백은 모니터 또는 다른 디스플레이 상에 도 7과 같이 차트 또는 그래프 형태로 비교 모델의 출력들을 표시함으로써 제공될 수 있다. 차트들 또는 그래프들은 가장 최근의 변수들뿐만 아니라 시간에 따라 측정된 일련의 변수들, 목표 파라미터 등을 표시할 수 있다. 대안적으로 또는 추가적으로, 그래픽 디스플레이는 움직임을 수행하는 피평가자(또는 아바타)의 이미지들과 최적의 움직임 성취를 보여주는 중첩된 시각적 인디케이터들을 포함할 수 있다. 일부 실시예들에서, 디스플레이는 신체 움직임들이 3차원 공간에서 상이한 뷰 지점들로부터 보여질 수 있도록 3차원 애니메이션을 표시하기 위해 원근 기법을 사용할 수 있다. 또한, 그래픽 디스플레이는 현재 피평가자의 움직임에 대한 설명들 및/또는 비교들과 함께 이상적인 또는 비이상적인 골프 스윙들을 수행하는 다른 피평가자들의 비디오들을 포함할 수 있다. 또한, 텍스트 또는 카툰과 같은 정보가 제공될 수 있다. 그래픽 디스플레이는 컴퓨터 모니터, TV, 스마트폰, 프로젝터 또는 다른 유형의 디스플레이 플랫폼에서 제공될 수 있다. 이 단락에 제시된 방법들과 유사한 시각적 방법들이 수행력 평가의 결과를 개인에게 전달하는 데 사용된다.

그래픽 디스플레이들을 사용하는 것 외에도, 피드백은, 벨, 경고음, 부저, 차임, 알람, 지시를 내리는 합성 음성, 또는 다른 적절한 사운드들과 같은 오디오 신호들을 통해 피평가자에게 제공될 수 있다. 일부 실시예들에서, 피평가자에게 들리는 사운드들은 설명적인 것일 수 있다: 하나의 사운드(예를 들어, 딸깍 소리, 버즈, 한 음조의 삐 소리(beep))가 움직임이 부적절하게 수행되었음을 나타낼 수 있고; 다른 사운드(예를 들어, 쉭 소리(swoosh sound), 기분 좋은 화음(pleasant chord), 또는 다른 음조의 삐 소리)가 움직임이 적절하게 수행되었음을 나타낼 수 있다. 일부 실시예들에서, 사운드의 피치, 강도, 및/또는 주파수는 개인의 움직임 및/또는 포지션이 특정 값 또는 값들의 범위로부터 얼마나 변화하는지에 대한 정보를 제공하거나 피평가자에게 다른 정보를 제공하기 위해 변경될 수 있다. 오디오 피드백은 개인의 신체에 위치하거나 신체와 분리된 피드백 디바이스들로부터 제공될 수 있다.

본 발명은 또한 골프 스윙 데이터의 소니피케이션 기술들을 포함한다. 한 기술에서, 기록된 골프 스윙 데이터를 사용하여 합성 사운드를 생성했다. 클럽 헤드 속도와 X-팩터는 각각 하나의 보컬 포먼트의 주파수를 제어하고, X-팩터는 또한 좌우 스테레오 패닝도 제어했다. 사람의 소리들은 쉽게 인식 가능하고 재현 가능할 수 있는 것으로 알려져 있으며, 따라서 데이터로부터 소리를 소니파이(sonify)하거나 매핑하는 데 유용한 피드백 및 효과적인 방법으로 사용된다. 특정 실시예들에서, 골프 스윙 회전 생체 역학의 식별에 대해서는 오디오 기반 피드백을 받은 참가자들의 경우가 비디오의 시각적 관찰을 이용한 참가자들에 비해 더욱 구별하기 쉬웠으며, 이는 사운드 소니피케이션이 파워 생성에 필수적인 골프 스윙 생체 역학을 실시간으로 식별하는 데 유용한 훈련 양식을 제공할 수 있음을 보여주었다.

특정 실시예들에서, 디바이스는 소니피케이션 센서 또는 초음파 트리거를 포함하거나 또는 센서들을 사용하여 이러한 정보를 산출한다. 초음파 트리거는 목표 영역에 있는 대상체 또는 대상체들을 향해 음파를 방출할 수 있는 하나 이상의 초음파 방출기를 가질 수 있다. 음파들은 주기적으로 방출되며 목표 영역을 향해 이동한다. 음파들이 목표 영역 내의 대상체에 도달하면, 이들은 대상체에 부딪혀 반사된다. 음파들이 수신되면, 이들을 분석하여 속도, 공간 포지션 등과 같은 골프 클럽과 골프 공의 운동학적 특성들을 결정할 수 있다. 이러한 특성들은 이미지 획득 장비의 활성화 시간을 계산하는 데 사용될 수 있다.

특정 실시예들에서, 소니피케이션 센서는 어떠한 보조 반사기들의 도움 없이도 기능할 수 있다. 즉, 본 발명은 음파들을 수신기 쪽으로 집중시키기 위해 추가적인 장치들을 필요로 하지 않는다. 본 발명은 추가적인 장비 없이도 음파만에 기초하여 골프 클럽 또는 골프 공의 포지션과 속도를 보다 안정적으로 결정할 수 있다.

방출되는 음파들의 주파수는 주변 사운드 등과 같은 외부 소스들로부터의 간섭 가능성이 제거되거나 실질적으로 감소되도록 선택될 수 있다. 바람직하게는, 방출된 음파들은 외부 간섭에 민감하지 않는 주파수를 갖는다. 외부 간섭에 민감하지 않은 음파들을 사용하는 것은 보조 반사기들 없이도 디바이스를 기능하게 할 수 있게 하는 데 도움이 된다.

바람직한 실시예들에서, 디바이스는 골프 클럽 및 골프 공의 운동학을 측정하는 디바이스와 함께 사용될 수 있는 초음파 센서를 포함한다. 본 발명의 실시예는 주기적으로 음파들을 방출하고 에코들을 수신하는 초음파 변환기를 제공한다. 음파들과 수신된 에코들은 골프 클럽 및/또는 골프 공의 포지션 및 속도를 결정하는 데 사용될 수 있다. 음파들을 사용하는 것은 외부의 모든 간섭이 측정에 방해되는 것을 방지할 수 있다.

본 발명은 대상체의 운동학을 측정하는 모든 유형의 디바이스와 함께 작동하도록 적응될 수 있는 시스템으로 기능한다.

일 실시예에서, 디바이스는 임의의 유형의 골프 장비와 함께 사용될 수 있다. 디바이스는 특정 애플리케이션에 따라 결정될 수 있는 어떠한 방향으로도 배치될 수 있다.

일 실시예에서, 센서들의 임의의 유형 또는 조합이 사용될 수 있다. 또는, 하나 이상의 센서가 결합되거나 작동 방식으로 연결될 수 있다. 당업자에게 공지된 임의의 유형의 센서가 사용될 수 있다. 바람직한 실시예에서, 센서는 초음파 주파수 범위에서 음파들을 검출할 수 있으며, 이는 약 10 내지 약 500 KHz 사이이다. 바람직한 실시예에서, 주파수는 약 100 KHz 이다. 당업자는 센서의 펄스 지속 시간 및 펄스 주파수가 특정 애플리케이션에 따라 변경될 수 있음을 인식할 것이다.

일부 실시예들에서, 결합된 센서들의 수는 관찰되는 모션의 유형 또는 스윙의 유형에 기초할 수 있다. 실시예들에서, 더 많은 데이터를 얻기 위해 더 많은 수의 센서들을 갖는 것이 바람직할 수 있다. 실시예들에서, 원하는 데이터를 얻기 위해 더 적은 수의 센서들이 필요할 수도 있다.

예시적인 실시예에서, 본 발명에 따른 방법은 골프 클럽에 부착된 디바이스의 모션에 의해 음파들이 방출되는 것을 포함한다. 음파들은 바람직하게는 미리 결정된 목표 영역을 향해 집중된다. 영역의 크기는 특정 애플리케이션에서 사용되는 대상체들의 유형들에 의해 결정될 수 있다. 바람직한 실시예에서, 영역은 플레이어가 골프 클럽을 스윙할 수 있을 만큼 충분히 커야 한다.

다른 실시예에서, 본 발명은 디바이스가 골프 클럽에 부착되고, 측정 디바이스 역할을 하는 가속도 센서 및 각속도 센서에 의해 측정된 스윙 동작의 측정 값을 획득하도록 구성된 골프 스윙 분석 시스템을 포함한다. 여기서, 스윙 분석은 골프 클럽에 부착된 가속도 센서와 각속도 센서에 기초하여 이루어진다. 또한, 골프 스윙 분석 시스템은 또한 측정 디바이스 역할을 하는 골프 클럽에 부착된 지자기 센서에 의해 측정된 스윙 동작의 측정값을 추가적으로 획득하도록 구성될 수 있다. 여기서, 디바이스는 가속도 센서 및 각속도 센서 외에 지자기 센서를 더 포함하며, 디바이스는 골프 클럽에 부착된다.

다른 실시예에서, 본 발명은 디바이스 내의 센서들에 의해 수집된 데이터에 기초하여 스윙 동작을 특징짓는 스윙 프로파일로서, 헤드 속도, 토크 발휘량, 평균 토크, 평균 파워 및 에너지 발휘량 중 적어도 하나를 산출하도록 구성된 다양한 센서들을 더 포함하는 디바이스를 포함하는 골프 스윙 분석 시스템을 포함한다.

여기서, 헤드 속도, 토크 발휘량, 평균 토크, 평균 파워 및 에너지 발휘량 중 적어도 하나는 스윙 동작을 특징짓는 스윙 프로파일로 산출된다. 따라서, 헤드 속도, 토크 발휘량, 평균 토크, 평균 파워, 에너지 발휘량 중 적어도 하나에 기초하여 스윙 동작이 평가될 수 있다.

특정 실시예들에서, 골프 클럽의 스윙 동작을 분석하기 위한 골프 스윙 분석 방법은, 본 명세서에 설명된 센서들을 포함하는 디바이스를 사용하여 스윙 동작을 측정하는 단계, 스윙 동작의 측정값에 기초하여 스윙 동작 동안 발생하는 골프 클럽의 파라미터를 도출하는 단계, 및 스윙 프로파일을 도출하는 단계를 포함할 수 있다.

또 다른 실시예에 있어서, 본 발명의 비일시적 컴퓨터 판독 가능한 매체에 저장된 골프 스윙 분석 시스템은 골프 클럽의 스윙 동작을 분석하기 위한 것으로, 컴퓨터로 하여금 측정 디바이스를 사용하여 스윙 동작을 측정함으로써 얻어진 측정 값을 획득하는 단계, 측정 값에 기초하여 스윙 동작 동안 발생하는 골프 클럽의 행동을 도출하는 단계, 및 스윙 프로파일을 도출하는 단계를 수행하게 한다.

발명자들은 헤드 스피드, 토크 발휘량과 같은 미리 결정된 스윙 인덱스들과 클럽의 무게, 끝 관성 모멘트와 같은 골프 클럽의 스윙 능력(swingability) 사이에 관계가 존재한다는 사실을 발견했다. 예를 들어, 클럽이 무거워지면 골퍼는 골프 클럽을 자유롭게 스윙할 수 없게 되고 헤드 스피드가 감소한다. 반대로, 클럽의 무게가 일정 수준까지 떨어진 후에는 헤드 스피드는 정체된다. 이는 풀 스윙에 사용되는 힘보다 더 큰 힘으로 클럽이 스윙될 수 없기 때문이다. 반면, 스윙하는 동안 토크 발휘량은 골프 클럽이 무거워질수록 증가하지만, 클럽의 무게가 일정 수준까지 증가하면 골퍼는 자신의 한계에 도달하며 토크 발휘량이 정체된다. 즉, 골퍼가 자신의 한계에 도달하면 클럽이 스윙하기 더 쉽게 또는 스윙하기 더 어렵게 만들어지더라도, 스윙 인덱스들은 더 이상 증가하지 않는다.

본 발명의 다른 실시예는 골프 클럽 피팅 장치를 포함하며, 이는 획득 유닛, 인덱스 산출 유닛, 및 최적 인덱스 지정 유닛을 포함한다. 획득 유닛은 복수의 골프 클럽들 각각으로 실행된 스윙 동작을 측정함으로써 얻어진 측정 값을 획득하도록 구성된다. 인덱스 산출 유닛은, 측정 값에 기초하여, 골프 클럽들 각각에 대한 스윙 동작을 특징짓는 인덱스인 스윙 인덱스를 산출하도록 구성된다. 최적 인덱스 지정 유닛은 인덱스 산출 유닛에 의해 산출된 스윙 인덱스들에 기초하여 제1 회귀선(regression line)과 제2 회귀선 사이의 교차 지점을 지정하고, 그 교차 지점에 또는 그 부근에 스윙 능력 인덱스인 최적 인덱스 및 최적 인덱스 범위 중 하나를 지정하도록 구성된다. 제1 회귀선은 스윙 인덱스가 스윙 능력 인덱스에 대해 대략 일정하게 되는 일정한 영역에서의 스윙 인덱스의 회귀선이다. 제2 회귀선은 스윙 인덱스가 스윙 능력 인덱스에 대해 대략 비례하게 되는 비례 영역에서의 스윙 인덱스의 회귀선이다.

따라서, 여기서는 골퍼의 한계에 대응하는 최적의 스윙 인덱스를 실현하는 최적의 스윙 능력 인덱스가 지정된다. 즉, 골퍼에게 맞는 최적의 스윙 능력이 지정될 수 있다.

본 발명의 또 다른 실시예는 본 발명의 골프 클럽 피팅 장치를 포함하며, 이는, 극히 작은 스윙 능력 인덱스를 갖춘 골프 클럽의 스윙 동작을 측정함으로써 얻어진 제1 측정 값과 극히 큰 스윙 능력 인덱스를 갖춘 골프 클럽의 스윙 동작을 측정함으로써 얻어진 제2 측정 값을 획득하도록 확득 유닛이 구성되는 골프 클럽의 피팅 디바이스이다. 또한, 최적 인덱스 지정 유닛은, 제1 측정 값을 기준으로 하는 스윙 인덱스에 기초하는 제1 회귀선과 제2 측정 값을 기준으로 하는 스윙 인덱스에 기초하는 제2 회귀선을 지정하거나, 또는 제2 측정 값을 기준으로 하는 스윙 인덱스에 기초하는 제1 회귀선과 제1 측정 값을 기준으로 하는 스윙 인덱스에 기초하는 제2 회귀선을 지정하도록 구성된다.

본 발명의 다른 실시예는 헤드 속도, 토크 발휘량, 평균 토크, 평균 파워 및 에너지 발휘량 중 적어도 하나가 스윙 인덱스에 포함되는 골프 클럽 피팅 장치를 포함한다. 여기서, 스윙 인덱스는 헤드 속도, 토크 발휘량, 평균 토크, 평균 파워, 및 에너지 발휘량 중 적어도 하나에 기초하여 평가된다.

본 발명의 또 다른 실시예는 다음 단계들을 포함하는 골프 클럽 피팅 방법을 포함한다:

(1) 본 발명의 센서들을 포함하는 본 발명의 측정 디바이스를 사용하여 하나 이상의 또는 복수의 골프 클럽들 각각으로 수행되는 스윙 동작을 측정하는 단계;

(2) 스윙 동작의 측정 값에 기초하여 골프 클럽들 각각에 대해 스윙 동작을 특징짓는 인덱스인 스윙 인덱스를 산출하는 단계;

(3) 산출된 스윙 인덱스에 기초하여, 스윙 인덱스가 골프 클럽의 스윙 용이성을 나타내는 스윙 능력 인덱스에 대해 대략 일정하게 되는 일정한 영역에서 스윙 인덱스의 제1 회귀선을 지정하는 단계;

(4) 산출된 스윙 인덱스에 기초하여, 스윙 인덱스가 스윙 능력 인덱스에 대략 비례하게 되는 비례 영역에서 스윙 인덱스의 제2 회귀선을 지정하는 단계; 및

(5) 제1 회귀선과 제2 회귀선 사이의 교차 지점을 지정하고, 교차 지점에 또는 그 부근에 스윙 능력 인덱스인 최적 인덱스 및 최적 인덱스 범위 중 하나를 지정하는 단계.

도 1은 본 발명의 시스템 및 방법들을 사용하여 데이터를 처리하는 방법에 대한 개략적인 개요를 도시한 도면이다.
도 2는 데이터를 처리를 위해 시스템 및 방법에 포함될 수 있는 추가적인 피처들을 도시하는 도면이다.
도 3은 본 발명의 시스템 및 방법을 사용하여 데이터를 처리하는 방법에 대한 개요를 도시한 도면이다.
도 4는 본 발명의 시스템 및 방법들을 사용하여 데이터를 플로팅하는 방법에 대한 개략적인 개요를 도시한 도면이다.
도 5는 본 발명의 시스템 및 방법을 사용하여 스윙 프로파일 곡선을 생성하기 위해 데이터를 플로팅하는 방법에 대한 개요를 도시한 도면이다.
도 6은 스윙 토크 데이터를 얻기 위해 센서들을 사용하여 수집한 데이터에 기초하여 골퍼의 스윙이 스윙 프로파일을 생성하는 데 사용될 수 있는 방법을 결정하는 데 대한 개요를 도시한 도면이다.
도 7은 시간에 따라 플로팅된 골프 스윙 크기의 예시적인 스윙 분석을 도시한 도면이다. 이 그래프는 둘 사이의 편차를 보여주는 골퍼의 스윙 토크를 비교하여 이상적인 스윙 토크를 도시하며, 이를 통해 골퍼의 스윙에 클럽이나 훈련 패러다임을 매칭시키는 데 사용될 수 있다.

본 발명은 실시간으로 데이터를 확득하고, 데이터를 분석하고, 사용자에게 실시간 피드백을 제공하기 위한 시스템들 및 방법들을 포함한다. 다양한 실시예들은 시스템을 사용하는 사용자가 장비의 스윙 모션을 추적, 정량화, 및 평가할 수 있게 한다. 예를 들어, 본 발명의 시스템들 및 방법들은 배트 또는 골프 클럽을 스윙하는 동안 사용자의 스윙 모션의 관련 특성들을 정량화하는 센서 데이터를 처리하고, 이를 최적화된 스윙 디바이스와 관련된 저장된 데이터 세트와 동시에 비교함으로써 데이터를 평가한 다음 사용자에게 하나 이상의 최적화된 스윙 디바이스들을 매칭시킨다. 데이터 수집 및 비교는 예를 들어 사용자가 자신의 집이나 장소에 있는 동안 사용자에 의해 부착된 센서 디바이스로부터의 데이터를 원격 위치의 표준 개인 장비로 전송한 다음 그 데이터를 최적화된 스윙 디바이스와 관련된 데이터를 포함하는 컴퓨팅 디바이스 또는 서버로 전송함으로써 원격으로 수행될 수 있다.

본 명세서에서 사용되는 용어들로서, "복수형의 구비하다", "단수형의 구비하다", "구비하는", “갖는”, "포함하는", "포함하다" 또는 그 변형된 용어들은 배타적이지 않은 포함을 참조하기 위한 것으로서, 요소들의 리스트를 포함하는 프로세스, 방법, 물품, 구성, 또는 장치는 이들 인용된 요소들을 포함할 뿐만 아니라 그러한 프로세스, 방법, 물품, 구성, 또는 장치에 명시적으로 나열되지 않거나 내재되지 않은 다른 요소들을 포함할 수 있다. 본 발명의 실시에 사용되는 상기 기재된 구조, 배열, 애플리케이션, 비율, 요소, 재료, 또는 구성 요소들의 다른 조합들 및/또는 수정들은, 특별히 언급되지 않은 것 외에도, 일반적인 원칙에서 벗어나지 않고 특정 환경, 제조 사양, 디자인 파라미터 또는 다른 작동 요건들에 맞게 변형되거나 특별히 적응될 수 있다.

특정 실시예들에서, 사용자는 애플리케이션(앱)을 사용하거나 웹사이트에 로그인 또는 등록하여 셀폰 또는 개인 컴퓨팅 디바이스(예컨대, 태블릿 또는 컴퓨터)를 통해 실시간으로 피드백을 수신할 수 있다. 특정 실시예들에서, 피드백은 스윙 전체에 걸쳐 발생하고 다양한 지점들(예컨대, 스윙 중간 또는 스윙 완료 후)에서 데이터를 제공하여 움직임 또는 동작이 템플릿(예컨대, "이상적인") 데이터 세트에 부합하는지를 설명하고 사용자가 해당 사용자의 스윙 모션 데이터와 특정된 최적화된 장비를 선택할 수 있도록 한다. 단일 모션의 경우 또는 세션 전체에서 수행되는 이산적인 모션들의 경우, 본 발명의 시스템들은 테스트와 템플릿 데이터 세트들 간의 정규화된 "스코어" 또는 백분율 편차와 같은 모션의 정량화된 측정치를 제공할 수 있다.

또한, 이 시스템들 및 방법들은 스윙의 진행 상황을 모니터링하기 위해 시간에 따른 스윙 정보를 제공하는 데에도 사용될 수 있다. 예를 들어, 시스템들은 이전 측정들의 진행 상황과 장기적인 목표들에 기초하여 템플릿을 자동으로 적응시킬 수 있으며 사용자의 스윙 모션 또는 모선들로부터 캡처한 데이터가 방향, 속도, 및/또는 모션 범위와 같은 원하는 기준과 매칭하는지를 확인할 수 있다. 시간이 지남에 따라, 시스템들은 사용자 또는 제3자(예컨대, 스포츠 트레이너 또는 장비 전문가)에 의한 진행 상황의 클라우드 기반 검토를 가능하게 하며, 수정 또는 지시 모션, 상이한 모션 지침, 또는 다양한 요법들의 조합을 포함할 수 있는 결과들을 강조 표시할 수 있다.

본 실시예들은 스윙 모션과 연관된 다양한 변수들을 설명하고 상호 연관시키는 향상된 기능을 제공한다. 본 발명의 다양한 실시예들은 시간에 따른 상이한 추적 데이터를 상호 연관시키고 다차원적 상관관계 없이는 분명하지 않을 수 있는 데이터의 관련 추세들 또는 패턴들을 인식함으로써 개선된 솔루션을 제공한다.

다양한 실시예들은 획득된 데이터가 원하는 특성들과 매칭하는 자동화된 즉각적이고 정확한 표시를 사용자에게 제공하고, 피드백을 수신하여 이를 실시간으로 사용자에게 제공함으로써 향상된 솔루션을 제공한다. 예를 들어, 실시예들은 패턴 매칭 알고리즘들에 기초하여 사용자에게 실시간 피드백을 제공한다. 수신된 센서 데이터가 미리 정의된 규칙과 매칭되는 경우, 센서 또는 연관된 디바이스는 스윙 모션이 선호되는 최적화된 스윙 장비와 매칭한다는 표시를 사용자에게 (예를 들어, 시각적, 청각적, 및/또는 유형적으로) 제공할 수 있다. 다른 예들에서, 실시간 데이터가 제3자(예컨대, 코치, 트레이너, 전문가)에게 제공되어, 제3자에게 시스템이 사용자에게 실시간으로 전송하는 피드백을 입력할 수 있는 옵션을 제공한다. 자동 및/또는 수동의 관련 실시간 피드백은 사용자가 적응할 수 있게 하며, 이를 통해 사용자는 정보 피드백을 보다 효과적으로 수신할 수 있다.

다른 실시예에서, 본 발명은 상이한 데이터 프로파일들 간의 시간 경과에 따른 관련 추세들을 강조 표시하는 개선된 기능을 제공한다. 또한, 실시예들은 모션의 범위 또는 템플릿 프로파일과의 편차와 같은 관련 진행 상황을 추적할 수 있다. 예를 들어, 시스템들 및 방법들은 사용자의 스윙 모션의 편차가 특정 크기 또는 기간에서 벗어나는 것을 결정할 수 있다.

실시예들은 데이터 프로파일을 생성, 활용, 및/또는 조작하는 것을 포함할 수 있다. 일부 실시예들에서, 데이터 프로파일은 시간에 따른 다차원 데이터 스트림 또는 다수의 시간 동기화된 데이터 스트림들의 포트폴리오일 수 있다. 데이터 프로파일은 다양한 센서들로부터 수신된 데이터와 같이 시간에 따라 달라지는 둘 이상의 데이터 세트들을 상호 연관시킬 수 있다. 예를 들어, 데이터 프로파일은 시간 경과에 따른 가속도를 세 개의 축들로 나타낼 수 있다. 또 다른 예에서, 데이터 프로파일은 누적된 움직임의 크기(예컨대, 활동 측정 메트릭)와 시간에 따라 기록된 활동 측정 메트릭을 포함할 수 있다. 또 다른 예들에서, 예를 들어, 관성 센서, 자력계 센서, 자이로 센서, 압력 센서, 힘 센서, 전기 센서 등 하나 이상의 다양한 센서로부터의 데이터는 스윙 속도 또는 모션과 같은 정보와 상호 연관될 수 있다. 다른 유형들의 데이터 스트림들은 개시된 실시예들에 따라 본 명세서에서 논의된 데이터 유형들 및 센서들을 사용하여 생성될 수 있다. 다른 실시예들에서는, 수행력(performance)과 다른 외부 요인들의 상관관계가 가능하다.

실시예들은 모션 스윙 프로파일을 생성, 활용, 및/또는 조작하는 것을 포함할 수 있다. 특정 실시예들에서, 스윙 모션 프로파일은 시간에 따른 하나 이상의 스윙들의 모션을 설명하는 데이터 프로파일일 수 있다. 스윙 모션 프로파일은 모션의 시간별 다차원 기록을 포함할 수 있다. 예를 들어, 스윙 모션 프로파일들은 시간에 따른 3차원 가속도 데이터, 3축 방향 데이터, 3축 각속도 데이터, 및/또는 3축 중력 정보를 포함할 수 있다. 일부 실시예들에서, 가속도 및/또는 방향 데이터는 단일 또는 이중 축 가속도 및/또는 방향 데이터와 같은 3차원 미만의 데이터를 포함할 수 있다. 스윙 모션 프로파일은 선형 가속도 및 각 가속도를 상관시키는 것과 같은 동일한 모션의 고유 신호들을 결합할 수 있다.

다양한 실시예들에서, 모션 프로파일에 기초하여, 실시예들은 공간에서 대응하는 모션의 그래픽 표현을 렌더링하는 것을 포함한다. 3차원 모션 프로파일의 예에서, 개시된 실시예들은 대상체의 경로를 나타내는 3축 공간에서 선을 렌더링하는 것을 포함할 수 있다. 다른 실시예들에서, 렌더링된 디스플레이는 (예를 들어, 방향 데이터에 기초하여) 방향이 지정되고 모션 프로파일의 가속도 데이터에 상응하는 속도로 경로를 따라 이동하는 아이콘을 보여주는 애니메이션을 포함할 수 있다. 이러한 데이터는 또한 동기화되어 캡처된 비디오 데이터와 함께 렌더링되거나 그 위에 오버레이될 수도 있다.

실시예들은 하나 이상의 스윙 모션 프로파일 또는 보다 일반적으로 스윙 데이터 프로파일을 저장된 데이터와 비교하고 컴퓨터 알고리즘을 사용하여 스윙 데이터를 사용자의 스윙 데이터에 기초하여 최적화된 최적화 스윙 장비에 매칭시키는 것을 포함한다. 일부 실시예들에서, 시스템들 및 방법들은 두 프로파일들 간의 차이들의 크기를 결정할 수 있다. 이러한 차이들은 골프 클럽의 두 번의 스윙들과 같이 두 세트들의 데이터가 얼마나 밀접하게 매칭하는지를 나타낼 수 있다. 차이들은 상이한 계산들을 사용하여 정량화될 수 있다. 일례에서, 개시된 실시예들은 고정된 기간의 총 차이를 합산할 수 있다(예를 들어, 차이들을 통합). 일부 실시예들은 단위 시간당 통합된 양을 정규화할 수 있다. 추가적으로 또는 대안적으로, 청구된 실시예들은 미리 정의된 일련의 시간의 지점들(예를 들어, 하나 이상의 시간별 데이터 포인트들)에서 두 프로파일들이 임계량(예를 들어, 미리 정의된 임계값 또는 자동으로 조정된 임계값) 이상으로 차이가 나는지를 결정함으로써 두 프로파일들을 비교하는 것을 포함할 수 있다.

실시예들은 특정 기준과 매칭하는 데이터 프로파일 또는 그 일부를 인식하기 위해 이벤트 모델들을 활용하는 것을 포함할 수 있다. 이러한 기준은 단순한 임계값들 또는 복잡한 곡선 매칭 알고리즘들을 포함할 수 있다. 복잡한 곡선 피팅의 예에서, 이벤트 모델은 프로파일의 특정 변수들에 대해 지정된 윤곽선으로 정의될 수 있으며, 이들의 축 변위(예컨대, 일반 최소 제곱 차이) 또는 직교 거리(예컨대, 총 최소 제곱 차이)가 임계량 미만이 되도록 된다. 이 양은 애플리케이션 유형 또는 테스트 프로파일 데이터의 크기에 기초하여 정규화될 수 있다.

실시예들은 본 명세서에서 논의된 바와 같이 이러한 개념들 중 하나 이상을 개별적으로 또는 조합하여 사용할 수 있다.

특정 실시예들에서, 본 발명은 본 개시의 특정 실시예들에 따른 예시적인 실시간 데이터 획득, 정량화, 분석, 및 피드백 시스템을 포함한다. 시스템은 하나 이상의 센서 디바이스, 컴퓨팅 디바이스, 네트워크, 및 서버를 포함할 수 있다.

본 발명의 시스템들 및 방법들은 센서 데이터를 집계하기 위한 하나 이상의 센서 디바이스를 포함할 수 있다. 센서 디바이스들은 시스템에 데이터를 제공하는 하나 이상의 센서들을 나타낸다. 센서 디바이스들 각각은 동일한 센서 기능을 포함하거나 상이한 기능을 포함할 수 있다. 예를 들어, 하나의 센서 디바이스는 관성 측정 유닛을 포함하고 다른 센서 디바이스는 자이로메트릭 데이터를 제공할 수 있다. 다른 예에서, 도시되는 전체 센서는 관성 측정 유닛들만을 포함할 수 있지만, 단일 디바이스에 위치되거나 단일 디바이스의 상이한 지점들에 위치될 수 있다. 아래에서 자세히 설명하는 것처럼 센서들은 시스템에 다양한 감지된 데이터를 제공할 수 있다.

시스템 및 방법은 컴퓨팅 디바이스를 포함할 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 범용 컴퓨터, 태블릿 디바이스, 스마트폰, 또는 스마트 워치일 수 있다. 컴퓨팅 디바이스는 프로세서, 메모리(예컨대, RAM, 플래시 메모리, 및/또는 하드 디스크), 다양한 유선 및 무선 인터페이스(예컨대, 블루투스, IEEE 802.11, 이더넷, USB, USB-C, 및/또는 전용 포트), 입력 디바이스(예컨대, 터치스크린, 키보드, 마우스), 및 디스플레이를 포함할 수 있다. 컴퓨팅 디바이스는 개시된 프로세스들을 수행하기 위해 로컬 또는 원격으로 저장된 프로그램 가능한 지시들을 작동할 수 있다.

컴퓨팅 디바이스는 하나 이상의 센서 디바이스와 상호 작용한다. 컴퓨팅 디바이스는 센서 디바이스(들)로부터 센서 데이터를 수신할 수 있다. 예를 들어, 하나 이상의 센서가 센서들로부터 수신된 데이터를 실시간으로 전송할 수 있다. 센서 데이터는 고해상도 데이터일 수 있으며, 센서 디바이스와 컴퓨팅 디바이스 간의 연결은 블루투스 무선 연결과 같은 고대역폭 연결일 수 있다. 이러한 고대역폭 무선 기술들은 다른 기술(예컨대, 블루투스 "저에너지")보다 더 많은 전력을 사용할 수 있으며, 시스템에 의해 사용될 수 있는 증가된 데이터 해상도는 더 높은 대역폭의 무선 인터페이스들을 필요로 할 수 있다.

다양한 실시예들에서, 시스템들 및 방법들은 수신된 지시들에 기초하여 기능들을 수행하는 제어 디바이스(들)를 포함할 수 있다. 예를 들어, 제어 디바이스들은 센서 디바이스의 사용자에게 피드백을 제공하는, 예를 들면 원격 디스플레이, 스피커, 및 촉각 엔진들과 같은 출력 디바이스들을 포함할 수 있다. 이러한 유형들의 제어 디바이스들은, 센서 디바이스가 녹색 불빛을 표시하거나, 포지티브 톤을 재생하거나, 또는 착용한 촉각 엔진을 통해 사용자를 두드림으로써 기대에 부합하는 데이터 프로파일을 제공하고 있음을 사용자에게 알리는 것과 같이, 센서 데이터에 기초하여 사용자에게 상태 인디케이터를 제공할 수 있다.

일부 실시예들에서, 네트워크는 유선 및/또는 무선 네트워크일 수 있다. 예를 들어, 네트워크는 LAN, WAN, WLAN, 또는 인터넷일 수 있다. 시스템은 네트워크를 사용하여 다양한 디바이스들을 연결할 수 있다. 예를 들어, 컴퓨팅 디바이스는 네트워크를 사용하여 서버, 제어 디바이스(들), 및/또는 센서 디바이스에 연결할 수 있다. 대안적으로, 컴퓨팅 디바이스는 센서 디바이스 및/또는 제어 디바이스(들)와 직접 인터페이스할 수도 있다. 예를 들어, 컴퓨팅 디바이스는 자체 무선 액세스 지점을 형성하여 다른 디바이스들에 연결할 수 있다.

다양한 실시예들에서, 시스템은 네트워크 저장 및 분석을 제공하기 위한 서버를 포함한다. 서버는 네트워크 컴퓨터일 수 있다. 서버는 사용자 또는 시스템 생성 요청들을 실행하기 위한 프로그램 구성 요소들을 실행하는 적어도 하나의 데이터 프로세서와 같은 중앙 처리 유닛을 포함한다. 프로세서는 특수 처리 유닛 또는 범용 마이크로프로세서를 포함할 수 있다.

서버는 네트워크 기반(예컨대, "클라우드") 저장 및 데이터 상호 작용을 용이하게 한다. 예를 들어, 컴퓨팅 디바이스는 데이터 프로파일들과 기본 원시 데이터를 서버로 전송하여 저장한다. 일 실시예에서, 서버는 실시간 또는 시간에 따라 데이터 프로파일들을 분석하고 센서 데이터에 기초하여 피드백을 제공할 수 있다. 서버는 데이터 분석에 기초하여 알림(notifications)(예컨대, 데이터 업로드, 데이터베이스 업데이트)을 전송한다.

일부 실시예들에서, 서버는 사용자가 보관된 데이터 프로파일 및 원시 데이터와 상호 작용할 수 있게 하도록 하는 포털 역할을 한다. 예를 들어, 서버는 스윙 장비의 특정 카테고리별로 구성된 데이터 프로파일들을 나타내는 그래픽 사용자 인터페이스를 제공할 수 있다.

센서 디바이스는 프로세서, 저장소, 입력-출력, IMU(관성 측정 유닛), 자이로 센서(들), 무선 트랜시버, 및/또는 전원을 포함할 수 있다.

일부 실시예들에서, 프로세서는 범용 프로세서, 프로그램 가능한 마이크로컨트롤러, 프로그램 가능한 프로세서(예컨대, 필드 프로그램 가능한 게이트 어레이(FPGA) 또는 복합 프로그램 가능한 논리 디바이스(CPLD)), 또는 애플리케이션 특정 집적 회로(ASIC)이다.

일부 실시예들에서, 저장소는 내부 저장소 및/또는 외부 저장소를 포함할 수 있다. 내부 저장소는 예를 들어, 플래시 메모리 또는 RAM과 같은 온-보드 메모리를 포함할 수 있다. 외부 저장소는 예를 들어, 컴팩트 플래시 카드, 보안 디지털 카드, 메모리 스틱, 광 디스크 등과 같은 이동식 메모리 미디어를 포함할 수 있다. 일부 실시예들에서, 저장소는 프로세스(예컨대, 프로세서)에 의해 실행될 때 프로세서로 하여금 개시된 기능들 및 프로세스들을 수행하게 하는 지시들을 저장하는 비일시적 컴퓨터 판독 가능한 미디어를 포함할 수 있다.

특정 실시예들에서, 입력-출력은 출력 및 입력을 포함할 수 있다. 일부 실시예들에서, 출력은 조명(예컨대, 하나 이상의 LED, LCD 디스플레이, 레이저, 프로젝터), 스피커(예컨대, 압전 스피커, 부저, 사이렌, 라우드 스피커), 및 촉각 엔진(예컨대, 진동기, 햅틱 피드백 메커니즘)을 포함할 수 있다. 조명은 다양한 표면들의 조명과 다양한 각도들의 센서 디바이스를 포함할 수 있다.

입력은 사용자가 센서 디바이스를 활성화하고 센서 디바이스와 상호 작용하게 할 수 있다. 일부 실시예들에서, 입력은 물리적 입력 메커니즘(예컨대, 버튼, 스위치, 정전식 인터페이스) 또는 입력을 수신하는 방식(예컨대, 적외선 수신기, 광학 수신기, USB 또는 직렬 포트)을 포함할 수 있다. 예를 들어, 물리적 입력 메커니즘들은 사용자가 센서 디바이스를 켜고 끄거나, 컴퓨팅 디바이스와 동기화하거나, 모드들을 변경하게 할 수 있다.

일부 실시예들에서, 시스템 및 방법은 다차원 가속도 및 방향 데이터를 캡처하기 위해 하나 이상의 IMU를 포함할 수 있는 하나 이상의 센서를 포함한다. 특정 실시예들에서, 센서들은 자력계, 자이로스코프, 및/또는 가속도계를 포함할 수 있다. 특정 실시예들에서, 프로세서는 초당 약 50-500 샘플의 속도로 가속도 및 방향 데이터를 샘플링할 수 있다. 일부 실시예들에서, 여러 IMU 디바이스들은 "스택"된 다음 시간으로 분할되어(time sliced) N 팩터 샘플 속도를 증가시킬 수 있으며, 이를 통해 두 개의 그러한 디바이스들이 초당 샘플들 또는 그 이상을 생성할 수 있게 된다.

일부 실시예들에서, 하나 이상의 센서 디바이스는 외딴 측정치들을 필터링하기 위해 중복 측정으로서 여러 측정 인스턴스들을 포함할 수 있다. 예를 들어, 프로세서는 디바이스에 있는 2개 이상의 센서들로부터 3축 가속도 데이터를 수신할 수 있다. 프로세서는 가속도 데이터를 평균화하여 정확도를 높이거나, 또는 센서들이 두 개 이상인 경우 프로세서는 최고 및 최저 판독값을 사용하지 않고 나머지 판독값을 평균화하여 측정 부정확성을 줄일 수 있다.

센서 디바이스는 다양한 센서(들)를 포함할 수 있다. 일부 실시예들에서, 센서들은 내부 센서(들)로서 센서 디바이스에 내장될 수 있다. 일부 실시예들에서, 센서들은 외부 센서(들)로서 포트 또는 물리적 인터페이스를 통해 컴퓨팅 디바이스와 인터페이스할 수 있다.

일부 실시예들에서, 센서 디바이스는 무선 트랜시버를 포함할 수 있다. 트랜시버는 컴퓨팅 디바이스, 네트워크, 및/또는 제어 디바이스(들)와의 통신을 용이하게 할 수 있다. 일부 실시예들에서, 트랜시버는 블루투스 트랜시버 및/또는 Wi-Fi 트랜시버를 포함할 수 있다. 일례에서, 블루투스 트랜시버는 고해상도 센서 데이터를 실시간으로 (예컨대, 컴퓨팅 디바이스로) 전송하기 위해 증가된 대역폭을 제공하기 위해 블루투스 "저에너지" 트랜시버가 아닌 블루투스 "클래식" 트랜시버일 수 있다. 다른 예에서, Wi-Fi 트랜시버는 IEEE 802.11a/b/g/n/x 트랜시버일 수 있다. 개시된 시스템들 및 프로세스들의 대역폭 요구 사항들에 따라 추가적인 유선 및/또는 무선 표준들이 사용될 수 있다.

센서 디바이스는 다른 요소들 중에서도 프로세서 및 저장소와 같은 구성 요소들에 전기를 공급하는 전원을 포함할 수 있다. 일부 실시예들에서, 전원은 배터리와 같은 직류 전원을 포함할 수 있다. 예를 들어, 전원은 리튬 이온 폴리머(LiPo) 배터리, 니켈-금속 수소화물(NiMH) 배터리, 및/또는 니켈-카드뮴 배터리를 포함할 수 있다. 전원이 배터리를 포함하는 경우, 전원은 전기 포트, 탈착식 배터리, 및/또는 유도 충전 회로와 같은 충전 회로를 추가적으로 포함할 수 있다.

특정 실시예들에서, 센서 디바이스는 데이터 획득 동안 골프 클럽에 일시적으로 탈착 가능하게 부착될 수 있다. 일부 실시예들에서, 마운트는 센서 디바이스를 골프 클럽에 고정하기 위해 사용될 수 있다. 골프 클럽은 드라이버, 페어웨이 우드, 하이브리드 클럽, 아이언, 피칭 웨지 또는 퍼터 등이 될 수 있으며, 이들 중 어느 것이라도 골프 클럽으로 사용될 수 있다. 센서 디바이스는 골프 클럽에, 예를 들어 그립의 바닥에 연결될 수 있다. 이러한 센서 디바이스의 포지셔닝은 스윙 모션의 관성 데이터를 보다 정확하게 제공하는 데 유리할 수 있다. "스윙"은 예를 들어 드라이버로 티오프하거나, 페어웨이에서 아이언을 스윙하거나, 퍼터로 퍼팅하는 모션을 의미할 수 있다. 또한, 그립의 바닥에 배치하면 사용자들이 센서 디바이스가 시야를 방해하지 않고 골프 클럽을 스윙할 수 있다. 그러나, 다른 실시예들에서, 센서 디바이스는 골프 클럽의 다른 포지션에 장착될 수 있다. 또 다른 실시예들에서, 다수의 센서 디바이스들은 골프 클럽의 상이한 포지션들, 예를 들어 헤드 근처, 샤프트를 따라, 및/또는 그립의 다양한 위치들에 장착될 수 있다.

특정 실시예들에서, 센서들은 또한 시스템이 활성화되고 데이터를 전송할 준비가 되었을 때 사용자에게 이를 알리는 피드백 메커니즘(예컨대, 조명 또는 스피커)을 포함할 수 있다. 이러한 알림은 스윙 직전 및/또는 골프 스윙 동안 발생할 수 있다. 대안적으로, 피드백 메커니즘은 골프 스윙이 완료된 후 자동으로 또는 피드백 및/또는 센서 데이터에 대한 사용자 요청에 응답하여 사용자에게 알리도록 프로그래밍될 수 있다.

특정 실시예들에서, 시스템에 데이터를 제공하기 위해, 센서들은 독립적인 센서 디바이스(예컨대, 센서 디바이스의 버전)를 형성할 수 있다. 예를 들어, 센서들은 무선 연결(예컨대, 블루투스 연결)을 통해 컴퓨팅 디바이스로 데이터를 독립적으로 전송할 수 있다. 마찬가지로, 독립적인 센서 디바이스는 센서 메시 네트워크에 참여하여 시스템을 통해 데이터를 전송할 수도 있다. 대안적으로, 센서(들)은 센서 디바이스와 인터페이스하여(예컨대, 하나 이상의 외부 센서(들)로서) 시스템에 데이터를 제공할 수 있다. 예를 들어, 센서는 센서 디바이스의 외부 센서 인터페이스를 통해 처리할 수 있도록 프로세서로 데이터를 전송할 수 있다.

대안적으로, 다른 실시예들에서, 디바이스는 바람직하게는 소니피케이션 영역에 초음파를 방출하는 센서를 포함한다. 바람직하게는, 소니피케이션 영역은 직경이 약 6인치에서 약 2피트 사이인 실질적으로 원형의 영역이다. 더욱 바람직하게는, 소니피케이션 영역은 직경이 약 1피트에서 약 2피트 사이의 실질적으로 원형의 영역이다.

음파들이 하나 이상의 원하는 지점들로 방출되면, 방출된 음파들의 적어도 일부가 목표 영역의 대상체들에 반사된다. 방출된 음파들의 다른 부분들은 대상체에 부딪히지 않을 수 있으며 이들이 소멸할 때까지 공간으로 계속 날아갈 수 있다. 바람직한 실시예에서, 반사된 음파들은 복수의 센서들에 의해 수신된다. 센서는 임의의 유형의 컴퓨팅 디바이스에 연결될 수 있다. 컴퓨팅 디바이스는 하나 이상의 마이크로프로세서, 전자 게이트 등을 포함할 수 있다. 바람직한 실시예에서, 센서들의 출력은 골프 클럽 및/또는 골프 공의 움직임의 다양한 특성들을 결정하기 위해 분석된다. 대상체들의 포지션 및 속도는 산출될 수 있는 특성들 중 하나이다. 다른 실시예들에서, 다른 원하는 특성들이 계산될 수 있다.

일 실시예에서, 본 발명은 대상체들의 포지션 및 속도를 결정한 다음 이 정보를 프로세서 등과 같은 컴퓨팅 디바이스로 전송한다.

다른 실시예에서, 본 발명의 시스템들 및 방법들은 센서 디바이스를 포함하여 테니스 라켓, 하키 스틱, 야구 배트, 낚싯대 등과 함께 사용될 수 있다.

전술한 시스템과 유사하게, 테니스 라켓, 하키 스틱, 야구 배트, 낚싯대 등을 위한 시스템에서, 센서 디바이스(예를 들어, 하나 이상의 센서들을 포함)가 테니스 라켓, 하키 스틱, 야구 방망이, 낚싯대 등에 부착될 수 있다. 일부 실시예들에서, 마운트는 센서 디바이스를 테니스 라켓, 하키 스틱, 야구 배트, 낚싯대 등에 고정하기 위해 사용될 수 있다. 이러한 센서 디바이스의 포지셔닝은 사용자가 테니스 라켓, 하키 스틱, 야구 방망이, 낚싯대 등을 움직이는 동안 센서 디바이스를 사용자의 가시선으로부터 유리하게 "숨길(hide)" 수 있다. 다른 실시예들에서, 센서 디바이스는 상단, 샤프트를 따라, 및/또는 그립과 같은 상이한 포지션에 장착될 수 있다.

대안적으로, 하나 이상의 추가적인 센서 유닛들이 사용될 수도 있다. 예를 들어, 추가적인 센서들은 사용자 손의 압력을 측정할 수 있다. 이러한 센서 데이터는 압력 맵을 생성하는 데 사용될 수 있다. 시스템은 센서 데이터에 기초하여 스트로크 동안 장비의 방향에 대한 피드백을 제공할 수 있다. 예를 들어, 골프의 경우, 클럽의 페이스가 스윙의 방향과 수직으로 유지되지 않으면 효율성이 떨어질 수 있다. 산출된 압력 맵은 클럽이 효과적으로 스윙되지 않는 지점들을 나타낼 수 있으며, 시스템은 최대 스윙을 제공하기 위해 방향을 조정하도록 사용자 피드백을 제공할 수 있다.

센서 디바이스는 의류(예컨대, 벨트, 팔찌, 셔츠, 신발), 보행 보조 디바이스들(예컨대, 지팡이, 보행기, 스쿠터, 목발), 및/또는 피트니스 장비(예컨대, 메디신 볼, 줄넘기, 헬멧, 탄력 밴드) 등 다른 장비에 부착할 수 있다.

일부 실시예들에서, 다양한 센서들이 단일 센서 디바이스와 인터페이스할 수 있다. 센서는 센서 디바이스(예컨대, 외부 센서(들))에 연결될 수 있다. 하나 이상의 센서는 2차원 또는 3차원을 결정할 수 있다. 시스템은 다차원 데이터에 기초하여 맵을 생성하고, 스윙을 개선하기 위해 사용자에게 실시간으로 피드백을 제공할 수 있다. 예를 들어, 출력의 다양한 부분들은 사용자가 스윙 속도를 높여야 함을 사용자에게 나타내는 데 사용될 수 있다.

다양한 실시예들에서, 센서 디바이스는 특정 데이터 집계, 계산, 및/또는 피드백 기능들을 로컬로 수행할 수 있다.

일부 실시예들에서, 센서 디바이스는 사용자로부터의 입력(예컨대, 버튼과 같은 입력 사용)에 기초하여 컴퓨팅 디바이스에 대한 연결을 시작할 수 있다. 예를 들어, 센서 디바이스는 블루투스 페어링 절차를 활용하거나 Wi-Fi 연결을 통해 컴퓨팅 디바이스에 연결할 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 연결을 시도 중이거나 연결 가능한 센서 디바이스들을 검색하거나 찾을 수 있다. 일부 실시예들에서, 이는 교정 절차를 포함할 수 있다.

센서 디바이스는 컴퓨팅 디바이스와 페어링하기 전에 관성 센서 또는 자이로메트릭 센서와 같은 센서들을 교정할 수 있다. 예를 들어, 센서 디바이스는 사용자에게 표시(예컨대, 깜박이는 불빛)를 제공하여 사용자에게 센서 디바이스를 회전하도록 지시하여 IMU가 그 축을 정렬하고 스케일링 팩터를 조정하여 포지션 및 방향 계산의 정확도를 높일 수 있다. 다른 실시예들에서, 교정은 페어링 동안 또는 이후에 발생할 수 있는데, 예를 들어 시스템이 센서들로부터의 데이터가 필요한 정밀도보다 부족하다고 결정하는 경우이다.

특정 실시예들에서, 본 발명은 스윙 프로파일을 분석하기 위한 시스템 및 방법을 포함한다. 본 개시에서 사용되는 "스윙 프로파일"이라는 용어는 예를 들어 드라이버 스윙, 칩 샷 동작, 및/또는 퍼터를 사용한 퍼팅을 포함한 다양한 골프 동작을 지칭할 수 있다. "퍼트 프로파일"과 "스윙 프로파일"이라는 용어는 서로 바꿔서 사용할 수 있다. 컴퓨팅 디바이스는 비교 목적으로 템플릿 또는 패턴 역할을 하는 데이터 프로파일(예컨대, 모션 프로파일)을 검색할 수 있다. 데이터 프로파일은 골프 스윙에 대응하는 다차원 가속도 및/또는 방향 데이터를 포함할 수 있다. 일 실시예에서, 템플릿 스윙 프로파일은 로컬 또는 네트워크 저장소로부터 리콜될 수 있다. 예를 들어, 컴퓨팅 디바이스는 서버 또는 다른 클라우드 저장소로부터 특정 템플릿 스윙 프로파일을 요청할 수 있다.

일 실시예에서, 템플릿 스윙 프로파일을 로드하는 것은 실제 스윙에 대한 하나 이상의 모션 프로파일을 기록하는 것을 포함할 수 있다. 예를 들어, 사용자는 연습 세션의 시작 시 템플릿 역할을 하는 초기 모션을 제공할 수 있으며, 이 초기 템플릿 모션을 반복하는 연습을 하기를 원할 수 있다. 초기 템플릿 모션을 기록하기 위해, 시스템은 스윙 모션 동안 기록되는 센서 디바이스로부터의 센서 데이터를 수신할 수 있다. 예를 들어, 하나 이상의 관성 또는 자이로메트릭 센서들은 특정 스윙 모션 동안 3개 이하의 축들을 따라 가속도 및/또는 방향 데이터를 기록할 수 있다. 센서 디바이스는 센서 데이터를 컴퓨팅 디바이스로 전송할 수 있으며, 컴퓨팅 디바이스는 스윙 모션에 대한 IMU 데이터를 모션 프로파일로 저장할 수 있다. 예를 들어, "이상적인" 템플릿 스윙은, 나중에 사용자가 트레이너가 근처에 없는 상태에서 연습할 때 불러올 수 있는, 트레이너와 같은 선호하는 세팅으로 기록된다.

다른 실시예에서, 시스템 및 방법은 모션을 기록하고, 템플릿을 생성하고, 템플릿을 네트워크 서버(예를 들어, 서버)에 저장하고, 및/또는 저장된 템플릿을 네트워크 저장소에 요청하고, 상기 스윙 프로파일을 최적화된 장비에 매칭시키는 것을 포함할 수 있다. 또 다른 실시예들에서, 시스템 및 방법은 라이브 모션으로부터 기록되는 것이 아니라 소프트웨어 애플리케이션으로부터 생성되는 모션 프로파일을 수신하는 것을 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스는 프로세스에 의해 생성된 모션 프로파일을 수신한 다음 모션 프로파일을 최적화된 유형의 장비, 드라이버, 우드, 아이언, 또는 퍼터와 매칭시킬 수 있다. 컴퓨팅 디바이스가 나머지 프로세스 단계들과 일치하는 사용을 위한 데이터 프로파일 또는 모션 프로파일을 수신하도록 추가적인 조합들 또는 간헐적 프로세스들이 사용될 수 있다.

특정 실시예들에서, 시스템 및 방법은 실시간 센서 데이터를 수신할 수 있다. 컴퓨팅 디바이스는 센서 디바이스로부터 실시간 데이터를 수신할 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 블루투스 또는 Wi-Fi와 같은 무선 전송 기술(예컨대, 블루투스 트랜시버 및/또는 Wi-Fi 트랜시버 사용)을 통해 센서 데이터를 실시간으로 수신할 수 있다. 컴퓨팅 디바이스는 내부 센서(들) 및/또는 외부 센서(들) 중 하나 이상으로부터 실시간 데이터 샘플들을 포함하는 데이터 패킷들을 수신할 수 있다. 예를 들어, 컴퓨팅 디바이스는 1-5밀리초 간격으로 주어진 센서에 대한 1~10개의 데이터 샘플들을 포함하는 하나 이상의 패킷들을 센서 디바이스에 의한 캡처로부터 5밀리초 미만의 지연으로 수신할 수 있다. 샘플들은 목록의 타임스탬프 값들과 페어링되는 센서 샘플 값과 같이 배열에 시간 값 쌍들로 저장될 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 센서 디바이스가 관련 데이터를 캡처하는 동안 센서 데이터 패킷들을 계속 수신할 수 있다. 데이터 캡처 후, 컴퓨팅 디바이스는 센서 데이터에 기초하여 스윙 프로파일을 저장된 다양한 클럽 정보 프로파일과 매칭시켜 사용자의 스윙 프로파일에 기초하여 최적화된 골프 클럽에 사용자를 매칭시킬 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 테스트 스윙 프로파일을 산출할 수 있다. 컴퓨팅 디바이스는 수신된 센서 데이터를 센서 판독값의 결합된 시간별 배열로 집계할 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 주어진 모션에 대한 센서 데이터를 구성하는 새로운 데이터 구조를 생성할 수 있다. 데이터 구조는 표준화된 메타데이터와 함께 축약된 형태의 원시 센서 데이터를 데이터 객체에 저장할 수 있다. 예를 들어, 컴퓨팅 디바이스는 다양한 충실도(예컨대, 다양한 샘플 속도 및/또는 데이터 정밀도)를 갖는 원시 센서 데이터를 수신할 수 있다. 컴퓨팅 디바이스는 결과 데이터 구조 클래스가 일관된 샘플링 속도 및/또는 일관된 해상도(예컨대, 동일한 수의 유효 숫자를 갖는 값)의 샘플 데이터를 갖도록 데이터를 구성할 수 있다. 예를 들어, 컴퓨팅 디바이스는 주어진 클래스 또는 유형의 스윙 프로파일(예컨대, 모션 프로파일 유형) 데이터 구조들에 대해 표준화된 샘플링 속도 또는 샘플링 속도 범위보다 큰 샘플링 속도를 갖는 센서 데이터를 다운샘플링할 수 있다. 주어진 스윙 프로파일 클래스에 대한 최소 샘플링 속도보다 낮은 샘플링 속도를 갖는 수신된 센서 데이터의 경우, 컴퓨팅 디바이스는 (예컨대, 곡선 피팅 또는 회귀 분석을 사용하여) 원하는 샘플링 속도를 달성하기 위해 추가적인 데이터 포인트들을 보간할 수 있다.

일부 실시예들에서, 스윙 프로파일(예컨대, 데이터 프로파일 또는 모션 프로파일)은 표준화된 메타데이터를 포함할 수 있다. 예를 들어, 스윙 프로파일 클래스는 센서 데이터의 평균 및 중앙값, 표준 편차, 상위값, 하위값, 국부 최소값 및 최대값, 변곡점 등과 같은 표준화된 데이터 분석 변수들에 대한 필드들을 포함할 수 있다. 이러한 개시된 전반에 걸쳐 논의된 추가적인 데이터 분석은 스윙 프로파일의 일부로 저장될 수 있다.

일부 실시예들에서, 계산들은 테스트 스윙 프로파일을 템플릿 스윙 프로파일과 같은 참조 프로파일과 비교하는 것을 포함할 수 있다. 컴퓨팅 디바이스는 두 프로파일들을 비교하여 두 프로파일들이 어디서 차이가 나는지 그리고 두 프로파일들이 얼마나 차이가 나는지를 결정할 수 있다. 일 실시예에서, 컴퓨팅 디바이스는 시간에 따른 차이들을 나타내는 프로파일을 생성할 수 있다. 추가적인 비교들은 본 개시에서 논의된 데이터 프로파일 및 모션 프로파일 비교들과 일관되게 이루어질 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 컴퓨팅 시스템에 의해 이루어진 계산들에 기초하여 피드백을 제공할 수 있다. 피드백은 사용자 및/또는 제3자에게 전달되는 시각적, 촉각적, 및/또는 청각적 신호들을 포함할 수 있다. 피드백은 산출된 테스트 스윙 프로파일, 관련 메타데이터, 또는 이에 기초하여 한 비교에 기초하여 이루어질 수 있다. 계산들은 피드백을 위한 트리거 역할을 할 수 있다. 예를 들어, 테스트 스윙 프로파일이 미리 정의된 양보다 많이 벗어나면, 시스템이 피드백을 생성하고 스윙을 특정 최적화된 골프 클럽과 매칭시킬 수 있다. 또 다른 예로, 시스템은 테스트 모션 프로파일이 평균 또는 표준편차 값과 같은 특정 기준과 매칭할 때 피드백을 생성할 수 있다. 이러한 값들은 (예컨대, 템플릿 프로파일 로드를 통해) 사용자가 정의하거나 미리 정의할 수 있다. 예를 들어, 피드백은 센서들로부터 데이터를 수신한 후 5~20밀리초 사이에 사용자에게 제공될 수 있다.

일부 실시예들에서, 컴퓨팅 디바이스는 사용자에게 피드백을 제공할 수 있다. 예를 들어, 컴퓨팅 디바이스는 센서 데이터의 분석을 표시하는 그래픽 사용자 인터페이스를 생성할 수 있다. 그래픽 사용자 인터페이스는 사용자 인터페이스에 묘사된 것과 같은 스윙 모션의 다양한 뷰들을 묘사할 수 있으며 그에 따라 최적화된 장비를 추천할 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 본 개시의 특정 실시예들에 따라 실시간 데이터 획득 및 피드백 그래픽 사용자 인터페이스들을 제공하며, 이는 센서 디바이스로부터 이전에 수신된 센서 데이터의 표현들 또는 추상개념들뿐만 아니라 실시간의 관련 피드백을 묘사하는 영역들을 포함할 수 있다. 일부 실시예들에서, 인터페이스는, 예컨대, 평면도 영역, 측면도 영역 및 후면도 영역과 같은, 처리된 센서 데이터의 기능적 공간 맵을 포함하는 하나 이상의 차원 뷰들을 포함할 수 있다. 복수의 뷰들 각각은 골프 모션(예컨대, 골프 퍼트, 골프 스윙)의 고도(예컨대, 측면, 상단, 후면)를 각자의 축들에 플로팅하여 표시할 수 있다. 일부 실시예들에서, 묘사된 경로들은 퍼트 프로파일 데이터에 관한 추가적인 데이터를 전달하기 위해 주석이 달리거나 색상이 지정될 수 있다. 예를 들어, 선 경로(line path)는 모션 가속도(예컨대, 가속은 녹색, 감속은 빨간색) 또는 템플릿 퍼트 프로파일의 편차(예컨대, 편차의 양에 대응하여 음영이 증가하는 빨간색)를 표시하기 위해 색상 코딩될 수 있다. 다른 색상 코딩을 사용하여 상이한 퍼트 또는 스윙 변수들을 전달할 수도 있다.

특정 실시예들에서, 여기에는 메타데이터 표시 영역이 포함된다. 이 영역은 퍼트 프로파일의 타임스탬프 및 모션 프로파일에 대한 식별 번호 및/또는 제목과 같은 다양한 레이블들을 표시할 수 있다. 도시되지는 않았지만, 영역 705A는 또한 GPS 좌표, 지리적 영역, 및/또는 홀 번호 및 해당 골프 코스와 같은 위치 데이터도 포함할 수 있다.

실시간 데이터 외에도 인터페이스는 또한 이전 데이터의 기록을 포함할 수 있으며, 선택 영역에 선택한 퍼트 프로파일이 전체 표시로 나타내는 이전 프로파일들의 목록을 포함할 수 있다.

사용자 인터페이스는 컴퓨팅 디바이스(예컨대, 컴퓨팅 디바이스)를 포함할 수 있다. 더 작은 공간에서, 사용자 인터페이스는 메타데이터 표시 영역과 탑 뷰 영역을 한 번에 보여줄 수 있다. 그러나, 사용자는 메뉴들을 통해 사용자 인터페이스와 상호 작용하여 추가적인 데이터(예컨대, 인터페이스 영역)를 검색할 수 있다. 예를 들어, 사용자는 퍼트 프로파일의 다양한 고도 뷰들을 통해 스크롤하고 표시된 “뒤로(BACK)” 화살표를 선택하여 과거에 기록된 퍼트 프로파일의 목록으로 돌아갈 수 있다.

컴퓨팅 디바이스는 하나 이상의 신호를 센서 디바이스로 전송하여 계산에 따라 출력을 트리거할 수 있다. 예를 들어, 컴퓨팅 디바이스는 조명(들), 스피커(들), 및/또는 촉각 엔진을 활성화하라는 지시를 (예컨대, 무선 트랜시버 사용하여) 전송할 수 있다. 일례로, 컴퓨팅 디바이스는 테스트 스윙 프로파일이 템플릿 스윙 프로파일과 매칭한다고 결정하면 녹색 조명을 표시하도록 신호를 전송할 수 있다. 그러나, 테스트 스윙 프로파일이 지정된 양보다 더 많이 벗어나는 경우, 명령은 센서 디바이스의 빨간색 표시등을 활성화할 수 있다. 다른 예에서, 컴퓨팅 디바이스는 테스트 스윙 프로파일이 특정 기준을 충족하면 촉각 엔진이 특정 진동을 수행하거나 및/또는 스피커(들)가 관중의 환호 소리를 재생하도록 센서 디바이스에 명령을 전송할 수 있다. 피드백 메커니즘들을 위한 다른 트리거들과 조합들은 환경 조건들에 기초하여 사용될 수 있다.

다른 실시예들에서, 센서 디바이스는 컴퓨팅 디바이스로부터의 지시들 없이도 로컬로 계산을 수행하고 피드백을 개시할 수 있다. 예를 들어, 프로세서는 컴퓨팅 디바이스의 위에서 논의된 기능들을 수행하고 피드백 메커니즘들 중 하나를 로컬로 개시할 수 있다.

일부 실시예들에서, 센서 디바이스는 데이터를 샘플링할 특정 센서들을 식별할 수 있다. 예를 들어, 프로세서는 데이터 캡처를 위한 센서를 식별할 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 하나 이상의 센서로부터 데이터를 획득할 수 있다. 일부 실시예들에서, 센서 디바이스는 하나 이상의 센서(예컨대, 관성 또는 자이로메트릭 센서(들))로부터 센서 데이터의 기록 및 처리를 시작할 수 있다. 예를 들어, 센서 디바이스는 미리 정의된 간격 동안 임시 저장소에 센서 판독값을 기록할 수 있다.

일부 실시예들에서, 센서 디바이스는 데이터가 처리를 위한 특정 자격 요건을 충족하는지 여부를 평가할 수 있다. 특정 유형들의 데이터는 노이즈 또는 다른 유용하지 않은 데이터를 나타낼 수 있다. 예를 들어, 센서 디바이스는 모션 데이터가 골프 클럽의 잘못된 스윙이 아닌 움직임(예컨대, 클럽을 들고 걷기, 골프 가방에 클럽을 넣기, 스윙을 위한 셋업)이 아니라 골프 스윙에 해당하는지 여부를 평가할 수 있다. 센서 디바이스는 골프 스윙에 해당하지 않는 것으로 판단되는 움직임들을 필터링할 수 있다. 일부 실시예들에서, 필터는 편차의 양을 계산하고 단순한 스윙 모션을 나타내기에는 너무 노이즈가 많은 데이터를 필터링할 수 있다. 예를 들어, 스윙은 일반적으로 비교적 표준적인 시간 범위에 걸쳐 발생하는 두 개의 연속적인 움직임들(예컨대, 백 스윙 및 포워드 스윙)을 포함할 수 있다. 다른 실시예들에서, 지정된 크기 이하의 판독값들이 필터링되는 간단한 필터가 사용된다. 예를 들어, 센서 디바이스는 가속도 값이 임계값 이하인 사소한 움직임들을 식별하고 이를 삭제할 수 있다. 다른 실시예들에서, 센서 디바이스는 만족스러운 데이터가 수신되지 않을 때 전원을 끄거나 "최대 절전" 모드로 전환하여 전력을 절약할 수 있다.

특정 실시예들에서, 시스템들 및 방법들은 획득된 데이터의 백업 카피를 저장할 필요가 있는지 여부를 결정할 수 있다. 일부 실시예들에서, 센서 디바이스는 충분한 저장소가 존재하는지 및/또는 기본 설정에 따라 센서 데이터를 로컬에 보관해야 하는지 여부를 결정할 수 있다.

특정 실시예들에서, 시스템들 및 방법들은 획득된 센서 데이터를 로컬 저장소로 전송할 수 있다. 예를 들어, 센서 디바이스가 환경 설정에 따라 데이터를 로컬에 저장해야 한다고 결정하고 외부 저장 디바이스를 검출하면 센서 디바이스는 센서 데이터를 로컬 저장소(예컨대, 내부 저장소 및/또는 외부 저장소)에 저장할 수 있다.

센서 디바이스는 획득된 센서 데이터를 전송할 수 있다. 일부 실시예들에서, 센서 디바이스는 센서 데이터를 컴퓨팅 디바이스 또는 서버로 전송할 수 있다. 예를 들어, 누적된 센서 데이터가 미리 결정된 임계값(예컨대, 사용된 로컬 저장소 양의 백분율 또는 소정의 시간 기간)에 도달하면, 센서 디바이스는 추가 처리를 위해 획득된 센서 데이터를 포맷하여 컴퓨팅 디바이스로 전송할 수 있다.

특정 실시예들에서, 시스템들 및 방법들은 본 개시의 일부 실시예들에 따라 실시간 데이터 획득 및 피드백을 제공한다. 특정 실시예들에서, 시스템들 및 방법들은 센서 데이터를 분석하고 최적화된 스윙 디바이스를 추천하기 위한 컴퓨팅 디바이스와 관련하여 논의된다. 그러나, 추가적인 디바이스들이 개시된 기능들의 전체 또는 일부를 수행할 수 있다. 예를 들어, 센서 디바이스는 컴퓨팅 디바이스로부터 지시를 수신하지 않고 로컬에서 특정 피드백 계산들을 수행할 수 있다.

특정 실시예들에서, 시스템들 및 방법들은 네트워크 또는 로컬 저장소로부터 사용자 데이터를 불러올 수 있는 컴퓨팅 디바이스를 포함한다. 예를 들어, 컴퓨팅 디바이스는 사용자와 연관된 과거 데이터에 대한 사용자 식별자를 포함하는 요청을 전송할 수 있다. 요청에 기초하여, 컴퓨팅 디바이스는 과거 사용자 데이터(예컨대, 데이터 프로파일들), 특정 움직임들에 대한 모션 프로파일들과 같은 사용자 기본 설정(user preferences)을 수신할 수 있다.

특정 실시예들에서, 시스템들 및 방법들은 하나 이상의 센서로부터 실시간 데이터를 수신하고 사용자의 스윙에 기초하여 이러한 데이터를 최적화된 장비(예컨대, 골프 클럽)에 매칭시키는 컴퓨팅 디바이스를 포함하며, 이는 사용자의 스윙 프로파일을 최적화된 클럽에 매칭시키는 센서들로부터의 데이터 분석에 기초하여 최적화된다. 일부 실시예들에서, 컴퓨팅 디바이스는 블루투스 또는 Wi-Fi와 같은 무선 전송 기술(예컨대, 블루투스 트랜시버 및/또는 Wi-Fi 트랜시버 사용)을 통해 센서 데이터를 실시간으로 수신할 수 있다. 컴퓨팅 디바이스는 센서(들) 중 하나 이상으로부터 실시간 데이터 샘플들을 포함하는 데이터 패킷들을 수신할 수 있다. 예를 들어, 컴퓨팅 디바이스는 센서 디바이스에 의한 캡처로부터 약 5 ~ 약 20 밀리초 미만의 지연을 갖는 약 1 ~ 약 5 밀리초의 간격으로 주어진 센서에 대해 1 ~ 10 개의 데이터 샘플들을 포함하는 하나 이상의 패킷을 수신할 수 있다. 샘플들은 목록의 타임스탬프 값들과 페어링되는 센서 샘플 값들과 같이 배열에 시간 값 쌍들로 저장될 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 센서 디바이스가 관련 데이터를 캡처하는 동안 센서 데이터 패킷들을 계속 수신할 수 있다.

일부 실시예들에서, 컴퓨팅 디바이스는 다수의 모션 데이터 스트림들을 동시에 수신할 수 있다. 동시 스트림들은 스윙 디바이스에 위치한 센서들로부터 올 수 있다. 센서들의 예에서, 시스템은 센서 데이터를 수신하고 데이터의 해상도를 높이기 위해 이를 인터레이스할 수 있다. 예를 들어, 센서 데이터 스트림은 동일한 샘플 간격을 가질 수 있지만, 시스템은 해상도를 높이기 위해 스트림들의 수에 기초하여 각 스트림을 오프셋하도록 샘플링 시간을 제어할 수 있다. 컴퓨팅 디바이스는 샘플링 속도를 스트림들의 수로 나누어 오프셋 양을 산출할 수 있다. 컴퓨팅 디바이스는 두 센서 디바이스들이 정확히 동시에 샘플링하지 않도록 오프셋 양의 배수에서 샘플링을 시작하도록 각 센서 디바이스에 지시들을 제공할 수 있다. 컴퓨팅 디바이스는 연관된 타임스탬프에 기초하여 이산적인 데이터 포인트들을 인터레이스함으로써 샘플 스트림들을 결합할 수 있다.

상이한 위치들로부터의 여러 모션 스트림들의 예에서, 센서는 예를 들어 스윙 방향의 변화를 고려하기 위해 사용자 클럽의 상이한 부분들에 위치될 수 있다. 이러한 예시적인 센서 배열은 모션의 범위를 측정하는 데 사용될 수 있다. 이러한 배열은 센서 디바이스가 단일 차원의 각도로 제한되지 않고 3축의 상대적인 방향을 고려하기 때문에 보다 정확한 모션 데이터의 범위를 제공하는 데 유리할 수 있다.

다른 실시예들에서, 시스템들 및 방법들은 단일 센서 디바이스만을 사용하여 다양한 측정값들을 얻을 수 있다. 예를 들어, 단일 센서 디바이스는 시간에 따른 3축 방향 데이터를 제공할 수 있다. 예를 들어, 사용자는 센서 디바이스를 골프 클럽에 탈착식으로 부착할 수 있으며, 센서 디바이스는 시간에 따른 방향을 나타내는 방향 데이터를 전송할 수 있다. 이 예에서, 센서들은 시간에 따른 특정 축 또는 축 조합의 원점 데이터의 크기를 결정함으로써 모션의 범위를 산출하는 데 사용될 수 있다. 컴퓨팅 디바이스는 여러 축들의 방향 데이터에 기초하여, 모션이 발생하는 3차원 평면을 정의하는 방정식(예컨대, ax + by + cz = 0)을 계산할 수 있다. 그런 다음, 해당 평면 내에서 컴퓨팅 디바이스는 방향이 통과하는 각도들의 수를 결정할 수 있다. 따라서, 사용자가 약간 몸을 구부린 상태에서 스윙을 수행하는 경우와 같이 사용자의 모션이 단일 축을 따라서만 일어나는 등 완벽하게 일어나지 않더라도, 컴퓨팅 디바이스는 사용자가 주어진 모션을 수행하는 동안 신체의 방향에 대해 정규화된 좌표계에서 모션의 범위를 산출할 수 있다.

컴퓨팅 디바이스는 다양한 센서들로부터 수신된 실시간 데이터에 기초하여 데이터 프로파일들을 생성할 수 있다. 예를 들어, 컴퓨팅 디바이스는 실시간 데이터를 표준화된 샘플링 속도들과 측정 값들의 유효 수치들의 수로 구성할 수 있다. 필요한 경우, 컴퓨팅 디바이스는 동일한 유형의 모든 데이터 프로파일들에 대해 일관성을 유지하기 위해 측정 단위를 변환할 수 있다(예컨대, 미터법 단위 사용).

데이터 프로파일들을 생성할 때 컴퓨팅 디바이스는 센서 디바이스들로부터 수신된 원시 데이터를 조작할 수 있다. 예를 들어, 컴퓨팅 디바이스는 미리 정의된 최대값 및/또는 최소값보다 높거나 낮은 데이터 값들을 삭제할 수 있다. 또한 컴퓨팅 디바이스는 데이터에 곡선 또는 다항식 함수를 적용할 수도 있다. 여러 센서 데이터 스트림들이 수신되면, 컴퓨팅 디바이스는 여러 스트림들의 데이터를 삼각 측량하여 정확도를 높이고 결과 데이터 프로파일의 노이즈를 줄일 수 있다.

일부 실시예들에서, 컴퓨팅 디바이스는 복수의 센서 디바이스들로부터 동시에 실시간 데이터를 상호 연관시킬 수 있다.

본 발명의 시스템들 및 방법들은 자동 피드백을 전송할지 여부를 결정할 수 있다. 컴퓨팅 디바이스는 산출된 데이터 프로파일을 다양한 기준과 비교할 수 있다. 예를 들어, 컴퓨팅 디바이스는 평균값, 표준 편차, 기울기, 및 굴곡 지점과 같은 데이터 프로파일의 특성들이 최적화된 클럽 프로파일로부터 로드된 기준과 같은 기준과 매칭하는지 여부를 결정할 수 있다. 특정 실시예들에서, 시스템들 및 방법들은 데이터 프로파일을 템플릿과 비교하여 데이터가 원하는 템플릿 데이터 프로파일로부터 얼마나 벗어나는지를 결정하는 것을 포함할 수 있다. 예를 들어, 컴퓨팅 디바이스는 평균 편차량, 합산된 총 편차량, 또는 최대 편차와 같은 편차량에 기초하여 산출된 데이터 프로파일을 템플릿 데이터 프로파일과 비교할 수 있다. 컴퓨팅 디바이스는 이 비교에 기초하여 스윙 프로파일을 최적화된 스윙 디바이스와 매칭시키는 자동 피드백을 제공해야 한다고 결정할 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 반복 피드백을 제공할 수 있다. 컴퓨팅 디바이스는 스윙 데이터 프로파일을 복수의 템플릿 프로파일들과 비교하여 어떤 템플릿 프로파일이 스윙 프로파일과 가장 근접하게 매칭하는지 결정할 수 있다. 비교는 테스트 곡선과 템플릿 곡선 간의 최소 제곱 차이에 기초할 수 있다. 다른 예들에서, 푸리에 변환이 비교될 수도 있다. 또한, 시간에 따른 테스트 데이터(예컨대, 테스트 모션 프로파일)와 템플릿 데이터(예컨대, 클럽에 대한 템플릿 또는 최적화된 모션 프로파일) 간의 편차량을 결정함으로써 목표 모션이 발생했음을 나타내거나 또는 테스트 모션이 목표 모션 프로파일로부터 얼마나 벗어났는지를 나타내는 테스트 모션 프로파일의 편차량을 결정하는 비교가 수행될 수 있다. 본 개시 전반에 걸쳐 설명된 대로 데이터 프로파일들의 추가 비교들이 사용될 수 있다. 각 템플릿 프로파일은 상이한 유형의 피드백(있는 경우)과 연관될 수 있으며, 어떤 템플릿이 가장 잘 매칭되는지에 기초하여(예를 들어, 편차량이 가장 낮고, 상관관계가 가장 높고, 최소 제곱 차이가 가장 낮은), 컴퓨팅 디바이스는 한 예에서, 테스트 데이터 프로파일과 가장 근접하게 매칭하는 템플릿 데이터 프로파일에 기초하여 선택되는 제어 및 제어된 디바이스 중 하나 또는 양쪽에 추천할 최적화된 골프 클럽의 유형을 포함하는 피드백을 제공할 수 있다. 이러한 피드백은 테스트 데이터 프로파일이 가장 근접하게 매칭하는 프로파일의 표시 및 편차량에 기초한 모션의 정량적 "스코어"를 포함할 수 있다.

본 발명의 시스템들 및 방법들은 피드백 생성 신호를 전송할 수 있다. 특정 자격 요건을 충족하는 수신된 실시간 데이터에 기초하여, 컴퓨팅 디바이스는 출력 중 하나 이상을 사용하여 센서 디바이스에서의 피드백과 같은 피드백을 생성하도록 신호를 전송할 수 있다. 예를 들어, 특정 센서의 평균값이 특정 범위 내에 있는 것으로 결정하는 데 응답하여.

일부 실시예들에서, 각각의 기준 또는 자격 요건은 특정 유형의 피드백과 페어링될 수 있다. 이러한 페어링은 사용자 프로파일에 저장될 수 있다. 예를 들어, 센서 데이터가 특정 범위 내에 속하는 경우, 미리 결정된 유형의 피드백이 제공될 수 있다. 서로 다른 템플릿들이 서로 다른 유형의 피드백에 매핑되는 실시예에서, 컴퓨팅 디바이스는 해당 피드백 지시를 센서 디바이스로 전송할 수 있다. 특정 실시예들에서, 사용자의 스윙 움직임이 템플릿 모션 프로파일과 매칭하는 모션 프로파일을 나타내는 경우, 컴퓨팅 디바이스는 하나 이상의 최적화된 골프 클럽(들)을 추천할 수 있다.

예를 들어, 컴퓨팅 디바이스가 태블릿 컴퓨터인 경우, 컴퓨팅 디바이스는 사용자 인터페이스의 터치스크린에 데이터 프로파일들을 표시할 수 있다. 일부 실시예들에서, 사용자 인터페이스는 사용자에게 피드백을 제공하기 위해 선택 영역과 함께 분석을 표시할 수 있다. 예를 들어, 코치, 트레이너, 또는 장비 전문가는 사용자의 스윙에 대한 실시간 분석을 표시하는 태블릿을 보유할 수 있다. 태블릿의 사용자 인터페이스는 개인 메트릭 스코어와 함께 하나 이상의 차원으로 가속도계 데이터를 보여줄 수 있다. 일 실시예에서, 메트릭 스코어는, 메트릭이 미리 결정된 범위 내에 속하고 최적화된 골프 클럽을 추천하는 경우, 굵은체, 이탤릭체, 밑줄, 또는 특정 색상들로 표시될 수 있다.

본 발명의 시스템들 및 방법들은 수동 피드백이 수신되었는지 여부를 결정할 수 있다. 일 실시예에서, 컴퓨팅 디바이스의 사용자 인터페이스는 사용자 피드백을 선택할 수 있는 영역을 제공할 수 있다. 예를 들어, 제3자가 피드백의 유형과 이를 전송하는 시기를 수동으로 선택할 수 있다. 제3자는 실시간 데이터 프로파일 및 관련 메트릭을 모니터링하고 피드백을 시작할 시기를 결정할 수 있다.

일 실시예에서, 시스템은 수동 피드백의 유형 및 타이밍을 포함하여 수동 피드백을 모니터링하여 피드백을 제공하기 위한 자동화된 규칙을 제안할 수 있다. 예를 들어, 시스템은 각각의 수동 피드백 요청에서 발생하는 데이터 프로파일 및 연관된 메트릭을 캡처하고 정보를 축적하여 최적화된 스윙 장비에 대한 추천을 제공할 수 있다. 시스템은 피드백의 타이밍과 유형에서 추세를 인식할 수 있다. 예를 들어, 시스템은 제3자가 모션 또는 운동 도중에 피드백을 위해 조명을 사용하다가 촉각 피드백으로 전환했다고 결정할 수 있다. 또 다른 예에서, 시스템은 특정 메트릭이 임계값 아래로 떨어지거나 특정 패턴과 매칭할 때 피드백이 시작되었음을 인식할 수 있다. 또 다른 예들에서, 시스템이 수동 피드백에 의해 부과된 가변 임계값들을 인식할 수 있다.

특정 실시예들에서, 컴퓨팅 디바이스는 제3자가 관련 데이터를 관찰하고 관심 있는 데이터를 강조 표시할 수 있도록 하는 그래픽 사용자 인터페이스를 제공할 수 있다. 예를 들어, 메트릭이 개별화된 임계값들을 초과하는 경우, 그래픽 표시(예를 들어, 색상 강조 또는 굵은 글꼴)를 사용하여 특정 메트릭 및 대응하는 사용자를 실시간으로 강조 표시할 수 있다. 컴퓨팅 디바이스의 그래픽 사용자 인터페이스는 사용자 데이터의 목록의 상단에 강조 표시된 데이터를 보여주도록 사용자 데이터의 목록을 재정렬할 수 있다. 또 다른 예들에서, 컴퓨팅 디바이스는 사용자들의 서브세트들에 대한 데이터를 계산할 수 있다. 예를 들어, 컴퓨팅 디바이스는 일련의 개인 식별자들을 그룹에 속하는 것으로 정의하는 입력을 수신할 수 있다. 그런 다음 컴퓨팅 디바이스는 그룹에 대한 관련 데이터를 계산하고 표시할 수 있다.

그런 다음 사용자 인터페이스는 피드백을 제공할 사용자 또는 사용자들의 그룹을 선택하기 위해 제3자로부터 (예컨대, 터치스크린 사용하여) 입력을 수신할 수 있다. 컴퓨팅 디바이스는 하나 이상의 사용자 식별자, 그룹 식별자, 또는 모든 사용자들의 선택 및 선택된 사용자들에 대해 각각의 센서 디바이스로 전송할 피드백 유형을 수신할 수 있다. 예를 들어, 컴퓨팅 디바이스는 특정 패턴을 생성하기 위해 센서 디바이스들로 지시를 전송하는 지시를 수신할 수 있다. 또 다른 실시예들에서는 제3자가 사용자들의 서브세트를 선택하여 시간에 따른 특정 선택된 메트릭의 라이브 플롯(예컨대, 여러 번의 골프 스윙들)과 같은 추가 데이터를 제공하도록 허용할 수 있다.

또 다른 예에서, 골퍼의 클럽에는 센서 디바이스가 장착되어 있을 수 있다. 각각의 센서 디바이스는 가속도계 데이터와 자이로메트릭 센서 데이터를 컴퓨팅 디바이스로 전송할 수 있으며, 컴퓨팅 디바이스는 보조 코치, 트레이너 또는 전문가와 같은 제3자에 의해 작동될 수 있다. 컴퓨팅 디바이스는 그래픽 사용자 인터페이스에 표시하기 위해 관련 가속도 메트릭을 산출할 수 있다. 각각의 플레이가 끝날 때, 컴퓨팅 디바이스는 상세한 스윙 분석이 필요할 수 있는 개인들을 강조 표시할 수 있다. 예를 들어, 컴퓨팅 디바이스는 다양한 이벤트들을 식별하는 데 사용되는 가속도 및 자이로메트릭 임계값들을 포함할 수 있다. 컴퓨팅 디바이스는 또한, 그래픽 사용자 인터페이스를 사용하여 제3자에게 특정 사용자 식별자를 식별하기 위해 가속도 데이터, 임팩트 이벤트, 및 자이로메트릭 활동의 시간별 상관관계를 생성할 수 있다. 예를 들어, 가속도 크기가 부족한 스윙은 예를 들어 트라우마 등을 겪었을 수 있는 개인들을 강조하는 데 사용될 수 있다. 컴퓨팅 디바이스는 식별된 사용자의 센서 디바이스에 지시를 생성하거나 전송하여 소리를 발생시키거나 온보드 조명을 활성화하여 트레이닝 스태프 또는 다른 전문가들에 의해 개인이 쉽게 식별될 수 있도록 할 수 있다.

본 발명의 시스템들 및 방법들은 피드백 생성 신호를 전송할 수 있다. 예를 들어, 컴퓨팅 디바이스는 피드백을 시작하도록 해당 센서 디바이스에 지시를 전송할 수 있다. 본 발명의 시스템들 및 방법들은 모니터링을 계속해야 하는지 여부를 결정할 수 있다. 일 실시예에서, 본 발명의 시스템들 및 방법들은 센서들이 실시간 데이터를 계속 제공하는 동안 계속될 수 있다. 동작이 완료되고 센서 디바이스가 비활성화되면 프로세스가 종료될 수 있다.

다양한 실시예들에서, 본 발명의 시스템들 및 방법들은 특정 장비를 센서 데이터와 연관시킬 수 있다. 예를 들어, 본 발명의 시스템들 및 방법들은 다양한 골프 클럽들 및 다른 스포츠 장비를 평가하는 데 사용될 수 있다. 특정 활동을 수행하는 사용자로부터의 연관된 센서 데이터는 장비를 정량적으로 평가하는 데 사용될 수 있다. 예를 들어, 사용자가 클럽을 여러 번 스윙할 수 있으며, 사용자가 스윙할 때마다 본 발명의 시스템들 및 방법들은 가속도 데이터, 자이로메트릭 데이터, 및 다른 데이터와 같은 센서 데이터를 수신하여 각각의 서로 다른 스윙에 대한 메트릭을 산출할 수 있다. 컴퓨팅 디바이스는 스윙하는 동안 얻어진 데이터 프로파일들을 저장된 프로파일들과 비교함으로써, 스윙을 평가하고 최적화된 스윙 디바이스(예컨대, 골프 클럽)를 추천하기 위한 정량적 스코어를 결정할 수 있다. 예를 들어, 스코어는 가장 효율적인 스윙 기술의 템플릿 모션 프로파일, 스윙 속도(예컨대, 이전에 수행된 복수의 스윙들에 기초하여 조정된) 및 (예컨대, 센서 데이터로부터의) 개인 데이터와 비교된 각각의 스윙에 대한 테스트 스윙 프로파일의 차이를 정규화된 집계로 나타낼 수 있다. 추가적인 변수들이 본 개시와 일치하는 장비를 평가하기 위해 사용될 수 있다.

본 발명의 시스템들 및 방법들은 선택적으로, 예를 들어 사용자에 대한 스윙 프로파일을 포함하는 사용자 프로파일을 수신할 수 있는 서버를 포함한다.

본 발명의 시스템들 및 방법들은 집계된 센서 데이터를 수신한다. 서버는 사용자가 활동을 수행하는 동안 획득된 데이터 프로파일들을 수신할 수 있다. 예를 들어, 컴퓨팅 디바이스는 산출된 데이터 프로파일을 일정한 간격(예컨대, 분, 시간, 일)으로 또는 세션이 완료될 때(예컨대, 미리 정해진 기간 동안 추가 데이터를 수신하지 않은 후, 주어진 날에 플랜에 규정된 모든 스윙 및/또는 동작이 완료되었다고 판단되는 경우) 업로드할 수 있다. 서버는 데이터베이스 소프트웨어의 기존 기록들과 인터페이스함으로써 수신된 데이터를 예를 들면 전자 기록 등의 사용자의 기록에 자동으로 추가하고 데이터를 최적화된 장비와 매칭할 수 있다. 예를 들어, 서버는 업로드된 데이터 프로파일들이 사용자가 특정 유형의 장비, 예컨대 골프 클럽의 특정 샤프트를 사용하기에 적합한지 여부를 결정할 수 있다. 예를 들어, 서버는 사용자의 스윙이 저장된 장비에 대해 원하는 임계값과 매칭하는지를 결정할 수 있다. 다른 예에서, 서버는 센서 데이터가 센서 디바이스의 모션 범위가, 예를 들면 사용자가 다양한 유형들의 최적화된 저장된 장비에 적합한 거와 같이(즉, 사용자의 스윙 프로파일이 서버에 저장된 여러 클럽들 또는 샤프트들와 매칭), 목표 범위 이상으로 증가했음을 나타내는 것으로 결정할 수 있다. 또 다른 예들에서, 서버는 센서 데이터가 패턴과 매칭한다고 결정할 수 있으며, 패턴은 스윙 프로파일을 최적화된 클럽 또는 샤프트와 매칭시키는 데 충분한 신뢰도 또는 부족함을 나타내도록 결정될 수 있다.

본 발명의 시스템들 및 방법들은 2차 교정 후 추가적인 교정 단계를 포함할 수 있으며, 추가적인 레벨들의 세분화를 제공할 수 있다. 일부 실시예들에서, 본 발명의 시스템 및 방법은 3차 및/또는 4차 교정을 포함할 수 있다. 우선, 시스템은 사용 가능한 처리 능력, 복잡성, 및 애플리케이션 요구에 따라 이러한 추가적인 3차 및 4차 교정 단계들을 수행할 수 있다. 예를 들어, 시스템은 특정 활동 또는 측정 유형에 기초하여 높은 정밀도가 필요하다고 결정할 수 있다. 이러한 결정에 기초하여, 시스템은 활동 및/또는 측정의 요구에 따라 제3, 제4, 및 그 이후의 "n-레벨"의 교정을 수행할 수 있다. 예를 들어, 서버는 활동 및/또는 측정 유형 식별자를 수신하고 필요한 교정 반복 횟수를 조회하거나 또는 도출할 수 있다.

일부 실시예들에서, 3차, 4차, 및/또는 "n-레벨" 교정은 2차 교정에 대해 설명된 것과 동일한 프로세스를 사용하여 수행될 수 있다. 그러나, 이러한 추가 교정 단계들은 더 높은 정밀도로 수행될 수 있다. 예를 들어, 2차 교정을 통해 센서 디바이스의 포지션과 방향을 가장 가까운 0.1단위(예컨대, cm, 인치, 도, 라디안)로 결정한 경우, 3차 교정은 0.1단위 측정 값을 확인하고 0.01단위 정밀도로 포지션과 방향을 산출할 수 있다. 이 예에 따라, 시스템이 수행해야 한다고 결정한 경우, 4차 교정은 0.001단위 정밀도로 포지션 및 방향을 산출할 수 있다. 1차 및 2차 교정에 대해 설명된 신뢰도 임계값 및/또는 패턴 매칭은 3차, 4차 및/또는 "n-레벨" 교정에도 적용될 수 있다.

일 실시예에서, 서버는 사용자 인터페이스를 통해 제3자로부터 플랜에 대한 업데이트를 수신할 수 있다. 예를 들어, 제3자는 플랜에 대한 제안된 자동 변경들을 승인하거나 수정할 수 있다. 대안적인 예에서, 제3자는 제안된 변경들을 무효화하거나 및/또는 사용자에 대한 메시지(예컨대, 텍스트, 비디오, 오디오)를 포함할 수 있다.

본 발명의 시스템들 및 방법들은 수동 검토 및/또는 수동 업데이트 없이 자동 업데이트를 전송할 수 있다. 서버는 수정된 플랜을 컴퓨팅 디바이스로 전송할 수 있다. 수정된 플랜에는 다른 최적화된 스윙 장비에 대한 추천, 변경 사항에 대한 설명, 및/또는 제3자로부터의 메시지와 같은 지침이 포함될 수 있다. 예를 들어, 전문가는, 데이터 프로파일들에서 캡처된 사용자 모션의 렌더링을 템플릿 모션과 오버레이하는 지침 비디오와 함께, 사용자가 특정 모션 활동을 잘못 수행하고 있음을 나타낼 수 있다.

일부 실시예들에서, 템플릿 모션 프로파일들은 특정 골프 클럽 위치에 센서를 장착한 상태에서 "이상적인" 템플릿 모션을 수행하는 사람을 기록함으로써 생성될 수 있다. 그러나, 다른 실시예들에서는, 예를 들어 사람이 "이상적인" 모션을 수행할 수 없을 때, 특정 모션에 대한 모션 프로파일을 전자적으로 생성하는 것이 바람직할 수 있다. 본 발명의 시스템들 및 방법들은 사용자(예컨대, 센서 착용자) 및/또는 제3자(예컨대, 전문가)가 템플릿 모션을 이상적으로 또는 직접 수행하는 사람을 기록할 필요 없이 모션 프로파일을 전자적으로 생성할 수 있도록 한다.

본 발명의 시스템들 및 방법들은 사용자의 스윙 모션에 기초하여 센서 디바이스의 움직임을 산출한다. 일 실시예에서, 컴퓨팅 디바이스는 센서 디바이스에 의해 취해진 경로를 결정할 수 있다. 상기 움직임에 기초하여, 컴퓨팅 디바이스는 센서 디바이스의 방향과 가속도를 시간에 따라 3차원으로 추정하여 사용자 인터페이스에서 사용자에 의해 형성된 모션에 대한 모션 프로파일을 생성하고 컴퓨팅 디바이스(예컨대, 컴퓨터, 태블릿, 스마트폰)에 표시할 수 있다.

일부 실시예들은 스윙 프로파일의 방향 및 변위 특성들을 사용하여 3차원에 걸쳐 각속도 범위를 산출할 수 있다. 일부 실시예들은 각속도를 크기(예컨대, 각속도) 및 방향(예컨대, 오른손 규칙에 기반한 회전축)을 갖는 유사 벡터로 간주할 수 있다. 예를 들어, 개시된 실시예들은 기록된 변위 데이터에 기초하여 센서 디바이스의 속도를 결정할 수 있다. 또한, 시스템은 3축 속도 정보를 방향 데이터와 결합하여 각속도를 도출할 수 있다(예컨대, 벡터, 벡터의 구성 요소 부분으로서). 예를 들어, 시스템은 속도와 변위 정보의 교차 곱 연산에 기초하여 각속도를 결정할 수 있다:

다른 실시예들은 각속도를 포함하는 유효 변수들을 결정하기 위해 다른 계산들을 활용할 수 있다. 수신된 초기 데이터는 특정 단위 스케일로 정규화되지 않을 수 있지만, 특정 실시예들은 스윙 프로파일을 결정하기 위해 벡터 성분 및 크기의 비율을 사용하는 것을 포함하여 데이터의 상대적 크기 또는 분산을 사용할 수 있다.

일부 실시예들에서, 시스템은 원시 데이터 프로파일 및/또는 산출된 데이터 프로파일들에 대한 통계적 계산들을 수행할 수 있다. 예를 들어, 컴퓨팅 디바이스는 데이터 프로파일들(예컨대, 원시 데이터 프로파일들, 산출된 데이터 프로파일들)에서 시간별 데이터의 각 차원의 분산, 평균, 평균 크기, 및/또는 표준 편차를 산출할 수 있다. 다른 예에서, 컴퓨팅 디바이스는, 예를 들면 x축 및 y축 가속도 데이터와 같이, 원시 데이터 프로파일의 시간별 데이터의 두 차원 간의 공분산을 계산할 수 있다.

시스템은 통계적 계산들을 각각의 잠재적 신체 영역에 대한 예상된 통계적 계산들과 매칭시킬 수 있다. 일부 실시예들에서, 컴퓨팅 디바이스는 각각의 스윙 모션에 대한 원시 데이터와 템플릿 데이터 간의 차이(예컨대, 최소 제곱 차이, 다른 통계적 편차 측정치들)를 산출할 수 있다. 예를 들어, 컴퓨팅 디바이스는 각각의 스윙 모션의 각자의 템플릿 값에 대한 x-, y-, 및 z-축 평균값, 분산, 및/또는 표준 편차 간의 차이를 산출할 수 있다. 시스템은 가장 근접하게 매칭하는 최적화된 장비를 식별할 수 있다(예컨대, 가장 낮은 최소 제곱 차이).

다양한 실시예들에서, 본 발명은 스윙 프로파일을 선호하거나 최적화된 스윙 장비(예컨대, 골프 클럽 또는 배트)에 매칭시키기 위해 센서 디바이스로부터 수집된 데이터를 저장된 데이터와 매칭시키는 시스템들 및 방법들을 포함한다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 본 기술의 다양한 측면들에 따라 스윙 부재의 특성들을 측정하는 것을 포함하며, 임의의 적합한 샤프트 및/또는 스윙 부재와 함께 작동할 수 있다. 본 기술의 다양한 대표적 구현들은 적용된 로드들의 효과를 측정하거나 및/또는 스윙 부재의 물리적 특성들을 식별하기 위한 임의의 시스템에 적용될 수 있다. 스윙 부재는 샤프트(shaft), 보(beam), 막대(rod), 튜브(tube), 칼럼(column), 기둥(post), 철근(rebar) 등과 같은 종축을 갖는 임의의 적합한 디바이스를 포함할 수 있다. 또한 테스트 부재는 골프 샤프트, 야구 배트, 테니스 라켓, 하키 스틱 등과 같이 사용 중에 스윙되는 디바이스를 포함할 수 있다.

다양한 실시예들에서, 하나 이상의 센서를 포함하는 센서 디바이스는 강성(stiffness), 직진성(straightness), 비틀림 강성(torsional rigidity), 및 감쇠 특성(dampening properties)과 같은 테스트 부재의 하나 이상의 파라미터를 산출하는 데 사용하기 위해 센서 데이터를 수집할 수 있는 컴퓨팅 디바이스, 서버 또는 임의의 데이터 획득 시스템으로 데이터를 전송한다. 데이터 획득 시스템은 워크스테이션, 개인용 컴퓨터 단말기, 테스트 스테이션 등과 같이 원하는 기준에 따라 데이터를 처리하기 위한 임의의 적합한 시스템 또는 디바이스를 포함할 수 있다. 데이터 획득 시스템은 센서 디바이스에 통합되거나 센서 디바이스와 통신적으로 연결된 별도의 시스템을 포함할 수 있다. 데이터 획득 시스템은 테스트 부재의 원하는 속성들을 산출하는 데 사용될 수 있는 형식으로 수집된 모든 유형의 데이터 스트림을 수신, 변경, 변환, 또는 처리하도록 구성될 수 있다.

예를 들어, 일 실시예에서, 데이터 획득 시스템은 센서 디바이스로부터의 사전 로딩 및 사후 로딩 데이터를 비교하여 테스트 부재에 대한 강성 프로파일을 산출하도록 구성된 분석 엔진을 포함할 수 있다. 데이터 획득 시스템은 또한 테스트 부재에 대한 직진성 값/스코어를 산출하기 위해 사전 로딩 데이터를 베이스라인 기준과 비교하도록 구성될 수 있다.

데이터 획득 시스템은 또한 캡처된 데이터 내의 왜곡을 설명하도록 적절하게 구성될 수 있다. 일 실시예에서, 교정 프로세스가 교정 매트릭스를 식별하기 위해 여러 번의 스윙들을 수행하는 것을 포함하는 접선 및 방사형 왜곡(tangential and radial distortion)을 설명할 수 있다.

사용자 인터페이스는 작업자에게 테스트 스탠드에 대한 제어 또는 액세스를 제공할 수 있다. 사용자 인터페이스는 사용자 또는 작업자가 테스트 시퀀스를 실행하게 하고, 결과를 분석하게 하고, 테스트 결과에 액세스, 인쇄, 복사 또는 전달하게 하거나, 다른 테스트를 사용하게 하기 위한 임의의 적합한 디바이스 또는 시스템을 포함할 수 있다. 일 실시예에서, 사용자 인터페이스는 디스플레이 및 키보드 또는 마우스와 같은 입력 디바이스를 포함할 수 있다. 제2 실시예에서, 디스플레이와 입력 디바이스는 컨트롤러에 링크된 터치 스크린 디스플레이, 태블릿, 또는 테이블 컴퓨터와 같은 단일 구성 요소로 결합될 수 있다.

특정 실시예들에서, 본 발명의 시스템들 및 방법들은 막대, 샤프트, 보, 또는 임의의 다른 유사한 대상체와 같은 테스트 부재의 상대 강성("EI" 또는 굴곡 강도(flexural rigidity))을 측정하도록 구성될 수 있다. "E"는 탄성 계수(Young's Modulus)를 나타내고, "I"는 테스트 부재 단면의 제2 관성 모멘트를 나타낸다. "E"와 "I"는 골프 샤프트와 같은 특정 유형의 테스트 부재의 길이에 따라 서로 독립적으로 달라질 수 있는 것으로 알려져 있다. 따라서, 센서 디바이스는 골프 스윙의 하나 이상의 단계 동안과 같은 로딩 하에서 샤프트가 어떻게 구부러지는지를 측정함으로써 샤프트의 길이에 걸쳐 연속적인 EI 함수를 계산하는 샤프트의 EI를 측정하는 기술을 구현하도록 구성될 수 있다.

특정 실시예들에서, 이 기법은 골프 샤프트를 캔틸레버 빔으로 취급함으로써 연속 EI 함수를 결정하도록 시도한다. 그러나, 캔틸레버 빔에 대한 기존의 굽힘 방정식들(bending equations)은 정확한 테스트 결과를 제공하지 못할 수 있는데, 이는 이들이 일반적으로 로딩 하에서 작은 편향(small deflections)을 갖게 되고 일반적으로 테스트되는 빔의 길이에 따라 일정한 EI를 갖는 빔들을 대상으로 하기 때문이다. 따라서, 본 발명의 기술에서는 센서들에 의해 수집된 데이터에 기초하여 보다 복잡한 모델을 사용하여 샤프트 전체에 대한 EI 또는 강성 프로파일을 산출한다.

특정 실시예들에서, 이러한 모델은 수직 y 방향을 따라 샤프트의 해당 편향과 관련하여 샤프트 길이를 따라 x의 함수로 EI를 산출한다.

따라서, x 방향에서 또는 샤프트를 따른 길이의 함수로서 그 방향의 편향으로 표시되는 샤프트에 대한 주어진 편향 프로파일에 대해, 제1 및 제2 도함수들이 결정되고 샤프트를 따라 임의의 지점에서 EI가 결정될 수 있다.

특정 실시예들에서, 노이즈를 고려하기 위해 로딩 시스템에 의해 편향될 때 샤프트의 센서에 따라 고차 다항식이 편향 프로파일에 맞춰진다. 그런 다음 샤프트를 따라 주어진 지점에서 방정식을 풀수 있고 샤프트 전체의 EI 프로파일을 산출할 수 있다.

이 테스트 방법은 샤프트의 길이에 대한 연속적인 EI 데이터를 얻으며 골프 스윙에서 샤프트가 로드되는 방식을 보다 정확하게 재현할 수 있다. 또한 이 방법은 부재의 세그먼트 길이를 사용하는 3점 굽힘 방법(3-point bending method)과 같은 다른 방법들과 달리 제1와 제2 끝 부분들 사이에 샤프트의 전체 길이를 따라 측정을 가능하게 한다. 이 방법은 또한 테스트 동안 작업자에 의한 부재의 움직임 또는 자신의 눈을 사용하여 작업자가 게이지를 읽음으로써 발생할 수 있는 것과 같은 작업자 기반 테스트와 관련된 불일치를 줄이게 된다.

본 발명의 센서 디바이스를 사용하여, 샤프트의 편향(또는 굽힘) 프로파일은 교정 막대에 의해 얻어진 직진성 교정 또는 샤프트의 직진성 프로파일로부터 직진성 선에 의해 설정된 편향 데이터를 참조하여 데이터 획득 시스템에 의해 측정될 수 있다. 다항식 방정식을 각각의 상단 및 하단 가장자리 데이터에 맞춰 각각의 x-위치 값에 대한 피팅된 상단 및 하단 값들을 생성할 수 있다. 특정 실시예들에서, 피팅된 상단 및 하단 에지 값들의 평균을 구하고 직진성 교정으로부터 해당하는 y- 위치 값들을 차감하여 샤프트를 따라 각각의 지점에 대한 평균 편향을 구할 수 있다. 이 평균 편향은 미리 결정된 교정 계수들을 사용하여 편향의 미터로 변환될 수 있다. 평균 편향 데이터에 다른 다항식 방정식을 적용하여 여러 다항식 계수들을 생성할 수 있다. 결과의 계수들은 샤프트에 대해 산출된 편향 프로파일을 재생성하기 위해 저장, 내보내기 또는 다른 방식으로 수집될 수 있다.

적용된 로드, 센서 데이터, 편향 데이터, 미분, 및 일련의 계산들과 관련된 정보를 사용하여, 분석 시스템에 의해 샤프트 길이를 따라 각각의 지점, 픽셀 위치, 또는 다른 원하는 기준에 대해 EI 프로파일을 산출할 수 있다. 예를 들어, 데이터 획득 시스템은 임의의 적절한 방법을 사용하여 평균 편향 데이터에 맞는 다항식 방정식의 제1 및 제2 도함수들을 계산할 수 있다. 그런 다음 데이터 획득 시스템은 로드 셀(load cell)로부터 샤프트에 적용되는 힘의 양을 구하고 이를 뉴턴 미터 단위로 샤프트를 따른 x-위치 값의 함수인 모멘트로 변환할 수 있다. 샤프트를 따른 각각의 지점에 대해, EI를 계산한 다음 이러한 계산을 사용하여 최적화된 스윙 장비를 사용자의 스윙 프로파일에 매칭시킬 수 있다.

본 발명의 예시적인 실시예에 따른 모션 분석 시스템들 및 방법들(예컨대, 골프 스윙 분석 장치)은 골프 클럽의 속도 및 골프 공의 속도를 계산함으로써 사용자에게 다양한 골프 스윙 분석 정보를 제공할 수 있다.

특정 실시예들에서,골프 클럽의 속도와 골프 공의 속도를 계산하기 위해, 골프 스윙 분석 장치는 하나의 도플러 레이더 센서를 사용하여 골프 클럽과 골프 공에 전송파를 방사하고, 골프 클럽의 반사파와 골프 공의 반사파가 혼합된 반사파를 검출한다. 도플러 레이더 센서는 전송파와 혼합된 반사파 사이의 주파수 편차를 검출하여 출력 신호를 생성한다. 도플러 레이더 센서에 의해 생성된 출력 신호는 골프 클럽의 속도와 관련된 신호와 골프 공의 속도와 관련된 신호가 혼합된 신호이다.

본 발명의 센서 시스템은 도플러 레이더 센서에 의해 발생되는 출력 신호를 이용함으로써 골프 클럽의 스윙 속도, 골프 공의 속도, 비거리, 및 타격의 정확도를 산출하는 것으로, 본 발명의 시스템들 및 디바이스들에 통합될 수 있다.

다양한 실시예들에서, 센서들에 의해 얻어진 데이터는 본 발명의 예시적인 실시예에 따라 도플러 레이더 센서로부터 출력되는 신호를 고속 푸리에 변환함으로써 분석될 수 있다.

특정 실시예들에서, 본 발명의 예시적인 실시예에 따른 스윙 분석 시스템 및 디바이스는 신호 감지 유닛, 신호 전처리 유닛, 스윙 분석 정보 산출 유닛, 디스플레이 유닛, 입력 유닛, 및 메모리 유닛을 포함한다.

특정 실시예들에서, 센서는 레이더를 사용하여 골프 클럽 및/또는 골프 공에 전송파를 방사한다. 센서는 골프 클럽의 반사파 및 골프 공의 반사파를 포함하는 반사파를 검출하고, 전송파와 혼합 반사파 사이의 주파수 편차를 검출하고, 출력 신호를 생성한다. 예를 들어, 신호 검출 유닛은 도플러 효과를 이용하는 도플러 레이더 센서를 포함할 수 있다.

신호 검출 유닛의 출력 신호는 골프 클럽의 속도와 골프 공의 속도와 관련된 신호이다. 신호 전처리 유닛은 신호 검출 유닛으로부터 발생된 출력 신호의 노이즈를 제거하고, 노이즈가 제거된 출력 신호인 아날로그 신호를 디지털 신호로 변환하고, 변환된 디지털 신호를 스윙 분석 정보 산출 유닛에 제공한다.

예를 들어, 신호 전처리 유닛은 스윙 분석 정보 산출 유닛에 출력 신호를 제공할 수 있다. 가로축은 고속 푸리에 변환을 위한 샘플의 인덱스를 나타내고, 세로축은 골프 클럽의 속도와 골프 공의 속도와 관련된 신호들이 혼합된 신호를 디지털 값으로 나타낸다.

스윙 분석 정보 산출 유닛은 신호 검출 유닛의 출력 신호를 사용함으로써 골프 클럽의 속도와 골프 공의 속도를 산출한다.

골프 클럽의 속도와 골프 공의 속도를 산출하기 위해, 스윙 분석 정보 산출 유닛은 공의 속도 산출 유닛과 클럽 속도 산출 유닛을 포함할 수 있다. 공의 속도 산출 유닛은 신호 검출 유닛의 출력 신호를 주파수 영역으로 변환함으로써 얻은 주파수 성분에 기초하여 골프 공의 속도를 산출한다. 골프 공의 속도는 사용자가 골프 공을 타격하는 순간에 가장 높으므로, 공의 속도 산출 유닛은 신호 검출 유닛의 출력 신호에서 가장 높은 주파수 값을 이용하여 골프 공의 속도를 산출할 수 있다.

하나 이상의 추가적인 실시예들은 다중 센서 이벤트 분석 및 태깅 시스템을 포함한다. 본 발명의 실시예들은 사용자 또는 장비와 결합된 모션 캡처 센서(들)로부터의 모션 데이터와 동기화된 일반적으로 간결한 이벤트 비디오들을 지능적으로 동기화 및 전송할 수 있다. 특정 실시예들에서, 본 발명의 센서는 이벤트 비디오들을 업로드하고 대용량 비디오들의 관련 없는 부분을 업로드하지 않음으로써 저장 공간을 절약하고 업로드 속도를 높인다. 특정 실시예들에서, 본 발명의 센서는 주어진 시간에 이벤트를 커버링하는 여러 카메라들로부터 여러 비디오들의 지능적 선택, 예를 들면 흔들림이 가장 적은 비디오를 선택하는 기능을 제공한다. 특정 실시예들에서, 본 발명의 센서는 모션 캡처 센서에 의해 결정된 이벤트 동안 카메라 파라미터들을 거의 실시간으로 변경하고 동기화된 이벤트 비디오들에 대한 재생 파라미터들 및 특수 효과들을 변경할 수 있다. 메트릭별로 필터링된 하이라이트 릴(highlight reels)을 생성하고 메트릭별로 정렬할 수 있다. 특정 실시예들에서, 본 발명의 센서는 다른 센서들이 이벤트를 검출하지 않더라도 이벤트 데이터를 저장하기 위해 다수의 센서들과 통합된다. 특정 실시예들에서, 본 발명의 센서는 또한 동일한 사용자, 다른 사용자, 과거 사용자 또는 사용자 그룹과 연관된 모션의 분석 또는 비교를 가능하게 한다. 적어도 하나의 실시예는, 이에 제한되는 것은 아니지만, 시각적 마커 및 센서, 무선 주파수 식별 태그 및 모바일 디바이스 컴퓨터 시스템과 같은 휴대용 무선 모션 캡처 요소들로부터 얻어거나, 또는 동일한 사용자와 연관된 분석된 움직임에 기초하여 계산되거나, 또는 사용자 또는 또 다른 사용자, 과거 사용자 또는 사용자 그룹에 대해 비교되는, 모션 캡처 데이터를 포함하는 모션 데이터 내의 이벤트들에 대한 지능적 인식을 제공한다. 검출된 이벤트들에 대응하도록 모션 데이터 및 비디오들을 트리밍함으로써 이벤트 데이터와 비디오 데이터의 메모리 사용률을 낮출 수 있다. 이는 모바일 디바이스 또는 원격 서버에서 이벤트의 위치 및/또는 시간에 기초하여 그리고 비디오의 위치 및/또는 시간에 기초하여 수행될 수 있으며, 모션 이벤트들을 포함할 수 있는 비디오들을 더욱 제한하기 위해 선택적으로 카메라의 방향을 포함할 수 있다. 실시예들은 이벤트 기반 뷰잉 및 이벤트의 저전력 전송과 모바일 디바이스에서 실행되는 앱 및/또는 외부 카메라들과의 통신을 가능하게 하여 이벤트들을 정의하는 윈도우들을 지정할 수 있다. 모션 이벤트들을 인식하고 이미지 또는 비디오 내에서 플레이어의 샷, 이동 또는 스윙, 플레이어, 복서, 라이더 또는 드라이버의 뇌진탕, 열사병, 저체온증, 발작, 천식 발작, 간질 발작, 또는 걷기, 낙상 등 기타 스포츠 또는 신체 모션 관련 이벤트와 같은 이벤트를 지정할 수 있다. 이벤트들은 내부/외부 카메라 또는 카메라들 또는 보모용 캠으로부터 캡처된 하나 이상의 이미지 또는 동영상과 연관될 수 있으며, 예를 들어 아이의 첫 걸음마, 심하게 흔들리는 이벤트, 뇌진탕을 포함한 스포츠 이벤트, 또는 노인과 연관된 낙상 이벤트와 같은 이벤트의 비디오를 저장할 수 있다. 뇌진탕 관련 이벤트들 및 다른 이벤트들은 선형 가속도 임계값 및/또는 패턴뿐만 아니라 회전 가속도 및 속도 임계값 및/또는 패턴에 대해 모니터링되거나 및/또는 이벤트 기반으로 저장되거나 및/또는 가벼운 비연결(connectionless) 프로토콜을 통해 전송되거나 또는 이들의 조합을 통해 전송 모션 캡처 센서 데이터와 비디오 분석으로부터 파생된 모션 데이터의 센서 융합을 사용하여 통합 모션 메트릭을 생성할 수 있다.

본 발명의 실시예들은 사용자가 애플리케이션 또는 "앱"과 모션 캡처 요소를 구매하고 기존의 모바일 컴퓨터(예컨대, 모바일 폰)로 시스템을 즉시 활용할 수 있게 한다. 본 발명의 실시예들은 모션 정보를 모니터링 사용자 또는 모션 캡처 요소 또는 장비와 연관된 사용자에게 표시할 수 있다. 실시예들은 또한 사용자 또는 장비와 연관된 이전에 저장된 모션 캡처 데이터 또는 모션 분석 데이터 또는 적어도 하나의 다른 사용자와 연관된 이전에 저장된 모션 캡처 데이터 또는 모션 분석 데이터에 기초하여 (제한되는 것은 아니지만 비교와 같은 기능을 통해) 사용자 또는 장비와 연관된 모션 분석 데이터에 기초한 정보를 표시할 수 있다. 이를 통해 정교한 모니터링, 규정 준수, 다른 사용자(들)로부터 얻은 실제 모션 캡처 데이터 또는 패턴과의 상호 작용(예를 들어, 사용자로부터 얻은 실제 모션 데이터와 이에 기초하여 생성된 응답을 사용하여 이전에 사용자로부터 또는 다른 사용자들(또는 장비)로부터 캡처한 실제 모션 데이터를 사용하여 가상 게임을 플레이하는 것)이 가능하다. 이 기능은 예를 들어 가상 테니스 게임과 같이 역사적인 플레이어들과 대결하거나 또는 "평균적인" 프로 스포츠 플레이어와 대결할 수 있으며, 이러한 것은 지금까지 당업계에는 알려지지 않은 기능이다.

예를 들어, 하나 이상의 실시예는 사용자 또는 사용자와 결합된 장비 또는 모바일 디바이스와 결합되도록 구성된 적어도 하나의 모션 캡처 요소를 포함하며, 여기서 적어도 하나의 모션 캡처 요소는 메모리, 적어도 하나의 모션 캡처 요소의 방향, 포지션, 속도, 가속도(선형 및/또는 회전)와 연관된 임의의 값들의 조합을 캡처하도록 구성된 센서, 라디오, 및 메모리, 센서 및 라디오와 결합된 마이크로 컨트롤러를 포함한다. 마이크로 컨트롤러는 센서로부터의 센서 값들을 포함하는 데이터를 수집하고, 데이터를 메모리에 저장하고, 데이터를 분석하고, 데이터 내의 이벤트를 인식하여 이벤트 데이터를 결정하고, 이벤트와 연관된 이벤트 데이터를 라디오를 통해 전송하도록 구성된다. 시스템의 실시예들은 또한 모바일 디바이스에서 실행되도록 구성된 애플리케이션을 포함할 수 있으며, 여기서 모바일 디바이스는 컴퓨터, 이벤트와 연관된 이벤트 데이터를 얻기 위해 라디오와 통신하도록 구성된 무선 통신 인터페이스를 포함한다. 컴퓨터는 무선 통신 인터페이스와 결합되며, 여기서 컴퓨터는 애플리케이션 또는 "앱"을 실행하여 무선 통신 인터페이스로부터 이벤트 데이터를 수신하고, 이벤트 데이터를 분석하여 모션 분석 데이터를 형성하고, 이벤트 데이터 또는 모션 분석 데이터 또는 이벤트 데이터와 모션 분석 데이터 모두를 저장하고, 이벤트 데이터 또는 모션 분석 데이터 또는 적어도 하나의 사용자와 연관된 둘 모두를 포함하는 정보를 디스플레이에 표시하도록 컴퓨터를 구성한다.

하나 이상의 실시예는 사용자의 머리 근처에 배치되도록 구성된 적어도 하나의 모션 캡처 센서를 포함하며, 여기서, 마이크로 컨트롤러가 또한 사용자 머리의 임팩트 위치를 계산하도록 구성된다. 적어도 하나의 모션 캡처 센서의 실시예는 임의의 유형의 마운트, 인클로저 또는 결합 메커니즘을 사용하여 보호용 마우스피스 내에서 모자 또는 캡에 결합되도록 구성될 수 있다. 적어도 하나의 모션 캡처 센서의 하나 이상의 실시예는 사용자의 머리에 있는 헬멧과 결합되도록 구성될 수 있으며, 여기서 사용자 머리의 임팩트 위치에 대한 계산은 사용자의 머리 및/또는 헬멧의 물리적 형상에 기초한다. 실시예들은 예를 들어, 적어도 하나의 모션 캡처 센서 또는 마이크로컨트롤러와 결합된 온도 센서를 포함할 수 있다.

또한, 본 발명의 실시예들은 사용자 뇌 주변의 뇌척수액의 물리적 가속도 감쇠를 근사화하기 위해 적어도 하나의 모션 캡처 요소를 둘러싸도록 구성된 아이솔레이터를 활용하여 이벤트 데이터의 선형 가속도 및 회전 가속도의 변환을 최소화하여 사용자 뇌의 관찰된 선형 가속도 및 관찰된 회전 가속도를 얻을 수 있다. 따라서, 실시예들은 힘 또는 가속도 값 또는 헬멧 기반 가속도로부터 관찰된 뇌 가속도 값으로 변환하는 처리를 제거할 수 있다. 따라서, 실시예들은 이벤트별 데이터를 제공하기 위해 더 적은 전력 및 저장 공간을 활용하며, 이는 데이터 전송량을 최소화하여 전송 전력 활용을 낮추고 총 전력 활용을 더욱 낮출 수 있다. 풋볼/하키/라크로스 플레이어들의 헬멧에는 헬멧에 내재된 패딩의 유형에 따라 다른 아이솔레이터들이 활용될 수 있다. 헬멧을 착용하지 않거나 가끔 착용하는 스포츠에서 활용되는 다른 실시예들은 야구 선수의 모자와 같은 모자 또는 캡에 있는 적어도 하나의 모션 캡처 센서와 배팅 헬멧에 장착된 적어도 하나의 센서를 활용할 수도 있다. 헤드밴드 마운트는 축구와 같이 모자를 사용하지 않는 스포츠에서도 뇌진탕을 판별하기 위해 활용될 수 있다. 하나 이상의 실시예에서, 헬멧에 활용되는 아이솔레이터는 헬멧에 부착된 인클로저에 남아 있을 수 있고, 센서는 제거되어 사용자의 뇌액의 감쇠와 매칭하는 아이솔레이터를 사용하지 않는 다른 장비에 배치될 수 있다. 실시예들은 특정 유형들의 장비와 연관된 특징적인 모션 패턴들(즉, 서핑보드 대 야구 배트)에 기초하여 모션의 유형을 자동으로 검출하고 모션 캡처 센서가 현재 부착되어 있는 장비의 유형을 결정할 수 있다.

본 발명의 실시예들은 선형 가속도 값 또는 회전 가속도 값 또는 둘 모두를 획득/계산하도록 구성될 수 있다. 이를 통해 선형 가속도뿐만 아니라 뇌진탕에 대한 회전 이벤트들을 모니터링할 수 있다. 다른 이벤트들에서는 선형 및/또는 회전 가속도 및/또는 속도를 예를 들면 패턴들이나 템플릿들과 비교하여 이벤트 동안 센서 성격을 전환하여 캡처 특성들을 동적으로 변경할 뿐만 아니라 현재 모션 캡처 센서로 현재 사용되고 있는 장비의 유형을 특성화하는 데 사용할 수 있다. 이를 통해 사용자가 하나의 모션 캡처 요소를 구매하여 여러 장비나 의류를 계측할 수 있게 하는데, 센서에 의해 캡처된 모션을 특징적인 모션의 패턴들이나 템플릿들과 비교하는데 기초하여 센서가 결합된 것이 어떤 유형의 장비나 의류인지를 센서가 자동으로 결정할 수 있게 한다.

본 발명의 실시예들은 비연결(connectionless) 브로드캐스트 메시지를 사용하여 이벤트와 연관된 이벤트 데이터를 전송할 수 있다. 하나 이상의 실시예에서, 사용되는 무선 통신에 따라, 브로드캐스트 메시지들은 핸드셰이킹 및 연결 기반 프로토콜의 오버헤드를 피하기 위해 활용될 수 있는 제한된 양의 데이터를 가진 페이로드들을 포함할 수 있다. 다른 실시예들에서, 비연결 또는 연결 기반 프로토콜들이 임의의 조합으로 활용될 수 있다.

하나 이상의 실시예에서, 컴퓨터는 사용자 또는 장비와 연관된 이전에 저장된 이벤트 데이터 또는 모션 분석 데이터에 액세스하여, 예를 들어 뇌진탕 또는 낙상 또는 기타 스윙 또는 기타 모션 이벤트의 수를 결정할 수 있다. 실시예들은 또한 사용자 또는 장비와 연관된 이벤트 데이터 또는 모션 분석 데이터 및 사용자 또는 장비 또는 적어도 하나의 다른 사용자 또는 다른 장비와 연관된 이전에 저장된 이벤트 데이터 또는 모션 분석 데이터에 기초하여 적어도 하나의 사용자와 연관된 이벤트 데이터를 디스플레이에 표시할 수 있다. 이를 통해 특정 게임에서 또는 이력적으로, 사용자 또는 다른 사용자들이 관찰한 최대 회전 가속도 등과 같이 수 또는 정량적 값으로 모션 이벤트들을 비교할 수 있다. 또한, 일반적인 이벤트들에 대한 특정 장비의 특징적인 모션을 정의하는 패턴들 또는 템플릿들은 예를 들어 중앙 서버에서 또는 로컬로 동적으로 업데이트될 수 있으며, 하나 이상의 실시예에서 무선 인터페이스를 통해 모션 캡처 센서에서 동적으로 업데이트될 수 있다. 이를 통해 센서들은 시간에 걸쳐 개선될 수 있다.

본 발명의 실시예들은 예를 들어 방송 텔레비전 또는 인터넷을 통해 컴퓨터 또는 원격 컴퓨터와 결합된 시각적 디스플레이의 디스플레이로 정보를 전송할 수 있다. 디스플레이의 실시예들은 또한 전체 이벤트의 타임라인을 따라 개별 스크롤을 제공하기 위해 서브 이벤트 시간 위치들을 수용하도록 구성될 수 있다. 예를 들어, 골프 스윙은 어드레스, 스윙 백, 스윙 포워드, 스트라이크, 팔로우스루와 같은 서브 이벤트를 포함할 수 있다. 시스템은 서브 이벤트들에 대한 시간 위치들을 표시하고 해당 위치 근처의 사용자 입력을 받아 비디오가 해당 시점에서 시작 또는 중지되도록 하거나, 예를 들어 서브 이벤트들을 쉽게 볼 수 있도록 해당 시점으로 스크롤하거나 해당 시점으로 되돌아가도록 할 수 있다.

본 발명의 실시예들은 또한 적어도 하나의 모션 캡처 센서 또는 사용자 또는 장비와 결합된 식별자를 포함할 수 있다. 하나 이상의 실시예에서, 식별자는 팀 및 유니폼 번호 또는 학생 식별 번호 또는 라이선스 번호 또는 특정 사용자 또는 장비로부터 특정 이벤트를 비교적 고유하게 식별할 수 있는 임의의 다른 식별자를 포함할 수 있다. 이를 통해, 특정 플레이어 또는 사용자와 연관된 데이터를 수신하도록 구성된 앱과 관련하여 다수의 플레이어들 또는 사용자들이 있는 팀 스포츠 또는 위치들을 식별할 수 있다. 하나 이상의 실시예는 식별자, 예를 들면 패시브 RFID 식별자 또는 플레이어 또는 사용자와 연관된 어드레스 또는 다른 일련 번호를 수신하고, 식별자를 이벤트 데이터 및 모션 분석 데이터와 연관시킨다.

적어도 하나의 모션 캡처 요소의 하나 이상의 실시예는 이벤트 발생 시 광을 출력하도록 구성된 발광 요소를 더 포함할 수 있다. 이는 예를 들어 임의의 외부 디바이스와의 어떠한 요구된 통신 없이도 헬멧의 외부 부분에 뇌진탕의 잠재적, 경미한 또는 심각한 수준을 표시하는 데 활용될 수 있다. 상이한 색상들이나 깜박이는 간격들을 활용하여 이벤트와 관련된 정보를 전달할 수도 있다. 대안적으로, 또는 이들의 조합으로, 적어도 하나의 모션 캡처 요소는 또한, 이벤트가 발생하거나 적어도 하나의 모션 캡처 센서가 컴퓨터의 범위를 벗어나는 경우 사운드를 출력하도록 구성된 오디오 출력 요소를 더 포함하거나, 또는 여기서 컴퓨터는 적어도 하나의 모션 캡처 센서가 컴퓨터의 범위를 벗어나는지를 표시 및 경고하도록 구성되고, 또는 이들의 임의의 조합 센서의 실시예들은 또한 심판이 모바일 디바이스에서 분석 코드의 스냅샷을 로컬로 얻을 수 있도록, 그리고 이벤트가 센서 상에서 판독 가능한 형태로 표시되거나 다른 사람에 의해 무선으로 전송 및 가로채지 않도록 현재 이벤트의 코드화된 분석을 예를 들어 빠른 응답(QR) 코드 또는 바코드로 출력하는 LCD를 활용할 수 있다.

하나 이상의 실시예에서, 적어도 하나의 모션 캡처 요소는 또한 마이크로 컨트롤러와 결합된 위치 결정 요소를 더 포함한다. 예를 들어, 여기에는 GPS(글로벌 포지셔닝 시스템) 디바이스가 포함될 수 있다. 대안적으로, 또는 조합하여, 컴퓨터는 다른 컴퓨터와 함께 위치를 삼각 측량하거나, 수신기의 임의의 다른 삼각 측량 유형으로부터 위치를 획득하거나, 컴퓨터와 결합된 카메라를 통해 캡처되고 특정 방향으로 향하는 것으로 알려진 이미지들에 기초하여 위치를 계산할 수 있으며, 컴퓨터는 예를 들어 이미지 내의 대상체의 방향 및 크기에 기초하여 모바일 디바이스로부터 오프셋을 계산한다.

하나 이상의 실시예에서, 컴퓨터는 또한 이벤트에 근접한 적어도 하나의 카메라로부터 이벤트를 포함하는 적어도 하나의 이미지 또는 비디오를 요청하도록 구성된다. 여기에는 특정 근거리 카메라 또는 이벤트의 방향을 겨누는 카메라로부터 비디오를 요청하는 브로드캐스트 메시지가 포함될 수 있다. 하나 이상의 실시예에서, 컴퓨터는 이벤트에 근접하거나 또는 이벤트를 뷰잉하도록 배향된 카메라 위치들에 대한 요청을 브로드케스트하고, 선택적으로 관심 이벤트 주변의 지속 시간 동안 사용 가능한 카메라들 또는 그로부터의 비디오들을 표시하도록 구성된다. 하나 이상의 실시예에서, 컴퓨터는 또한 이벤트가 발생한 하나 이상의 시간 목록을 표시하도록 구성되며, 사용자는 컴퓨터를 통해 원하는 이벤트 비디오를 획득할 수 있게 되고 및/또는 원하는 이벤트 시간들을 가진 제3자로부터 비디오를 독립적으로 요청할 수 있다.

하나 이상의 실시예에서, 적어도 하나의 모션 캡처 센서는 모바일 디바이스와 결합되며, 예를 들어 모바일 디바이스 내부 또는 모바일 디바이스와 결합된 내부 모션 센서를 사용한다. 이는 예를 들어 가속도계가 내장된 모바일 디바이스를 사용하는 것과 같이 최소한의 유비쿼터스 하드웨어로 모션 캡처 및 이벤트 인식을 가능하게 한다. 하나 이상의 실시예에서, 제1 모바일 디바이스는 모션 데이터를 기록하는 사용자와 결합될 수 있고, 제2 모바일 디바이스는 모션의 비디오를 기록하는 데 활용될 수 있다. 하나 이상의 실시예에서, 모션을 수행하는 사용자는 제스처, 예를 들어 모바일 디바이스를 N번 탭하여 제2 사용자의 모바일 디바이스가 비디오 기록을 시작하거나 비디오 기록을 중지해야 함을 나타낼 수 있다. 임의의 다른 제스처는 모바일 디바이스들 간에 이벤트 관련 또는 모션 관련 표시들을 전달하기 위해 활용될 수 있다.

적어도 하나의 모션 캡처 센서의 실시예들은 온도 센서를 포함하거나, 또는 마이크로컨트롤러가 온도 센서와 결합될 수 있다. 이러한 실시예들에서, 마이크로컨트롤러는 온도 센서로부터 획득한 온도를 온도 이벤트, 예를 들어 열사병 또는 저체온증의 잠재적 표시로 전송하도록 구성된다.

따라서 본 발명의 실시예들은 사용자 또는 장비 또는 모바일 디바이스의 임의의 조합과 결합된 적어도 하나의 모션 캡처 센서와 연관된 모션 또는 서기, 걷기, 넘어짐, 열사병, 발작, 격렬한 떨림, 뇌진탕, 충돌, 비정상적인 보행, 비정상적이거나 존재하지 않는 호흡 또는 이들의 조합 또는 모션이 발생하는 동안 지속되는 시간을 갖는 임의의 다른 유형의 이벤트를 나타내는 모션과 관련된 이벤트들을 포함하는 모든 유형의 모션 이벤트를 인식할 수 있다.

본 발명의 실시예들은 모션 캡처 데이터에 대한 데이터 마이닝을 활용하여 사용자, 장비에 대한 패턴들을 얻거나 본 발명의 특정 실시예들에서 특정 사용자 또는 다른 사용자의 모션 캡처 데이터 또는 이벤트를 사용할 수 있다. 데이터 마이닝은 대규모 데이터베이스에서 이전에 알려지지 않은 새로운 패턴들을 발견하는 것과 관련이 있다. 예를 들어 통계 분석, 신경망 및 인공 지능을 포함하여 새로운 패턴들을 발견하기 위해 데이터에 많은 방법들이 적용될 수 있다. 데이터의 양이 많기 때문에 하나 이상의 컴퓨터에서 자동화된 데이터 마이닝을 수행하여 데이터에서 알려지지 않은 패턴들을 찾을 수 있다. 알려지지 않은 패턴들에는 관련 데이터 그룹, 데이터의 이상 징후, 데이터 요소들 간의 종속성, 최소한의 오류로 데이터를 모델링하는 분류 및 함수 또는 임의의 다른 유형의 알려지지 않은 패턴이 포함될 수 있다. 데이터 마이닝 결과의 디스플레이에는 대량의 순수한 원시 데이터보다 사용자가 이해하기 쉬운 방식으로 새로 발견된 패턴들을 요약한 디스플레이가 포함될 수 있다. 데이터 마이닝 프로세스의 결과들 중 하나는 향상된 시장 조사 보고서, 제품 개선, 리드 생성 및 타겟팅된 세일들이다. 일반적으로, 데이터 마이닝의 대상이 되는 모든 유형의 데이터는 정리되고, 데이터 마이닝되며, 그 결과는 일반적으로 검증된다. 사업에서는 데이터 마이닝을 사용하여 수익을 높일 수 있다. 본 발명의 실시예들의 이점들의 예들로서는 데이터에서 발견된 패턴들에 기초하여 고도로 타겟팅된 개인들을 위한 고객 관계 관리가 포함된다. 또한, 시장 바스켓 분석 데이터 마이닝을 통해 동일한 개인이 구매하거나 소유한 제품들을 식별하는 것을 가능하게 하고, 한 제품을 소유하고 있지만 다른 사용자들이 일반적으로 소유하고 있는 다른 제품을 소유하지 않은 사용자에게 제품을 제공하는 데 활용될 수 있다.

데이터 마이닝의 다른 영역들에는 다른 사용자들의 대량의 모션 데이터 세트들을 분석하여 다른 사용자들로부터의 수행력에 기초하여 수행력을 향상시키기 위한 운동을 제안하는 것도 포함된다. 예를 들어, 한 사용자가 평균 사용자에 비해 스윙 시 엉덩이의 회전이 적은 경우, 유연성 또는 근력 향상을 위한 운동이 시스템에 의해 제안될 수 있다. 골프 코스 실시예에서, 골프 코스 플래너들은 골프 코스에서 많은 수의 사용자들에 대해 홀당 평균 샷 수에 대한 보다 이산적인 값들을 얻기 위해 또는 예를 들어 특정 시간대에서 또는 특정 연령대의 골퍼들에 대해 골퍼들 사이에 시간 간격을 결정하기 위해 어떤 홀들의 길이 또는 난이도가 조정되어야 하는지를 결정할 수 있다. 또한, 데이터 마이닝의 스포츠 및 의료 적용들에는, 시간에 따른 사용자 수행력의 형태적 변화, 예를 들어 식단이나 운동의 변화와 비교하여 무엇이 가장 수행력을 향상시키는지 결정하거나, 하루 중 어떤 시간대, 온도 또는 다른 조건들에서 가장 멀리 드라이브하거나 가장 낮은 스코어를 내는 스윙 이벤트를 생성하는지를 결정하는 등이 포함된다. 특정 사용자 또는 다른 사용자들과 관련하여 모션 캡처 데이터를 사용하면 예를 들어 당뇨병 환자가 하루 동안 일정량 움직이도록 하는 등 건강 관리 규정 준수가 가능하고, 사용자의 모션이나 모션 범위가 시간에 따라 어떻게 변했는지 파악하기 위한 형태 분석이 가능하다. 역사적인 위인들이나 다른 사용자들과 가상 현실 플레이를 가능하게 하는 모션 캡처 데이터를 사용하여 게임이 플레이될 수도 있다. 예를 들어, 한 사람은 동일한 사람의 이전 수행이나 또는 친구의 모션 캡처 데이터를 상대로 플레이할 수 있다. 이를 통해 사용자는 가상현실 환경의 역사적인 경기장이나 장소에서 게임을 플레이할 수 있지만, 예를 들어 사용자 또는 다른 사용자들로부터 이전에 수집된 모션 캡처 데이터를 사용할 수 있다. 군사 플래너들은 모션 캡처 데이터를 활용하여 어떤 병사들이 가장 적합하여 특수 작전에 투입할 수 있는지 또는 어떤 병사들이 은퇴해야 하는지 결정할 수 있으며, 코치들은 예를 들어 플레이어가 뇌진탕 이벤트들과 겪게 될 그 심각도에 기초하여 그리고 다른 사용자들이 뇌진탕 관련 이벤트 이후 수행력이 향상되는 기간에 기초하여 플레이어가 언제 휴식을 취해야 하는지를 결정할 수도 있다.

시스템의 실시예들은 예를 들어 시각적 디스플레이 및 선택적 카메라를 포함할 수 있으며, 시각적 마커 및/또는 무선 센서와 같은 적어도 하나의 모션 캡처 요소로부터 데이터를 획득할 수 있는 모바일 디바이스에서 실행되는 애플리케이션을 통해 모션 캡처 및/또는 디스플레이를 수행한다. 이 시스템은 또한 독립형 카메라들 또는 여러 모바일 디바이스들에 있는 카메라들과 통합할 수도 있다. 이 시스템은 또한, 사용자가 모션 캡처 데이터와 관련된 그래픽 정보를 즉시 이해하기 쉽게 제공하는 다양한 방식들로 모션 캡처 데이터를 분석하고 표시할 수 있게 한다. 이 시스템에서 사용되는 모션 캡처 요소들은 예를 들어 공을 치거나, 스키 턴을 하거나, 점프하는 등과 연관된 이벤트들과 관련된 데이터를 지능적으로 저장하고, 잘못된 이벤트들을 제거하며, 메모리 사용량을 크게 개선하고 저장소 요건들을 최소화한다. 또한, 스포츠 장비와 연관된 하나의 이벤트보다 많은 이벤트들, 예를 들면 여러 번의 배트 스윙들 또는 골프 라운드 전체에 대한 데이터가 저장될 수 있으며 또는 필요한 경우 적어도 모바일 디바이스나 인터넷에 데이터를 다운로드할 때까지 저장될 수 있다. 캡처된 데이터의 데이터 압축은 주어진 메모리 용량에 더 많은 모션 캡처 데이터를 저장하기 위해 활용될 수 있다. 시스템에서 활용되는 모션 캡처 요소들은 특정 유형의 모션이 검출될 때까지 트랜시버들의 전원을 차단하는 등 전력을 절약하기 위해 회로의 일부 전원을 지능적으로 차단하도록 구성될 수도 있다. 본 발명의 실시예들은 또한 유연한 배터리 커넥터들을 활용하여 두 개 이상의 배터리들을 병렬로 연결하여 배터리를 교체하기 전에 시스템을 사용할 수 있는 시간을 늘릴 수 있다. 모션 캡처 데이터는 일반적으로 로컬 데이터베이스 또는 네트워크 액세스 가능 데이터베이스와 같은 메모리에 저장되며, 이들 중 어느 것이라도 위에서 설명한 데이터 마이닝을 가능하게 한다. 하나 이상의 사용자와 관련된 데이터의 시간적 변화를 검색하거나 특정 사용자 또는 장비와 관련된 데이터를 단순히 검색하는 것을 포함하여, 본 발명의 실시예들을 사용하여 다른 유형의 데이터 마이닝을 수행할 수 있다.

다른 실시예들은 모션 관련 데이터에 기초하여 플레이되는 음악 선택 또는 음악 재생 목록과 같은 정보를 표시할 수 있다. 예를 들어, 이를 통해, 자신의 연주를 다른 사용자의 연주와 비교하여 다른 사용자가 연주하는 음악 유형을 선택하거나, 어떤 유형의 음악 선택을 제안 또는 표시할지 결정하는 임계값을 기준으로 연주를 비교할 수 있다.

본 발명의 실시예들은 예를 들어, 사용자가 움직이는 물품에 RFID 또는 패시브 RFID 태그를 배치할 수 있는 스포츠에서 시스템의 실시예들이 모션을 추적할 수 있도록 한다. 예를 들어, 특정 헬멧이나 모자 또는 복싱, 풋볼, 축구, 또는 다른 접촉 스포츠용 보호 마우스피스, 체육관의 특정 아령에 패시브 RFID 태그를 배치하고, 그리고 장갑과 같은 모션 캡처 요소들을 착용함으로써, 예를 들어 IPHONE.RTM.과 같은 기존 모바일 디바이스를 사용하여 본 발명의 실시예들은 자동 안전 준수 또는 피트니스 및/또는 건강 관리 준수를 제공한다. 이러한 것은 모션을 추적하고 RFID 또는 패시브 RFID를 통해 사용자가 들어 올리는 무게를 추적함으로써 달성된다. 따라서 본 발명의 실시예들은 사용자가 소모한 칼로리 수를 계산하기 위해 반복 횟수에 각각의 RFID 태그에 표시된 무게의 양을 곱한 값을 더할 수 있다. 다른 예에서, 고정식 자전거에 RFID 태그가 결합되거나, 또는 고정식 자전거가 식별자를 모방하거나 및/또는 무선으로 통신하여 수행력 데이터를 제공할 수 있고 모바일 컴퓨터가 RFID 리더를 포함하는 경우, 사용자의 다리의 회전 횟수가 카운트될 수 있다. RFID 또는 패시브 RFID의 다른 모든 사용은 본 발명의 정신에 부합한다. 이러한 것은 의사들이 사용자가 의학적 권장 사항을 준수했는지 또는 뇌진탕을 나타내는 선형 또는 회전 가속도를 초과했는지 여부를 원격으로 판단할 수 있게 한다. 따라서 실시예들은 사용자들이 규정 준수를 보장하고 의사가 원격으로나마 환자가 권장 사항을 준수하고 있는지 확인하여 의료 과실 보험 요율을 낮추기 위해 활용될 수 있다. 본 발명의 실시예들은 의료 규정 준수를 위해 RFID 태그를 필요로 하지는 않지만 이를 활용할 수 있다. 골프에 관련되는 본 발명의 실시예들은 또한, 예를 들어 각각의 골프 클럽 대신 모바일 컴퓨터에서 골프 샷 카운팅을 위한 처리를 집중시키는 RFID 리더가 장착된 !PHONE 또는 IW ATCH와 같은 모바일 컴퓨터 및 각각의 클럽의 RFID 태그들과 같은 식별자의 사용을 통해(또는 선택적으로 골프 클럽의 모션 캡처 전자 장치와 연관된 식별자 또는 라디오를 통해 원격으로 획득한 식별자를 통해) 골퍼와 관련된 각각의 클럽에 대한 골프 샷을 카운팅할 수 있게 한다. 본 발명의 실시예들은 관성 측정 디바이스 또는 가속도계 및/또는 자력계, 및/또는 자이로스코프를 사용하여 방향(북/남, 및/또는 두 개의 수평축과 수직축) 및 가속도를 측정하는 것을 가능하게 할 수 있다. 이는 골프 샷 카운팅에 필수적인 것은 아니지만, 하나 이상의 실시예는 예를 들어 진동 분석을 통해 골프 클럽이 골프 공을 타격한 때를 결정한 다음 골퍼에게 샷 카운팅 여부를 쿼리할 수 있다. 이 기능은 예를 들어 속도 또는 가속도 임계값 또는 범위 검출과 결합되어 골프 클럽이 허용 가능한 속도 또는 범위 내에서 이동했는지 또는 "타격"을 카운트하기 위한 가속도 또는 범위를 결정할 수 있다. 또한 웨이블릿은 유효한 스윙 시그니처를 비교하여 예를 들어 카운트 샷들을 제거하거나 잘못된 타격들을 제거하는 데 활용할 수 있다. 이 범위는 클럽마다 다를 수 있으며, 예를 들어 드라이버 속도 범위는 "30mph 이상"이고 퍼터 속도 범위는 "20mph 미만"일 수 있으며, 임의의 범위가 원하는 대로 모든 클럽에서 활용될 수 있으며, 또는 예를 들어 속도 범위는 무시될 수 있다. 대안적으로 또는 조합하여, 모바일 컴퓨터는 골퍼가 측면으로 예를 들어 골프 카트를 타고 있거나 걷고서 움직이지 않는 경우 (및/또는 골퍼는 모바일 컴퓨터와 결합된 방향 또는 자이로스코프 센서에 의해 결정된 대로 회전하거나 샷을 한 것일 수 있음) 골퍼에게 샷을 카운트하도록 쿼리할 수 있다. 스트로크의 포지션은 예를 들어 모바일 컴퓨터의 맵에 표시될 수 있다. 또한, 무선 라디오들을 갖는 GPS 수신기들이 티 마커들 내에 및 컵들에 배치되어, 예를 들어 거리들을 매일 업데이트하고 퍼팅과 그린을 읽는 데 도움을 줄 수 있다. 골퍼는 또한 골프 코스 맵, 현재 위치, 홀까지의 거리, 현재 홀에 대한 샷 수, 총 샷 수 및 기다른 원하는 메트릭을 볼 수 있는 가상 안경을 착용할 수도 있다. 예를 들어 사용자가 샷을 카운트하지 않고 GPS에 의해 결정된 일정 거리를 이동하면, 시스템은 사용자에게 샷을 카운트할지 여부를 결정하도록 유도한다. 이 시스템에서는 사용자가 샷 카운트를 위해 클럽에 있는 스위치를 작동할 필요가 없으며, 샷 카운트를 위해 각각의 클럽에 LED나 활성 또는 배터리로 작동되는 전자 장치를 필요로 하지 않는다. 모바일 컴퓨터는 또한 골퍼가 모바일 컴퓨터를 조작하기 위해 장갑을 벗을 필요가 없도록 사용자의 제스처를 수신하여 샷을 카운트하거나 샷을 카운트하지 않을 수도 있다. 포지션/방향 센서들을 활용하는 실시예들의 경우, 시스템은 예를 들어 임팩트가 검출될 때 클럽이 수직으로 향하는 경우에만 샷을 카운트할 수 있다. 또한, 장치는 특정 장치가 식별될 수 있는 식별자들을 포함할 수 있다. 식별자들은 예를 들어 일련 번호일 수 있다. 예를 들어 식별자는 각각의 골프 클럽에 있는 RFID 태그로부터 비롯될 수 있거나, 선택적으로 골프 클럽과 연관된 모션 캡처 요소들과 연관된 일련 번호 또는 다른 식별자를 포함할 수 있다. 이러한 장치를 활용하면 특정 골퍼, 특정 클럽을 식별할 수 있으며, 또한 시각적 디스플레이와 선택적 카메라를 갖추고 시각적 마커 및/또는 무선 센서와 같은 적어도 하나의 모션 캡처 요소로부터 데이터를 얻을 수 있는 텔레비전 및/또는 모바일 디바이스를 포함하는 시스템을 통해 모션 캡처 및/또는 디스플레이가 가능하게 된다. 이 시스템은 또한 독립형 카메라들 또는 여러 모바일 디바이스들에 있는 카메라들과 통합할 수도 있다. 이 시스템은 또한, 사용자가 모션 캡처 데이터와 관련된 그래픽 정보를 즉시 그리고 쉽게 이해할 수 있게 제공하는 다양한 방식들로 모션 캡처 데이터를 분석하고 표시할 수 있게 한다. 예를 들어, 이러한 장치는 시스템이 또한 예를 들어 골프 클럽과 같은 장비 및 공에 대해 임팩트가 얼마나 "중심에" 있는지를 결정할 수 있게 한다. 또한 이 시스템을 사용하면 신발, 클럽 등의 장비를 피팅할 수 있으며, 공급업체로부터 맞춤형 조립 주문 요청이 필요한 경우에도 장비를 즉시 구매할 수 있다. 모션 캡처 데이터, 비디오 또는 이미지와 샷 카운트 표시들이 시스템에 의해 얻어지면, 이들은 로컬 데이터베이스와 같이 로컬에 저장될 수 있거나 또는 전화 또는 무선 인터페이스를 통해 원격 데이터베이스로 전송될 수 있다. 일단 데이터베이스에 저장되면, 연령, 성별, 키, 체중, 주소, 수입 또는 다른 관련 정보와 같이 사용자와 연관된 임의의 데이터를 포함하는 다양한 요소들이 본 발명의 실시예들에서 활용되거나 데이터 마이닝의 대상이 될 수 있다. 하나 이상의 실시예는 예를 들어 사용자들 또는 OEM들이 시스템의 데이터 마이닝 기능에 대한 액세스 비용을 지불할 수 있게 한다.

예를 들어, 모션 캡처 요소들을 활용하는 실시예들은 장치로부터 얻어진 데이터를 분석하고 캡처된 모션 데이터를 시각적으로 묘사하기 위해 사용자의 신체 이미지에 3D 오버레이와 같은 사용자와 연관된 고유한 디스플레이를 표현할 수 있다. 또한, 이러한 실시예들은 또한 골퍼의 모바일 컴퓨터와 통신하기 위해 최대 50미터 범위의 블루투스 저에너지(BLUETOOTH Low Energy)와 같은 액티브 무선 기술을 활용할 수 있다. 본 발명의 실시예들은 또한 예를 들어 골프 클럽 ID를 수신한 결과, 예를 들어 RFID 리더를 통해 또는 대안적으로 블루투스 또는 IEEE 802.11을 사용하는 무선 통신을 통해 스트로크(stroke)를 계산하기 위한 쿼리를 표시할 수 있다. 블루투스 저에너지 칩들을 사용하면 표준 코인 셀 배터리로 클럽을 최대 3년 동안 절전 모드로 유지할 수 있으므로 필요한 유지 관리를 감소할 수 있다. 본 발명의 하나 이상의 실시예는 예를 들어 하나보다 많은 기술들의 하나보다 많은 라디오들을 활용할 수 있다. 이를 통해 시스템의 견고성을 높이는 중복성 레벨을 가능하게 한다. 예를 들어, 하나의 라디오(예컨대, 블루투스 라디오)가 더 이상 작동하지 않는 경우, IEEE 802.11 라디오를 활용하여 데이터를 전송하고 골퍼에게 라디오들 중 하나가 작동하지 않는다고 경고하는 동시에 골퍼가 특정 클럽과 연관된 모션 데이터를 기록하고 샷을 카운트할 수 있게 한다. 카메라(들)가 없는 모바일 디바이스(또는 하나보다 많은 모바일 디바이스들)를 활용하는 본 발명의 실시예들의 경우, 센서 데이터가 캡처된 모션 데이터의 디스플레이들을 생성하는 데 활용될 수 있고, 모바일 디바이스는 선택적으로 다른 카메라들 또는 카메라들을 갖춘 다른 모바일 디바이스들로부터 이미지를 획득할 수 있다. 예를 들어, 사용자의 이미지들을 활용하거나 활용하지 않을 수 있는 표시 유형들에는 등급, 계산된 데이터 및 타임 라인 데이터가 포함될 수 있다. 캡처된 모션과 연관된 등급들은 사용자 이미지가 포함되거나 포함되지 않은 숫자 또는 그래픽 데이터의 형태로 사용자에게 표시될 수도 있다(예컨대, "효율성" 등급). 다른 등급들에는 예를 들어 뇌진탕 및 다른 이벤트들의 결정을 위한 선형 가속도 및/또는 회전 가속도 값들이 포함될 수 있다. 예측된 공의 비행 경로 데이터와 같은 계산된 데이터는 사용자의 신체 이미지들을 사용하거나 사용하지 않고 계산되어 모바일 디바이스에 표시될 수 있다. 또한 타임라인에 표시되는 데이터는 사용자의 이미지들을 포함하거나 포함하지 않고 표시될 수 있으며 사용자의 신체 또는 장비의 여러 부분들에 대한 상대적인 속도 피크들을 보여줄 수 있다. 예를 들어, 예를 들어 골프 팬들로 가득한 군중들에서 여러 모바일 디바이스들을 포함한 여러 대의 카메라들로부터의 이미지들이 정상 속도의 다양한 각도들에서 골퍼 주변에서 골프 스윙을 슬로우 모션으로 보여주는 것을 특징으로 하는 불릿 타임 시각 효과(BULLET TIME visual effect)로 결합될 수 있다. 분석된 모든 데이터는 로컬로 표시되거나 모션 캡처 데이터, 이미지/비디오, 샷 카운트 및 위치 데이터와 함께 데이터베이스에 업로드되어 데이터 마이닝 프로세스를 진행할 수 있으며, 시스템은 예를 들어 결과들에 대한 액세스 요금을 부과할 수 있다.

하나 이상의 실시예에서, 사용자는 골프 코스를 플레이하거나 테니스 공을 치거나, 대안적으로 단순히 스윙을 하여 예를 들면 모션 캡처 데이터를 생성할 수 있으며, 가상 현실 안경을 착용할 때 증강 현실 환경에서 가상이든 또는 현실이든 다른 사용자의 아바타를 볼 수 있다. 다른 실시예들에서, 사용자는 임의의 스포츠와 연관된 장비를 움직이거나 단순히 모션 캡처 센서들과 결합된 사용자 자신의 신체를 움직이고 사용자의 움직임 또는 그렇게 계측된 장비의 움직임이 가상 현실 안경에 표시된 가상 현실 환경을 볼 수 있다. 대안적으로 또는 조합하여, 가상 현실 룸 또는 다른 환경이 가상 현실 아바타들과 모션 데이터를 투사하기 위해 활용될 수 있다. 따라서, 본 시스템의 실시예들은 실제 골프 코스에 있는 사용자가 실제로 공을 치지 않는 상이한 위치에서의 다른 사용자와 함께 플레이할 수 있게 하고 모션 데이터가 분석된 역사적인 플레이어 또는 하나 이상의 모션 캡처 데이터 시퀀스에 기초하여 데이터 마이닝이 구축된 사용자와 함께 플레이할 수 있게 하며, 본 시스템의 실시예에 의해 역사적인 플레이어의 아바타를 투사하는 데 활용될 수 있다. 세 명의 플레이어들 각각은 마치 같은 장소에 있는 것처럼 차례로 플레이할 수 있다.

모션 캡처 데이터 및/또는 이벤트들은 모션 캡처 동안 또는 이후에 소셜 네트워크에 트윗하는 등 다양한 방식들로 표시될 수 있다. 예를 들어, 특정 운동 또는 모션이 수행된 양, 또는 소모된 칼로리, 또는 새로운 스포츠 파워 팩터 최대치가 도달된 경우, 시스템은 새로운 정보를 소셜 네트워크 사이트에 자동으로 트윗하여 인터넷에 연결된 모든 사람에게 알림을 보낼 수 있다. 모션 캡처 데이터, 모션 분석, 및 비디오는 하나 이상의 실시예에서 하나 이상의 소셜 미디어 사이트, 저장소, 데이터베이스, 서버, 다른 컴퓨터, 뷰어, 디스플레이, 다른 모바일 디바이스, 응급 서비스 또는, 공공 기관으로 전송될 수 있다. 인터넷, 즉 원격 데이터베이스나 원격 서버 또는 시스템에 원격으로 연결된 메모리에 업로드된 데이터는 데이터에 액세스할 수 있는 모든 컴퓨터에 의해 보거나, 분석되거나 또는 데이터 마이닝될 수 있다. 이를 통해 원격 규정 준수 트윗 및/또는 규정 준수 및/또는 원래 장비 제조자들은 특정 사용자에 대해 어떤 규정 준수용 장비 또는 스포츠 관련 실시예를 위한 스포츠 장비가 가장 효과적이며 및/또는 어떤 장비를 제안할지 결정할 수 있다. 또한 데이터 마이닝을 통해 사용자의 연령이나 또는 시스템에 입력될 수 있는 임의의 다른 인구 통계 정보와 같은 사용자와 연관된 데이터 및/또는 메타데이터에 기초하여 그들의 규정 준수 및/또는 골프 코스를 포함한 스포츠 경기장 플랜을 개선하기 위한 제안을 제공할 수 있다. 또한 데이터의 원격 저장은 앞서 설명한 대로 형태학적 분석, 시간에 따른 모션의 범위, 당뇨병 예방, 운동 모니터링 및 규정 준수 애플리케이션들과 같은 의료 애플리케이션들을 가능하게 한다. 다른 애플리케이션들에서는 다른 사용자들의 실제 모션 캡처 데이터를 사용하는 게임이나 또는 예를 들어 역사적인 선수들의 비디오들을 분석한 후 생존 여부와 상관없이 역사적인 선수들을 게임으로 구현할 수도 있다. 가상 현실 및 증강 가상 현실 애플리케이션도 또한 모션 캡처 데이터 또는 역사적인 모션 데이터를 활용할 수 있다. 의사들 및/또는 지휘관들과 같은 군인들은 모션 및/또는 이미지들을 활용하여 즉석 폭발 디바이스(Improvised Explosive Device) 근처의 폭발로부터 사람이 겪는 G-포스(G-forces) 유형을 판단하고 모션 캡처 센서의 위치로 가장 적합한 유형의 의료 지원을 자동으로 라우팅할 수 있다. 시스템의 하나 이상의 실시예는 예를 들어 무선 통신 링크를 통해 지휘관 또는 가장 가까운 의료진에게 G-포스 또는 속도 임계값에 대한 모션 캡처 데이터를 전달할 수 있다. 대안적으로, 본 발명의 실시예들은 부상당한 플레이어의 지원을 돕기 위해 예를 들면 심판의 모바일 폰 같이 수신할 수 있는 임의의 모바일 디바이스에 가벼운 연결 없는 뇌진탕 관련 메시지들을 브로드캐스트할 수 있으며, 여기서 가벼운 메시지는 선택적 팀/유니폼 번호 및 잠재적인/가능성 있는 뇌진탕 경고 또는 표시자와 같은 가속도 관련 번호를 포함할 수 있다.

본 발명의 하나 이상의 실시예에서, 테니스 토너먼트, 풋볼 게임, 야구 게임, 자동차 또는 오토바이 경주, 골프 토너먼트 또는 다른 스포츠 이벤트에서와 같이, 고정된 카메라들이 모션 캡처 데이터를 획득, 분석 및 표시하기 위해 모션 캡처 요소들을 갖는 플레이어/장비 근처에 위치한 무선 인터페이스와 함께 활용될 수 있다. 이 실시예에서, 증강 비디오 리플레이를 위해 실시간 또는 실시간에 가까운 모션 데이터가 비디오에 표시될 수 있다. 따라서 예를 들면 플레이어의 엉덩이와 어깨 주위에 그려진 링들로 촬영 중에 장비가 얼마나 빠르게 움직이는지를 시각적으로 표시하여 엔터테인먼트 수준을 높일 수 있다. 또한, 본 발명의 실시예들은 모바일 디바이스들을 갖는 다른 플레이어들로부터의 이미지들 또는 비디오들을 다른 사용자와 관련된 모바일 디바이스에서 활용할 수 있도록 하여 사용자들이 예를 들어 모바일 폰들을 전환할 필요가 없도록 한다. 일 실시예에서, 비디오 카메라가 장착된 모바일 폰을 갖는 제2 사용자와 연관되지 않은 움직이는 중인 스포츠 장비에 대해 제1 사용자에 의해 획득된 비디오는 제1 사용자와 연관된 모션 캡처 데이터와 함께 표시하기 위해 제1 사용자에게 자동으로 전송될 수 있다. 비디오 및 이미지들은 데이터베이스에 업로드되고 이미지 분석을 통해 데이터를 마이닝하여 예를 들어 사용자가 착용하고 있는 의류 또는 신발의 유형들/색상들을 결정할 수 있다.

사용자는 데이터의 표시에 기초하여 가장 적합한 장비를 결정하고 모바일 디바이스를 통해 즉시 장비를 구매할 수 있다. 예를 들어, 두 세트의 스키들 중 하나를 결정할 때, 사용자는 모션 캡처 요소들로 계측된 두 쌍들의 스키들을 모두 테스트해 보고, 여기서 모션 캡처 데이터를 분석하여 어떤 쌍의 스키가 더 효율적인 움직임을 가능하게 하는지를 결정할 수 있다. 골프 실시예들의 경우, 사용자는 두 개의 골프 클럽들 중 하나를 결정할 때 서로 다른 클럽들로 스윙을 해보고 캡처된 모션 데이터의 분석에 기초하여 어떤 클럽이 더 나은 수행력을 발휘하는지 정량적으로 결정할 수 있다. 맞춤형 장비는 모바일 디바이스의 인터페이스를 통해 고객이 주문한 장비를 조립하여 사용자에게 배송할 수 있는 공급업체에 주문할 수 있다. 예를 들어 표준 길이인 퍼터들의 샤프트 길이들은 예를 들어 사용자가 길이 조절이 가능한 샤프트로 퍼팅할 때 캡처된 모션 데이터에 기초하여 특정 사용자를 위해 맞춤 제작될 수 있다. 예를 들어 모션 캡처 데이터와 샷 카운트 데이터 및 거리들의 데이터 마이닝에 기초하여, 유사한 스윙 특성들을 가진 사용자들을 현재 사용자와 비교할 수 있게 하며, 여기서 예를 들어 특정 크기와 연령대의 사용자에게 주어진 스윙 속도에 대해 더 긴 샷을 제공하는 장비가 제안되거나 사용자에 의해 검색되어 수행력을 향상시킬 수 있다. OEM은 주어진 스윙 속도들에 대해 어떤 클럽의 메이크 및 모델이 전반적인 수행력을 가장 잘 제공하는지 판단할 수 있다. 당업자는 이러한 것이 골프뿐만 아니라 모션을 수반하는 모든 활동들에 적용된다는 것을 인식할 것이다.

시스템의 실시예들은 다양한 센서 유형들을 활용할 수 있다. 본 발명의 하나 이상의 실시예에서, 액티브 센서들은 패시브 또는 액티브 시각 마커들이 사용자 신체 또는 장비의 특정 지점들의 모션을 캡처하는 데 활용될 수 있게 하는 시스템과 통합될 수 있다. 이러한 것은 단순히 2차원 방식으로 수행될 수 있고 또는 모바일 디바이스가 2개 이상의 카메라들로 구성된 경우 3차원 방식으로 수행될 수 있으며, 다수의 카메라들 또는 모바일 디바이스들이 비디오와 같은 이미지들을 캡처하고 각각의 카메라로부터 얻은 2차원 이미지들의 세트로부터 삼각 측량된 3차원 모션 데이터를 생성하기 위해 이미지들을 공유하도록 활용되는 경우 3차원 방식으로 수행될 수 있다. 본 발명의 다른 실시예는 관성 측정 유닛들(IMU) 또는 방향, 포지션, 속도 및/또는 가속도 정보의 임의의 조합을 모바일 디바이스에 생성할 수 있는 임의의 다른 센서들을 활용할 수 있다. 따라서 센서들은 방향(수직 또는 남북 또는 양쪽 모두), 포지션(글로벌 포지셔닝 시스템, 즉 "GPS"를 통해 또는 삼각 측량을 통해), 속도(세 축 모두), 가속도(세 축 모두)와 연관된 하나 이상의 값의 임의의 조합을 포함할 수 있는 데이터를 획득할 수 있다. 다양한 센서 유형들로부터 얻어진 모든 모션 캡처 데이터는 센서 유형에 관계없이 분석, 모니터링, 규정 준수, 게임 플레이 또는 다른 용도 및/또는 데이터 마이닝을 위해 데이터베이스에 저장될 수 있다.

본 발명의 하나 이상의 실시예에서, 센서의 외부 표면에 패시브 마커 또는 액티브 마커를 포함하는 센서가 활용될 수 있으므로, 센서는 또한 시각 추적(2차원 또는 3차원) 및 방향, 포지션, 속도, 가속도, 각속도, 각가속도 또는 센서에 의해 생성되는 다른 물리적 양에 대해서도 활용될 수 있다. 모션 캡처 요소(들)의 시각적 마커 실시예들은 패시브이거나 액티브일 수 있으며, 이는 이들이 시각적으로 추적 가능한 시각적 부분을 갖거나 낮은 조도 조건에서 이미지 추적을 가능하게 하는 발광 다이오드(LED)와 같은 발광 소자를 포함할 수 있다는 것을 의미한다. 이는 예를 들어, 클럽 헤드에서 핸들 근처의 샤프트 끝이나 골프 클럽의 반대쪽 끝에 그래픽 심볼 또는 색상 마커로 구현될 수 있다. 마커들의 이미지들 또는 비디오들은 로컬에서 분석되거나 데이터베이스에 저장되고, 분석 후 데이터 마이닝에 활용될 수 있다. 또한, 뇌진탕 관련 실시예들에서, 시각 마커는 뇌진탕을 나타내는 광을 방출할 수 있으며, 예를 들어, 중간 정도의 뇌진탕의 경우 노란색으로 점멸하고 심한 뇌진탕의 경우 빨간색으로 빠르게 점멸하거나 다른 시각적 또는 선택적 오디오 이벤트 표시기 또는 둘 다를 방출할 수 있다. 앞서 설명한 바와 같이, LCD는 로컬 시각적 인코딩 메시지를 출력하여, 코드를 읽을 수 있도록 장착된 로컬인 모바일 디바이스가 없는 사람에 의해 가로채거나 또는 읽을 수 없도록 할 수 있다. 이를 통해 예를 들면 뇌진탕이나 마비 관련 이벤트와 같은 민감한 의료 메시지는 심판이나 현지 의료진만 읽을 수 있게 할 수 있다.

모션 캡처 센서들의 실시예들은 일반적으로 골프 클럽과 같은 스포츠 장비의 하나 이상의 끝 또는 반대쪽 끝 또는 그 근처에 장착될 수 있으며 및/또는 (EI 측정을 위해) 그 사이 어디에든 있을 수 있고, 무기, 의료 장비, 손목 밴드, 신발, 바지, 셔츠, 장갑, 클럽, 배트, 라켓, 공, 헬멧, 모자, 마우스피스 등과 같은 장비에 결합된 다른 센서들과 통합되거나 및/또는 가능한 모든 방식으로 사용자에게 부착될 수 있다. 예를 들어, 모션 캡처 센서에 의해 리코일이 검출되었을 때 소총(rifle)이 가리키고 있는 곳을 결정하는 소총을 예로 들 수 있다. 이 데이터는 예를 들어 모바일 폰 또는 다른 디바이스와 같은 모바일 컴퓨터를 사용하여 중앙 서버로 전송될 수 있으며 예를 들어 워 게임 연습 등을 위해 분석될 수 있다. 또한, 센서의 하나 이상의 실시예는 골프 클럽의 웨이트 포트(weight port) 및/또는 골프 클럽의 핸들 끝에 피팅될 수 있다. 다른 실시예들은 예를 들어 테니스 라켓 또는 야구 배트의 손잡이 또는 끝에 피팅될 수 있다. 안전 또는 건강 모니터링과 관련된 실시예들은 모자, 헬멧 및/또는 마우스피스 또는 임의의 다른 유형의 인클로저와 결합될 수 있다. 본 발명의 하나 이상의 실시예들은 또한 센서들이 통합된 공들과 함께 작동할 수도 있다. 모바일 디바이스의 하나 이상의 실시예는 디스플레이가 통합되어 있거나 통합되어 있지 않을 수 있고, 스포츠 장비의 샤프트에 장착할 수 있을 정도로 작고 사용자의 스윙에 영향을 주지 않는 !PHONE 또는 !WATCH와 같은 소형 장착 가능한 컴퓨터를 포함할 수 있다. 대안적으로, 시스템은 플레이어가 움직이는 장비와 접촉한 공의 가상 비행 경로를 계산할 수도 있다. 예를 들어 야구 배트, 테니스 라켓 또는 골프 클럽의 경우 골프 공을 치는 클럽의 끝의 다른 부분의 웨이트 포트에 센서가 통합되어 있고 골프 클럽의 손잡이 끝 또는 플레이어가 착용한 하나 이상의 장갑에 제2 센서가 있는 경우 클럽에 대해 임팩트의 각도가 계산될 수 있다. 클럽 페이스의 로프트를 알면 골프 공에 대한 비행 각도가 계산될 수 있다. 또한, 클럽 끝의 센서를 충분히 빠른 속도로 샘플링하여 골프 공이 클럽 페이스의 어느 지점에 맞았는지를 나타내는 진동을 결정함으로써 임팩트의 품질이 결정될 수 있다. 이러한 유형들의 측정들과 그 분석은 선수의 기량 향상에 도움이 되며, 피팅 목적으로는 선수에게 정확히 피팅된 장비를 즉시 구매할 수 있도록 해준다. 센터링 데이터가 데이터베이스에 업로드되어 평균적으로 가장 좋은 센터링을 갖는 배트, 라켓 또는 클럽과 관련된 패턴들, 또는 예를 들어 제품 개선을 위해 제조자별로 가장 낮은 비틀림 값들을 갖는 패턴에 대한 데이터를 마이닝할 수 있다. 데이터에서 발견되는 다른 알려지지 않은 패턴들도 사용자에게 제시되거나 제안될 수 있고, 또는 사용자에 의해 검색되거나 예를 들어 제조자들 또는 사용자들에 의해 비용이 지불될 수 있다.

센서의 하나 이상의 실시예는 "자동" 또는 "셀프 와인딩" 시계로 알려진 일부 시계에서 활용되는 기계적 편심 중량과 같은 충전 기능을 포함할 수 있으며, 선택적으로 소형 발전기 또는 센서 전원 공급 장치의 간접 전기 기계 충전을 위한 유도 충전 코일을 포함할 수 있다. 다른 실시예들은 센서 전원 공급 장치의 직접 충전을 위한 플러그 또는 전자기계 또는 미세전자기계(MEMS) 기반 충전 소자들을 활용할 수 있다. 임의의 다른 유형의 전력 마이크로 하베스팅 기술들이 본 발명의 하나 이상의 실시예에서 활용될 수 있다. 센서의 하나 이상의 실시예는 센서의 전원을 켜거나 끄는 제스처들을 포함하는 절전 기능들을 활용할 수 있다. 이러한 제스처들은 모션, 물리적 스위치, 센서와의 접촉, 예를 들어 특정 센서들과 연결된 모바일 디바이스로부터 센서에 대한 무선 명령들을 포함할 수 있다. 센서와 결합할 수 있는 다른 요소들로는 배터리, 저전력 마이크로컨트롤러, 안테나 및 라디오, 열 동기화, 충전기 및 과충전 센서 등이 있다. 또한, 본 발명의 실시예들에서는 가속도계 또는 기계식 스위치로부터의 전자 신호가 예를 들어 클럽이 움직였다고 판단할 때까지 시스템의 일부 또는 모든 구성 요소들의 전원을 차단할 수 있다.

본 발명의 하나 이상의 실시예는 예를 들어 스포츠 장비 및 심지어 신체 부위의 탄성 관성 또는 EI 측정을 가능하게 한다. 골프 클럽, 테니스 라켓, 야구 배트, 하키 스틱, 신발, 사람의 팔 또는 완벽하게 딱딱하지 않은 다른 아이템들의 샤프트를 따라 센서의 구현 배치는 센서들이 위치한 지점들 또는 센서들 사이의 플렉스(flex) 양을 측정할 수 있다. 시간에 따른 각각의 센서의 각도 차이들을 통해 플렉스 프로파일을 산출할 수 있을 뿐만 아니라 시간이나 힘에 따라 달라지는 플렉스 프로파일도 계산할 수 있다. 예를 들어, 알려진 EI 기계들은 EI 프로파일을 결정하기 위해 지지 지점들 사이의 정적 무게(static weights)를 사용한다. 따라서 이러한 기계는 EI 프로파일이 가해진 힘에 의존하는지 여부 또는 힘이 가해지는 시간에 의존하는지 여부를 검출할 수 없다(예컨대, EI 프로파일들은 힘 또는 시간에 대해 비선형일 수 있음). 시간에 따라 상이한 물리적 특성들을 갖는 것으로 알려진 예시적인 재료들로는 맥스웰 재료(Maxwell materials)와 비뉴턴 유체(non-Newtonian fluids)가 있다.

사용자는 또한 모바일 디바이스의 디스플레이 또는 예를 들어 비디오 디스플레이를 포함하는 안경 세트에서 그래픽 형태로 캡처된 모션 데이터를 볼 수 있다. 모션 캡처 요소의 실시예들로부터 획득된 캡처된 모션 데이터는 가상 환경에서 사용자의 가상 현실 디스플레이를 증강하는 데에도 활용될 수 있다. 데이터 마이닝을 통해 데이터베이스에서 발견되는 패턴들의 가상 현실 또는 증강 현실 뷰들도 또한 본 발명의 정신에 부합한다. 또한 사용자는 예를 들어 기존의 바람 조건들에 기초하여 샷이 시도되어야 할 곳을 표시하거나 예를 들어 골프 홀과 같이 공의 원하는 목적지를 가로막는 나무와 같은 헤저드들을 고려한 조준 어시스트 또는 조준 가이드와 같은 증강된 정보를 볼 수 있다.

본 발명의 하나 이상의 실시예는 사용자 또는 사용자와 결합된 장비 또는 모바일 디바이스와 결합하도록 구성된 적어도 하나의 모션 캡처 요소를 포함하는 모션 이벤트 인식 및 비디오 동기화 시스템을 포함한다. 적어도 하나의 모션 캡처 요소는 메모리, 적어도 하나의 모션 캡처 요소의 방향, 포지션, 속도 및 가속도와 연관된 값들의 임의의 조합을 캡처하도록 구성된 센서, 라디오, 메모리, 센서 및 라디오와 결합된 마이크로컨트롤러를 포함할 수 있다. 마이크로컨트롤러는 센서로부터의 센서 값들을 포함하는 데이터를 수집하고, 데이터를 메모리에 저장하고, 데이터를 분석하고, 데이터 내의 이벤트를 인식하여 이벤트 데이터를 결정하고, 이벤트와 연관된 이벤트 데이터를 라디오를 통해 전송하도록 구성될 수 있다. 시스템은 또한 컴퓨터, 이벤트와 연관된 이벤트 데이터를 얻기 위해 라디오와 통신하도록 구성된 무선 통신 인터페이스를 포함하는 모바일 디바이스를 포함할 수 있으며, 여기서 컴퓨터는 무선 통신 인터페이스와 결합되고, 컴퓨터는 무선 통신 인터페이스로부터 이벤트 데이터를 수신하도록 구성될 수 있다. 컴퓨터는 또한, 이벤트 데이터를 분석하여 모션 분석 데이터를 형성하고, 이벤트 데이터 또는 모션 분석 데이터 또는 이벤트 데이터와 모션 분석 데이터 모두를 저장하고, 이벤트로부터 이벤트 시작 시간 및 이벤트 중지 시간을 획득하고, 적어도 이벤트 시작 시간부터 이벤트 중지 시간까지의 기간 동안 캡처된 비디오를 포함하는 카메라로부터의 이미지 데이터를 요청하고, 이벤트 시작 시간부터 이벤트 중지 시간까지의 기간 동안 발생하는 이벤트 데이터, 모션 분석 데이터 또는 이들의 임의의 조합과 이벤트 시작 시간부터 이벤트 중지 시간까지의 기간 동안 캡처된 비디오를 모두 포함하는 이벤트 비디오를 디스플레이에 표시할 수 있다.

실시예들은 임의의 유형의 동기화 방법론을 사용하여 시스템에서 클록들을 동기화할 수 있으며, 하나 이상의 실시예에서 모바일 디바이스의 컴퓨터는 또한 모션 캡처 요소와 모바일 디바이스 사이의 클록 차이를 결정하고 모션 분석 데이터를 비디오와 동기화하도록 구성된다. 예를 들어, 본 발명의 하나 이상의 실시예는 각각의 디바이스의 시간, 위치, 또는 방향에 관한 정보를 동기화하도록 복수의 기록 디바이스들에 대한 절차를 제공하여 서로 다른 디바이스들로부터 이벤트들에 관해 기록된 데이터가 결합될 수 있도록 한다. 이러한 기록 디바이스들은 임베딩된 센서들, 카메라들 또는 마이로폰들이 장착된 모바일 폰들, 또는 보다 일반적으로 관심 활동과 관련된 데이터를 기록할 수 있는 모든 디바이스들일 수 있다. 하나 이상의 실시예에서, 이러한 동기화는 디바이스들이 시간, 위치, 또는 방향에 대한 공통 측정에 동의할 수 있도록 디바이스들 간에 정보를 교환함으로써 달성된다. 예를 들어, 모바일 폰과 임베딩된 센서는 내부 클록들의 현재 타임스탬프들이 포함된 메시지들을 교환할 수 있으며; 이러한 메시지들을 통해 두 디바이스들이 공통 시간에 동의하는 협상이 이루어질 수 있다. 이러한 메시지들은 이전 동기화 이후 디바이스들의 클록 드리프트 또는 모션을 설명하기 위해 필요에 따라 주기적으로 교환될 수 있다. 다른 실시예들에서, 다수의 기록 디바이스들은 시간, 위치, 또는 방향의 표준화된 측정을 얻기 위해 공통 서버 또는 서버들의 세트를 사용할 수 있다. 예를 들어, 디바이스들은 GPS 시스템을 사용하여 각각의 디바이스에 대한 절대 위치 정보를 얻을 수 있다. GPS 시스템들은 또한 표준화된 시간을 얻기 위해 사용될 수 있다. NTP(네트워크 시간 프로토콜) 서버들도 또한 표준화된 시간 서버들로 사용될 수 있다. 서버들을 사용하면 디바이스들이 서로 간에 통신하도록 항상 구성될 필요 없이 공통 측정값들에 동의할 수 있다.

본 발명의 하나 이상의 실시예에서, 기록 디바이스들의 일부는 다양한 관심 이벤트들의 발생을 검출하도록 구성된다. 이러한 이벤트들 중 일부는 특정 시간의 순간에 발생할 수 있고; 다른 이벤트들은 시간 간격에 걸쳐 발생할 수 있으며, 이 경우 검출은 이벤트의 시작과 이벤트의 끝을 검출하는 것을 포함한다. 이러한 디바이스들은 위에서 설명한 시간, 위치, 및 방향에 대한 동기화된 측정 기반을 사용하여 이벤트 데이터와 함께 기록 디바이스의 시간, 위치, 또는 방향의 임의의 조합을 기록하도록 구성된다.

모바일 디바이스 상의 컴퓨터의 실시예들은 또한 이벤트 시작 시간부터 이벤트 중지까지 외의 비디오 중 적어도 일부를 삭제하도록 구성될 수 있다. 예를 들어, 본 발명의 하나 이상의 실시예에서, 기록 디바이스들 중 일부는 이벤트의 검출을 기다리는 동안 메모리에 데이터를 지속적으로 캡처한다. 메모리를 절약하기 위해, 일부 디바이스들은 데이터가 검출된 이벤트와 시간적으로 근접한 경우에만 데이터를 보다 영구적인 로컬 저장 매체 또는 서버에 저장하도록 구성될 수 있다. 예를 들어, 이벤트 검출이 없는 경우, 결국 새롭게 기록된 데이터가 메모리에 이전에 기록된 데이터를 덮어쓸 수 있다. 원형 버퍼(circular buffer)가 일부 실시예들에서 이러한 덮어쓰기 체계의 일반적인 구현으로 사용될 수 있다. 이벤트 검출이 발생하면, 기록 디바이스는 이벤트 자체 동안 캡처된 데이터를 저장하는 것 외에도 이벤트 시작 전에 일부 구성된 양의 데이터를 저장하고, 이벤트 종료 후에 일부 구성된 양의 데이터를 저장할 수 있으며, 예를 들어 이벤트의 맥락이 비디오에 도시되도록 사전 또는 사후 시간 간격이 이벤트 시작 시간 및 이벤트 중지 시간의 일부로 간주된다. 카메라가 있는 모바일 디바이스 또는 카메라 자체에 이벤트에 대한 비디오만 저장하면 엄청난 공간을 절약하고 업로드 시간을 대폭 줄일 수 있다.

시스템의 실시예들은 모바일 디바이스에 원격으로 연결된 서버 컴퓨터를 더 포함할 수 있으며, 여기서 서버 컴퓨터는 이벤트 시작 시간부터 이벤트 중지까지 외의 비디오 중 적어도 일부를 삭제하고 이벤트 시작 시간부터 이벤트 중지 시간까지의 기간 동안 캡처된 비디오를 모바일 디바이스 내의 컴퓨터로 리턴하도록 구성될 수 있다.

적어도 하나의 모션 캡처 요소의 실시예들은 이벤트를 적어도 하나의 다른 모션 캡처 센서 또는 적어도 하나의 다른 모바일 디바이스 또는 이들의 임의의 조합으로 전송하도록 구성될 수 있으며, 여기서 적어도 하나의 다른 모션 캡처 센서 또는 적어도 하나의 다른 모바일 디바이스 또는 이들의 임의의 조합은 이벤트와 연관된 데이터를 저장하도록 구성될 수 있다. 예를 들어, 복수의 기록 디바이스들이 동시에 작동하는 실시예들에서, 그러한 디바이스들 중 하나가 이벤트를 검출하고 그러한 이벤트 검출이 발생했다는 메시지를 다른 기록 디바이스로 전송할 수 있다. 이 메시지는 다양한 디바이스들의 클록들에 대해 동기화된 시간 기준을 사용하여 이벤트의 시작 및/또는 중지에 대한 타임스탬프를 포함할 수 있다. 수신 디바이스들, 예를 들면, 다른 모션 캡처 센서들 및/또는 카메라들은 이벤트 검출 메시지를 사용하여 이벤트와 연관된 데이터를 비휘발성 저장소 또는 서버에 저장할 수 있다. 디바이스들은 이벤트와 직접 연관된 데이터 외에도 이벤트 시작 전 일정량의 데이터와 이벤트 종료 후 일정량의 데이터를 저장하도록 구성될 수 있다. 이러한 방식으로 모든 디바이스들이 동시에 데이터를 기록할 수 있지만, 디바이스들 중 단지 하나로부터의 이벤트 트리거만을 사용하여 여러 소스들로부터의 분산된 이벤트 데이터 저장을 시작할 수 있다.

컴퓨터의 실시예들은 또한 이벤트 시작 시간부터 이벤트 중지 시간까지 발생하는 모션 분석 데이터와 함께 이벤트 시작 시간부터 이벤트 중지 시간까지 비디오를 저장하도록 구성되거나 원격 서버를 활용하여 비디오를 저장할 수 있다. 본 발명의 하나 이상의 실시예에서, 기록 디바이스들 중 일부는 이벤트들이 발생할 수 있는 시간 기간 동안 서로 간에 직접 통신하지 않을 수 있다. 이러한 상황들에서, 디바이스들은 이들이 기록한 모든 데이터의 전체 기록들을 영구 저장소 또는 서버에 저장하도록 구성될 수 있다. 일부 디바이스들이 이벤트 트리거 메시지들을 수신하지 못할 수 있으므로 이러한 상황에서는 이벤트와 연관된 데이터만의 저장이 가능하지 못할 수도 있다. 이러한 상황에서는 저장된 데이터를 사후에 처리하여 하나 이상의 검출된 이벤트와 연관된 부분만 추출할 수 있다. 예를 들어, 여러 모바일 디바이스들이 플레이어 또는 퍼포머(performer)의 비디오를 기록하고 이 비디오를 서버에 지속적으로 업로드하여 저장할 수 있다. 이와 별도로 플레이어 또는 퍼포머에게는 특정 모션들이나 행동들과 같은 이벤트들을 검출할 수 있는 임베딩된 센서가 장착될 수 있다. 임베딩된 센서 데이터는 지속적으로 또는 나중에 동일한 서버에 업로드될 수 있다. 비디오 스트림들과 임베딩된 센서 데이터를 포함한 모든 데이터에는 일반적으로 타임스탬프가 찍히기 때문에, 임베딘된 센서에 의해 검출된 이벤트와 연관된 비디오가 추출되어 서버에서 결합될 수 있다.

서버 또는 컴퓨터의 실시예들은 또한, 적어도 하나의 모션 캡처 센서와 모바일 디바이스 사이에 통신 링크가 개방되어 있는 동안 이벤트 시작 시간부터 이벤트 중지까지 외의 비디오 중 적어도 일부를 폐기하고 이벤트 시작 시간부터 이벤트 중지 시간까지의 비디오를 이벤트 시작 시간부터 이벤트 중지 시간까지 발생하는 모션 분석 데이터와 함께 저장하도록 구성될 수 있다. 대안적으로, 통신 링크가 개방되지 않은 경우, 컴퓨터의 실시예들은 또한, 비디오를 저장하고 통신 링크가 개방된 후 이벤트가 수신된 후에, 이벤트 시작 시간부터 이벤트 중지까지 외의 비디오 중 적어도 일부를 폐기하고 이벤트 시작 시간부터 이벤트 중지 시간까지의 비디오를 이벤트 시작 시간부터 이벤트 중지 시간까지 발생하는 모션 분석 데이터와 함께 저장하도록 구성될 수 있다. 예를 들어, 본 발명의 일부 실시예들에서, 전술한 바와 같이 데이터가 서버에 업로드되고, 각각의 디바이스의 데이터 스트림과 연관된 위치 및 방향 데이터가 검출된 이벤트와 관련된 데이터를 추출하는 데 사용될 수 있다. 예를 들어, 골프 토너먼트 전반의 여러 위치들에서 비디오를 기록하기 위해 많은 세트들의 모바일 디바이스들이 사용될 수 있다. 이 비디오 데이터는 토너먼트가 진행되는 동안 또는 토너먼트가 끝난 후에 서버에 업로드될 수 있다. 토너먼트 후에는 이벤트 검출의 센서 데이터도 또한 동일한 서버에 업로드될 수 있다. 이러한 다양한 데이터 스트림들의 사후 처리를 통해, 발생된 이벤트들의 물리적 근접 거리에서 동시에 기록된 특정 비디오 스트림들을 식별할 수 있다. 추가적인 필터들이 카메라가 이벤트를 관찰하기 위해 올바른 방향을 가리키던 비디오 스트림들을 선택할 수 있다. 이렇게 선택된 스트림들은 센서 데이터와 결합되어 이벤트를 보여주는 여러 비디오 각도들이 포함된 종합 데이터 스트림을 형성할 수 있다.

시스템은 모바일 디바이스와 결합된 카메라 또는 모바일 디바이스와 분리되어 있거나 모바일 디바이스로부터 멀리 떨어져 있는 카메라로부터 비디오를 획득할 수 있다. 하나 이상의 실시예에서, 비디오는 모바일 디바이스에 원격으로 연결된 서버로부터 획득되며, 예를 들어 특정 위치 및 시간 간격의 비디오에 대한 쿼리 후에 획득된다.

서버 또는 컴퓨터의 실시예들은 비디오와 이벤트 데이터 또는 이미지 분석을 통한 모션 분석 데이터를 동기화하여 이벤트 시작 시간 또는 이벤트 중지 시간 또는 둘 모두와 가장 밀접하게 연관된 비디오의 시작 이벤트 프레임 또는 중지 이벤트 프레임을 보다 정확하게 결정하도록 구성될 수 있다. 본 발명의 하나 이상의 실시예에서, 기록 디바이스들 간의 클록들의 동기화는 근사치일 수 있다. 각각의 디바이스로부터의 이벤트의 뷰에 기초하여 여러 기록 디바이스들로부터의 데이터 피드들을 동기화하는 정확도를 향상시키는 것이 바람직할 수 있다. 하나 이상의 실시예에서, 여러 데이터 스트림들의 처리는 세분화된 동기화(fine-grained synchronization)를 지원하기 위해 서로 다른 스트림들에서 이벤트들의 시그니처들을 관찰하는 데 사용된다. 예를 들어, 임베딩된 센서는 비디오 카메라를 포함하는 모바일 디바이스와 동기화될 수 있지만, 시간 동기화는 100밀리초 이내로만 정확할 수 있다. 비디오 카메라가 초당 30프레임으로 비디오를 기록하는 경우, 임베딩된 센서의 이벤트 검출에 해당하는 비디오 프레임은 동기화된 타임스탬프에만 기초하여 3프레임 이내에서만 결정될 수 있다. 디바이스의 일 실시예에서, 비디오 프레임 이미지 처리는 검출된 이벤트에 가장 근접하게 대응하는 정확한 프레임을 결정하기 위해 사용될 수 있다. 예를 들어, 관성 센서에 의해 검출되는 스노보드가 지면에 부딪히는 충격은 스노보드의 기하학적 경계가 지면에 접촉하는 프레임과 상관관계가 있을 수 있다. 다른 실시예들은 여러 데이터 피드들의 동기화를 개선하기 위해 다른 이미지 처리 기술들 또는 이벤트 시그니처를 검출하는 다른 방법들을 사용할 수 있다.

적어도 하나의 모션 캡처 요소의 실시예는 마이크로컨트롤러와 결합된 위치를 결정하도록 구성된 위치 결정 요소를 포함할 수 있고, 여기서 마이크로 컨트롤러는 모바일 디바이스의 컴퓨터로 위치를 전송하도록 구성된다. 하나 이상의 실시예에서, 시스템은 서버를 더 포함하며, 여기서 마이크로컨트롤러는 직접 또는 모바일 디바이스를 통해 위치를 서버로 전송하도록 구성되고, 컴퓨터 또는 서버가 위치 및 이벤트 시작 시간 및 이벤트 중지 시간에 기초하여 비디오의 일부로부터 이벤트 비디오를 형성하도록 구성된다. 예를 들어, 하나 이상의 실시예에서, 이벤트 비디오는 이벤트의 특정 길이로 트리밍되고, 임의의 또는 비디오 품질로 트랜스코딩되고, 임의의 방식으로 모션 분석 데이터 또는 이벤트 데이터, 예를 들어 속도 또는 가속 데이터와 오버레이되거나 통합될 수 있다. 비디오는, 모바일 디바이스, 적어도 하나의 모션 캡처 센서 및/또는 서버 간에 통신 링크가 개방되어 있는지 여부에 관계없이, 임의의 해상도, 깊이, 또는 이미지 품질 또는 압축 유형으로 로컬로 저장되거나 저장 용량 또는 프레임 레이트를 최대화하기 위해 임의의 다른 기술로 또는 저장 공간을 최소화하기 위한 임의의 압축 유형으로 비디오를 저장할 수 있다. 하나 이상의 실시예에서, 속도 또는 다른 모션 분석 데이터는 예를 들어, 공의 타격 이벤트 전 스윙의 비디오를 제공하기 위해 실제 이벤트 전후의 임의의 수 초를 포함할 수 있는, 이벤트 시작 및 정지 시간을 포함하는, 비디오에 오버레이되거나 다른 방식으로 예를 들면 비디오 아래의 부분에 결합될 수 있다. 하나 이상의 실시예에서, 적어도 하나의 모션 캡처 센서 및/또는 모바일 디바이스(들)는 이벤트 및 비디오를 서버로 전송할 수 있으며, 여기서 서버는 특정 비디오 및 센서 데이터가 특정 시간에 특정 위치에서 발생한 것으로 결정하고 여러 비디오들 및 여러 센서 이벤트들로부터 이벤트 비디오들을 구성할 수 있다. 센서 이벤트들은 예를 들어 하나의 센서 또는 사용자 및/또는 장비와 결합된 여러 센서들로부터 발생될 수 있다. 따라서 시스템은 이벤트들에 대응하는 짧은 비디오들을 구성할 수 있으며, 예를 들어 디비오 저장 요건들을 크게 줄일 수 있다.

하나 이상의 실시예에서, 마이크로컨트롤러 또는 컴퓨터는 이벤트의 위치를 결정하도록 구성되거나, 또는 마이크로컨트롤러 및 컴퓨터는 예를 들어 이벤트의 중심 지점을 제공하기 위해 위치를 상호 연관시키거나 평균화시킴으로써 이벤트의 위치를 결정하고 위치를 상호 연관시키도록 구성되며, 및/또는 GPS 센서들의 초기화에 따른 잘못된 위치 데이터가 최소화될 수 있다. 이러한 방식으로, 모바일 디바이스들을 가진 사용자들의 그룹은 골퍼가 티오프하는 비디오들을 생성할 수 있으며, 여기서 적어도 하나의 모션 캡처 디바이스의 이벤트 위치가 활용될 수 있고, 서버는 관중들로부터 비디오들을 수집하여 프로 골퍼의 스윙 및 공의 타격의 이벤트 비디오를 생성할 수 있고, 이벤트 비디오는 상이한 카메라들로부터의 프레임들을 활용하여 골퍼가 스윙하는 동안 골퍼 주변에서 BULLET TIME.RTM. 비디오를 생성할 수 있다. 결과 비디오 또는 비디오들은 예를 들어 이벤트 시작 시간부터 이벤트 종료 시간까지 이벤트 기간에 맞춰 트리밍되거나, 및/또는 스윙 또는 다른 이벤트의 임의의 셋업 시간 및 임의의 후속 시간을 포함하여 전체 이벤트가 캡처되도록 이벤트 전후에 미리 결정된 시간 값들로 트리밍될 수 있다.

하나 이상의 실시예들에서, 모바일 디바이스의 컴퓨터는 임의의 카메라들에 의해 해당 영역에서 촬영된 임의의 비디오들에 대한 요청을 브로드케스트함으로써 이벤트에 근접한 적어도 하나의 카메라로부터 이벤트를 포함하는 적어도 하나의 이미지 또는 비디오를 직접 요청할 수 있으며, 이는 선택적으로, 카메라가 이벤트에 근접하게 위치할 뿐만 아니라 이벤트를 향하고 있는지 또는 가리키는지와 관련된 방향 정보를 포함할 수 있다. 다른 실시예들에서, 비디오는 원격 서버로부터 모바일 디바이스의 컴퓨터에 의해 요청될 수 있다. 이 시나리오에서, 이벤트와 연관된 임의의 위치 및/또는 시간이 활용되어 이벤트 근처의 이미지 및/또는 비디오를 리턴하거나 이벤트 근처의 시간에 촬영하거나 또는 둘 다를 가능하게 한다. 하나 이상의 실시예에서, 컴퓨터 또는 서버는 이벤트 지속 기간에 대응하도록 비디오를 트리밍할 수 있고, 다시 이미지 처리 기술을 활용하여 예를 들어 장비의 공 타격에 대응하는 가속도 데이터와 매칭하는 비디오의 해당 프레임과 공 타격과 같은 이벤트의 부분들을 추가적으로 동기화할 수 있다.

모바일 디바이스 또는 서버 상의 컴퓨터의 실시예들은 이벤트가 발생한 하나 이상의 시간 또는 하나 이상의 이벤트가 발생한 목록을 표시하도록 구성될 수 있다. 이러한 방식으로, 사용자는 빠른 방식으로 이벤트 비디오들에 액세스하도록 목록에서 이벤트들을 찾을 수 있다.

본 발명의 실시예들은 모바일 디바이스와 물리적으로 결합되는 적어도 하나의 모션 캡처 센서를 포함할 수 있다. 이러한 실시예들은 모든 유형의 헬멧 장착 카메라 또는 카메라와 모션 캡처 센서를 모두 포함하는 임의의 마운트와 같이 센서가 통합된 모든 유형의 모바일 폰 또는 카메라 시스템이 이벤트 데이터 및 비디오 데이터를 생성할 수 있게 한다.

일부 실시예들에서, 시스템은 또한 모션 이벤트들과 연관된 이벤트 데이터를 수신하기 위해 하나 이상의 모션 캡처 요소의 라디오들과 통신할 수 있는 무선 통신 인터페이스를 갖는 하나 이상의 컴퓨터를 포함할 수 있다. 컴퓨터는 원시 모션 데이터를 수신할 수 있으며, 이 데이터를 분석하여 이벤트들을 결정할 수 있다. 다른 실시예들에서 이벤트들의 결정은 모션 캡처 요소에서 일어날 수 있으며, 컴퓨터는 이벤트 데이터를 수신할 수 있다. 일부 실시예들에서는 이러한 두 가지 접근 방식들의 조합도 가능하다.

일부 실시예들에서, 하나 이상의 컴퓨터는 이벤트 데이터로부터 모션 이벤트의 시작 시간 및 종료 시간을 결정할 수 있다. 그런 다음, 이들은 적어도 이러한 이벤트 시작 시간과 이벤트 종료 시간 사이의 일부 시간 간격 동안 비디오 또는 하나 이상의 이미지를 캡처한 카메라로부터 이미지 데이터를 요청할 수 있다. 이러한 경우에서 비디오라는 용어는 이벤트 간격 동안 단일 스냅샷 이미지를 촬영하는 카메라의 경우를 포함하여 연속 비디오뿐만 아니라 개별 이미지들을 포함한다. 이 비디오 데이터는 동기화된 이벤트 비디오를 구성하는 모션 데이터와 연관될 수 있다. 예를 들어, 사용자는 모션 캡처 센서를 일정 횟수만큼 흔들거나 두드리는 동작을 통해 이벤트들을 표시할 수 있다. 사용자 제스처 이벤트들을 포함한 모든 유형의 사전 정의된 이벤트를 활용하여 적어도 하나의 카메라를 제어함으로써 대용량 원시 비디오 파일들을 전송할 필요 없이 일반적으로 간결한 이벤트 비디오를 전송할 수 있다.

일부 실시예들에서, 카메라로부터의 비디오 요청은 모션 데이터의 캡처 또는 분석과 동시에 발생할 수 있다. 이러한 실시예들에서 시스템은 이벤트가 시작되었다는 알림을 획득하거나 생성한 다음, 이벤트의 종료가 검출될 때까지 하나 이상의 카메라로부터 컴퓨터로 비디오를 스트리밍하도록 요청한다. 다른 실시예들에서, 비디오의 요청은 카메라가 서버와 같은 다른 컴퓨터에 비디오 기록들을 업로드한 후에 발생할 수 있다. 이 경우 컴퓨터는 카메라로부터 직접 비디오를 요청하는 것이 아니라 서버로부터 비디오를 요청한다.

모션 데이터와 비디오 데이터의 동기화를 수행하기 위해 다양한 기술들이 사용될 수 있다. 이러한 기술들에는 모션 캡처 요소, 컴퓨터, 카메라 등 모든 디바이스들이 공통 시간 베이스를 사용하도록 보장하는 네트워크 시간 프로토콜과 같이 당업자에게 잘 알려진 클록 동기화 방법들이 포함된다. 다른 기술에서 컴퓨터는 각각의 디바이스에 의해 등록된 현재 시간이 포함된 패킷들을 교환함으로써 자신의 클록을 모션 캡처 요소의 내부 클록 및 카메라의 내부 클록과 비교할 수 있다. 다른 기술들은 모션 데이터와 비디오 데이터를 분석하여 동기화를 위해 그들의 상이한 시간 베이스들을 정렬한다. 예를 들어 공과의 접촉을 보여주는 특정 비디오 프레임이 가속도계의 충격을 보여주는 모션 데이터로부터의 특정 데이터 프레임과 정렬될 수 있으며; 이 프레임들은 모션 데이터와 비디오 데이터를 동기화하기 위해 키 프레임들로 효과적으로 사용될 수 있다. 이렇게 결합된 비디오 데이터와 모션 데이터는 이벤트의 통합된 기록과 함께 동기화된 이벤트 비디오를 형성한다.

하나 이상의 실시예에서, 모션 데이터 또는 비디오 데이터를 수신하거나 처리하도록 구성된 컴퓨터는, 제한되는 것은 아니지만, 모바일 폰, 스마트폰, 태블릿, PDA, 랩탑, 노트북 또는 쉽게 운반하거나 재위치시킬 수 있는 다른 디바이스들을 포함하는 모바일 디바이스일 수 있다. 다른 실시예들에서, 그러한 컴퓨터는 카메라에 통합될 수 있으며, 특히 비디오 데이터가 획득되는 카메라에 통합될 수 있다. 다른 실시예들에서, 그러한 컴퓨터는, 제한되는 것은 아니지만, 데이터 센터 또는 클라우드 기반 서비스에서 가상 머신으로 실행되는 가상 컴퓨터를 포함하는 데스크톱 컴퓨터 또는 서버 컴퓨터일 수 있다. 일부 실시예들에서, 시스템은 상기한 유형들의 임의의 복수의 컴퓨터들을 포함할 수 있으며, 이러한 컴퓨터들은 본 명세서에 설명된 동작들을 공동으로 수행할 수 있다. 당업자에게 명백할 것이지만, 이러한 컴퓨터들의 분산된 네트워크는 여러 가지 가능한 방식으로 작업들을 분할할 수 있으며, 원하는 경우 단일의 중앙 컴퓨터의 작업들을 복제하도록 그 작업들을 조정할 수 있다. 본 명세서에서 컴퓨터라는 용어는 상기한 유형들의 컴퓨터들 중 일부 또는 전부를 의미하며, 함께 작동하는 그러한 여러 컴퓨터들의 네트워크들을 포함하도록 의도되었다.

하나 이상의 실시예들에서, 컴퓨터는 동기화된 이벤트 비디오들의 시퀀스를 획득하거나 생성할 수 있다. 컴퓨터는 사용자가 이벤트들의 이력을 리뷰할 수 있도록 이러한 시퀀스의 복합 요약을 표시할 수 있다. 각각의 이벤트와 연관된 비디오의 경우, 일부 실시예들에서 이러한 요약은 비디오들로부터 생성된 하나 이상의 썸네일 이미지들을 포함할 수 있다. 다른 실시예들에서, 요약은 전체 이벤트 비디오로부터 더 작은 선택들을 포함할 수 있다. 복합 요약은 또한 동기화된 각각의 이벤트 비디오와 연관된 모션 분석 또는 이벤트 데이터의 표시를 포함할 수 있다. 일부 실시예들에서, 컴퓨터는 메트릭을 획득하고 각각의 이벤트에 대해 이 메트릭의 값을 표시할 수 있다. 이러한 메트릭 값들의 표시는 실시예들에 따라 다를 수 있다. 일부 실시예들에서, 메트릭 값들의 표시는 막대 그래프, 선 그래프, 또는 절대 또는 상대 값들을 보여주는 다른 그래픽 기법일 수 있다. 다른 실시예들에서, 색상 코딩 또는 다른 시각적 효과가 사용될 수 있다. 다른 실시예들에서, 메트릭의 수치 값들이 표시될 수 있다. 일부 실시예들은 이러한 접근 방식들의 조합을 사용할 수 있다.

하나 이상의 실시예에서, 컴퓨터는 모션 분석 데이터 또는 이벤트 시퀀스의 이벤트 데이터와 연관된 관심 메트릭에 대한 선택 기준을 받아들일 수 있다. 예를 들어, 사용자는 임계값 초과, 범위 내부, 또는 범위 외부의 메트릭들과 같은 기준들을 제공할 수 있다. 이벤트들의 메트릭 값들에 적용될 수 있는 모든 기준들이 사용될 수 있다. 선택 기준들에 응답하여, 컴퓨터는 선택 기준들을 충족하는 동기화된 이벤트 비디오들 또는 그 요약들(예컨대, 썸네일)만을 표시할 수 있다. 예를 들어, 골프 스윙 이벤트 데이터를 캡처하는 사용자는 스윙 속도가 시속 100mph 이상인 스윙들만을 보고자 할 수 있다.

본 발명의 일부 실시예들에서, 컴퓨터는 위에서 설명한 선택 기준들에 기초하여 필터링에 더하여, 선택된 메트릭의 값에 기초하여 표시를 위해 동기화된 이벤트 비디오들을 정렬하고 순위를 매길 수 있다. 상기한 예에서, 골프 스윙 데이터를 캡처하는 사용자는 스윙 속도가 100mph 이상인 스윙들만을 보고자 할 수 있으며, 가장 높은 스윙 속도가 먼저 보여지도록 정렬될 수 있다.

하나 이상의 실시예에서, 컴퓨터는 선택 기준을 만족하는 이벤트들에 대한 비디오를 결합하는 하이라이트 릴(highlight reel)을 생성할 수 있다. 이러한 하이라이트 릴은 선택된 이벤트들에 대한 전체 비디오 또는 모션 분석에 의해 결정된 이벤트들의 중요한 순간들에 대응하는 비디오의 일부를 포함할 수 있다. 일부 실시예들에서, 하이라이트 릴은 모션 분석으로부터의 메트릭 값들을 보여주는 선택된 프레임들 또는 비디오에 대한 데이터 또는 그래픽들의 오버레이를 포함할 수 있다. 이러한 하이라이트 릴은 사용자가 선택 기준들을 지정함으로써 포함할 이벤트들을 지정하면 사용자를 위해 자동으로 생성될 수 있다. 일부 실시예들에서, 컴퓨터는 사용자가 하이라이트 릴을 편집하여 이벤트들을 추가 또는 제거할 수 있게 하고, 각각의 이벤트에 대해 보여진 비디오를 늘리거나 줄일 수 있게 하며, 모션 데이터에 대한 그래픽 오버레이들을 추가 또는 제거할 수 있게 하고, 특수 효과 또는 사운드트랙을 추가할 수 있게 한다.

다수의 카메라들을 사용하는 실시예들에서, 모션 데이터와 다수의 비디오 스트림들은 동기화된 단일 이벤트 비디오로 결합될 수 있다. 다수의 카메라들로부터의 비디오들은 이벤트의 서로 다른 각도들 또는 뷰들을 제공할 수 있으며, 모두는 모션 데이터 및 공통 시간 베이스로 동기화된다. 일부 실시예들에서, 하나 이상의 비디오들은 하나 이상의 컴퓨터들(예컨대, 서버들 또는 클라우드 서비스들)에서 사용할 수 있으며, 나중에 이벤트 데이터와 상호 연관될 수 있다. 이러한 실시예들에서, 컴퓨터는 이벤트를 보기 위해 올바른 위치 및 방향에 있는 저장된 비디오들을 찾아볼 수 있다. 그런 다음 컴퓨터는 적절한 비디오들을 검색하고 이들을 이벤트 데이터와 결합하여 여러 포지션들 및 각도들의 비디오로 이벤트의 합성 뷰를 형성할 수 있다.

일부 실시예들에서, 컴퓨터는 이벤트와 연관된 가능한 비디오들의 세트로부터 특정 비디오를 선택할 수 있다. 선택된 비디오는 다양한 가능한 기준들에 기초하여 이벤트에 대한 최상의 또는 가장 완전한 뷰가 될 수 있다. 일부 실시예들에서, 컴퓨터는 최상의 선택을 결정하기 위해 비디오들 각각의 이미지 분석을 사용할 수 있다. 예를 들어, 일부 실시예들에서는 이미지 분석을 사용하여 관심 있는 장비 또는 사람이 가장 적게 가려지거나 가장 선명하게 보이는 가장 완벽한 비디오가 어느 것인지를 결정할 수 있다. 일부 실시예들에서, 이러한 이미지 분석은 비디오 캡처 동안 카메라의 흔들림 정도를 분석하고 가장 안정적인 이미지들이 있는 비디오를 선택하는 것을 포함할 수 있다. 일부 실시예들에서, 사용자는 선호하는 비디오를 선택하거나, 또는 사용자는 가장 중요한 기준들을 지정함으로써 컴퓨터가 선택하도록 지원할 수 있다.

일부 실시예들에서, 모션 캡처 요소로부터의 이벤트 데이터는 이벤트에 대한 비디오를 기록할 수 있는 카메라로 제어 메시지들을 전송하는 데 사용될 수 있다. 다수의 카메라들을 사용하는 실시예들에서, 제어 메시지들은 이벤트 동안 브로드캐스트되거나 카메라들의 세트에 전송될 수 있다. 이러한 제어 메시지들은 모션 분석 데이터를 포함하여 이벤트와 연관된 데이터에 기초하여 비디오 기록 파라미터를 수정할 수 있다. 예를 들어, 진행 중인 관심 이벤트가 없는 동안에는 카메라가 대기 상태로 있고 기록되지 않을 수 있다. 컴퓨터는 이벤트 데이터를 기다리다가 이벤트가 시작되면 카메라에 명령을 보내 기록을 시작할 수 있다. 이벤트가 끝나면, 컴퓨터는 카메라에 명령을 보내 기록을 중지할 수 있다. 이러한 기술들은 카메라 전원과 비디오 메모리를 절약할 수 있다.

보다 일반적으로, 일부 실시예들에서, 컴퓨터는 이벤트 데이터 또는 모션 분석 데이터에 대한 응답으로 관련 비디오 기록 파라미터를 수정하기 위해 카메라(들)에 제어 메시지들을 전송할 수 있다. 이러한 기록 파라미터들은 예를 들어 프레임 레이트, 해상도, 색상 깊이, 색상 또는 그레이스케일, 압축 방법, 비디오의 압축 품질, 기록 켜기 또는 끄기를 포함할 수 있다. 이러한 것이 유용할 수 있는 예로서, 모션 분석 데이터는 사용자 또는 장비가 빠르게 움직이는 때를 나타낼 수 있으며;, 이에 대응하여 빠른 모션의 기간 동안 비디오 기록 프레임 레이트를 증가시키고 상대적으로 느린 모션 기간 동안 프레임 레이트를 감소시킬 수 있다. 빠른 모션 동안 더 높은 프레임 레이트를 사용하면, 사용자는 재생하는 동안 모션을 느리게 하여 빠른 모션 이벤트를 매우 자세하게 관찰할 수 있다. 이러한 기술을 통해 카메라들이 비디오 메모리를 절약하고 가장 관심 있는 이벤트들에 사용 가능한 메모리를 효율적으로 사용할 수 있다.

일부 실시예들에서, 컴퓨터는 예를 들어 사용자로부터 사운드 트랙을 수신하고 이 사운드 트랙을 동기화된 이벤트 비디오에 통합할 수 있다. 이러한 통합은 예를 들어 이벤트 비디오 또는 하이라이트 릴의 재생 중에 오디오 사운드 트랙을 추가할 수 있다. 일부 실시예들은 이벤트 데이터 또는 모션 분석 데이터를 사용하여 사운드 트랙을 동기화된 이벤트 비디오에 지능적으로 통합할 수 있다. 예를 들어, 일부 실시예들은 사운드 트랙을 분석하여 예를 들어 높은 오디오 진폭의 시간 지점들에 기초하여 사운드 트랙의 비트를 결정할 수 있다. 그런 다음, 사운드 트랙의 비트는 이벤트 데이터 또는 모션 분석 데이터를 사용하여 이벤트와 동기화될 수 있다. 예를 들어 이러한 기술들은 사용자나 대상체의 모션이 증가하거나 감소함에 따라 사운드 트랙의 속도를 자동으로 높이거나 낮출 수 있다. 이러한 기술들은 이벤트와 연관된 오디오 및 시각적 큐들을 통해 풍부한 미디어 경험을 제공한다.

하나 이상의 실시예에서, 컴퓨터는 하나 이상의 디스플레이에서 동기화된 이벤트 비디오를 재생하도록 구성된다. 이러한 디스플레이는 컴퓨터에 직접 부착되거나 또는 다른 디바이스들에 원격으로 있을 수 있다. 컴퓨터는 이벤트 데이터 또는 모션 분석 데이터를 사용하여 다양한 효과들을 추가하거나 변경하기 위해 재생을 수정할 수 있다. 이러한 수정은 재생하는 동안 여러 번 발생할 수도 있고, 이벤트 데이터가 변경됨에 따라 재생 중에 지속적으로 발생할 수도 있다. 예를 들어, 모션이 적은 기간 동안에는 재생은 정상 속도로 일어하고, 모션이 많은 기간 동안에는 재생은 슬로우 모션으로 전환되어여 모션의 세부 사항들을 강조할 수 있다. 이벤트 또는 모션의 관찰되거나 또는 산출된 특성들에 기초하여 재생 속도에 대한 수정이 이루어 질 수 있다. 예를 들어, 이벤트 데이터는 공의 타격, 점프의 시작 또는 종료, 또는 임의의 다른 흥미로운 순간들과 같이 관심 있는 특정 서브 이벤트들을 식별할 수 있다. 컴퓨터는 동기화된 이벤트 비디오가 이러한 서브 이벤트들에 가까워지면 재생 속도를 늦추기 위해 재생 속도를 수정할 수 있다. 이러한 늦춤은 서브 이벤트를 세밀하게 강조하기 위해 지속적으로 증가할 수 있다. 서브 이벤트에서 재생을 중지하고 사용자로부터의 입력을 기다렸다가 계속할 수도 있다. 재생 속도 저하는 모션 분석 데이터 또는 이벤트 데이터로부터의 하나 이상의 메트릭의 값에 기초하여 할 수도 있다. 예를 들어, 모션 분석 데이터는 움직이는 야구 배트 또는 골프 클럽의 속도를 나타낼 수 있으며, 이러한 대상체의 속도가 증가함에 따라 재생 속도가 느려지도록 지속적으로 조정될 수 있다. 재생 속도는 이러한 메트릭의 최고값 근처에서 매우 느려지게 될 수 있다.

다른 실시예들에서, 수정들은 재생 속도에 제한되지 않고 다른 재생 특성들에 대해서도 이루어 질 수 있다. 예를 들어, 컴퓨터는 재생 속도, 이미지 밝기, 이미지 색상, 이미지 초점, 이미지 해상도, 깜박이는 특수 효과, 또는 그래픽 오버레이 또는 테두리의 사용 중 일부 또는 전부를 수정할 수 있다. 이러한 수정들은 모션 분석 데이터, 이벤트 데이터, 서브 이벤트, 또는 동기화된 이벤트 비디오의 다른 특성에 기초하여 이루어질 수 있다. 예를 들어, 재생이 관심 있는 서브 이벤트에 가까워지면 깜박이는 특수 효과가 추가될 수 있고, 장비에 부딪히기 직전의 공과 같이 비디오에서 관심 있는 대상체들 주위에 테두리가 추가될 수 있다.

사운드 트랙을 포함하는 실시예들에서, 재생 특성들에 대한 수정은 사운드 트랙의 재생 특성들에 대한 수정을 포함할 수 있다. 예를 들어, 이러한 수정들은 사운드 트랙의 볼륨, 템포, 톤, 또는 오디오 특수 효과들에 대한 수정들을 포함할 수 있다. 예를 들어, 재생이 관심 있는 서브 이벤트에 가까워지면 사운드 트랙의 볼륨과 템포가 증가하여 서브 이벤트를 강조하고 사용자가 재생을 보고 듣는 데 보다 역동적인 경험을 제공할 수 있다.

하나 이상의 실시예에서, 컴퓨터는 비디오의 이미지 분석을 사용하여 비디오 내의 대상체로부터 메트릭을 생성할 수 있다. 예를 들어, 이 메트릭은 대상체의 모션의 일부 양태를 측정할 수 있다. 이미지 분석으로부터 도출된 이러한 메트릭들은 모션 센서들로부터의 데이터의 모션 분석으로부터 얻은 메트릭들에 추가적으로 또는 함께 사용될 수 있다. 일부 실시예들에서, 이미지 분석은 관심 대상체와 연관된 픽셀들을 찾기 위해 당업자에게 알려진 여러 기술들 중 어느 하나를 사용할 수 있다. 예를 들어, 특정 대상체는 특정 색상, 질감, 또는 모양을 갖는 것으로 알려져 있을 수 있으며, 이러한 특성들은 비디오 프레임들에서 대상체들의 위치를 찾는 데 사용될 수 있다. 예로서, 테니스 공은 대략 둥글고 노란색이며 공의 재질과 연관된 질감을 가지고 있는 것으로 알려져 있을 수 있다. 이러한 특성 이미지 분석을 사용하여 비디오 프레임에서 테니스 공의 위치를 찾을 수 있다. 여러 비디오 프레임들을 사용하여 테니스 공의 대략적인 속도가 계산될 수 있다. 예를 들어, 카메라가 고정되어 있거나 거의 고정되어 있다고 가정하면, 비디오 프레임에서 공의 위치와 그 크기에 기초하여 3차원 공간에서 테니스 공의 위치가 추정될 수 있다. 프레임 내 위치는 공의 위치를 이미지 평면에 투영하고 그 크기는 카메라에 대한 공의 깊이를 제공한다. 여러 프레임들에서 공의 위치를 사용하고 프레임들 간 시간 차이를 제공하는 프레임 레이트를 사용함으로써 공의 속도가 추정될 수 있다. 예를 들어 농구공과 같이 알려진 크기의 대상체 근처에서 수직 도약 추정을 수행할 수 있다.

하나 이상의 실시예에서, 모션 캡처 요소에 결합된 마이크로컨트롤러는 이벤트 데이터의 캡처를 조정하기 위해 다른 모션 캡처 센서와 통신하도록 구성된다. 마이크로컨트롤러는 이벤트 시작 알림을 다른 모션 캡처 센서로 전송하여 다른 센서도 이벤트 데이터를 캡처하도록 트리거할 수 있다. 다른 센서는 나중에 업로드하기 위해 데이터를 로컬에서 저장하거나 이벤트가 발생하는 동안 개방형 통신 링크를 통해 컴퓨터로 그 이벤트 데이터를 전송할 수 있다. 이러한 기술들은 하나의 센서가 마스터 역할을 하며 슬레이브 센서들의 네트워크를 조정할 수 있는 일종의 마스터-슬레이브 아키텍처를 제공한다.

하나 이상의 실시예에서, 컴퓨터는 모션 캡처 센서들 외에 다른 센서들로부터 센서 값들을 얻을 수 있으며, 이러한 다른 센서들은 이벤트에 근접하고 이벤트와 연관된 다른 유용한 데이터를 제공한다. 예를 들어, 이러한 다른 센서들은 온도, 습도, 바람, 고도, 빛, 소리, 및 생리적 메트릭들(예컨대, 심장 박동)의 다양한 조합들을 검출할 수 있다. 컴퓨터는 이러한 다른 값들을 검색하여 이벤트 데이터 및 모션 분석 데이터와 함께 저장하여 이벤트 시작부터 이벤트 중지까지의 시간 동안 이벤트에 대한 확장된 기록을 생성할 수 있다.

하나 이상의 실시예는 센서 데이터와 비디오 모두를 획득 및 처리하여 대상체의 모션을 분석하고 이러한 모션을 설명하는 모션 메트릭들을 생성할 수 있다. 실시예들은 센서들 및 카메라들로부터의 데이터를 시간 및 공간적으로 정렬하기 위해 다양한 단계들 및 기술들을 사용할 수 있다. 이렇게 정렬된 데이터는 센서 융합 기술을 사용하여 분석되어 센서 및 비디오 데이터를 일관되고 견고한 모션 메트릭들로 결합할 수 있다.

하나 이상의 실시예는 사람, 장비 또는 둘 모두를 포함할 수 있는 하나 이상의 관심 대상체에 대한 설명을 얻을 수 있다. 그런 다음 하나 이상의 카메라로부터 캡처된 비디오를 얻을 수 있으며, 비디오는 움직이는 이러한 대상체들의 이미지들을 포함할 수 있다. 관심의 대상체들의 일부 또는 전부는 모션 캡처 요소들이 부착되어 있을 수 있으며; 이러한 모션 캡처 요소들은 대상체들에 대한 모션 센서 데이터를 생성한다. 그런 다음 하나 이상의 실시예는 이러한 세 가지 입력들(대상체 설명, 비디오, 및 센서 데이터)을 결합하여 대상체들에 대한 통합된 모션 분석을 생성할 수 있다. 결과 모션 메트릭들은 예를 들어 선형 포지션, 선형 속도, 선형 가속도, 궤적, 방향, 각속도, 각가속도, 모션 시간, 포지션들 간 경과 시간, 모션 시작과 포지션 도착 간 경과 시간, 및 임팩트 시간을 포함할 수 있지만 이에 제한되지 않는다.

대상체 모션의 비디오 분석은 분석을 위해 비디오로부터 선택된 프레임들의 세트에서 관심 대상체들을 식별하는 것을 포함할 수 있다. 대상체 식별은 실시예가 선택된 비디오 프레임들에서 대상체들을 식별할 수 있도록 하는 각각의 대상체에 대한 구별되는 시각적 특성들의 세트를 사용할 수 있다. 이러한 구별되는 시각적 특성들은 예를 들어, 모양, 곡률, 크기, 색상, 휘도, 색조, 채도, 질감, 및 픽셀 패턴을 포함할 수 있지만 이에 제한되지 않는다. 일부 실시예들은 관심 대상체에 대해 선택된 모든 프레임들의 모든 픽셀들을 검색할 수 있고; 일부 실시예들은 대신에 다양한 최적화를 사용하여 관심 대상체들을 포함할 가능성이 있는 프레임들의 선택된 영역들에서만 검색할 수 있다.

하나 이상의 실시예에서, 카메라는 비디오 캡처 동안 움직이는 상태일 수 있다. 따라서, 프레임들 내의 대상체의 모션을 분석하기 위해, 이러한 실제 대상체 모션(true object motion)과 카메라 움직임에 의해 야기된 대상체들의 겉보기 모션(apparent motion)을 구별하는 것이 바람직할 수 있다. 따라서, 하나 이상의 실시예는 각각의 프레임에 대한 카메라의 포즈(위치 또는 방향)를 결정하는 기술들을 사용할 수 있다. 그런 다음 각각의 프레임에서 카메라 포즈에 대한 대상체 포즈를 결정한 다음 각각의 프레임에 대한 카메라 포즈를 사용하여 이 대상체 포즈를 공통 좌표계로 변환함으로써 실제 대상체 모션이 결정될 수 있다.

하나 이상의 실시예는 모션 캡처 요소들로부터, 예를 들어 대상체들에 부착된 모션 센서들로부터 관심 대상체들 중 하나 이상에 대한 모션 캡처 데이터를 얻을 수 있다. 그런 다음 모션 캡처 데이터는 비디오 프레임들과 동기화될 수 있다. 그런 다음 모션 캡처 데이터는 비디오 분석 데이터와 결합되어 대상체들에 대한 모션 메트릭들을 형성할 수 있다. 실시예들은 다양한 센서 융합 기술들을 사용하여 다양한 소스들로부터의 이러한 데이터를 통합된 모션 메트릭들로 결합할 수 있다.

방법의 하나 이상의 실시예는 비디오 및 센서 데이터 모두에서 동일한 이벤트의 시그니처를 찾고, 비디오 시그니처를 포함하는 프레임을 센서 데이터 시그니처를 포함하는 센서 샘플의 센서 타임스탬프와 정렬함으로써 비디오 프레임들 및 센서 데이터를 동기화할 수 있다. 하나 이상의 실시예들은 비디오 프레임들과 센서 데이터 모두로부터 선택된 참조 대상체에 대한 모션 메트릭을 계산하고, 두 모션 메트릭 그래프들을 가장 잘 정렬하는 비디오 모션 메트릭과 센서 모션 메트릭 사이의 시간 시프트를 찾음으로써 비디오 프레임들과 센서 데이터를 동기화할 수 있다. 일부 실시예들에서, 센서 데이터와 비디오 프레임들 사이의 최대 클럭 차이는 미리 알려져 있을 수 있으며; 이러한 실시예들에서, 매칭하는 이벤트 시그니처들 또는 모션 메트릭들을 정렬하기 위한 시간 시프트들에 대한 검색들은 알려진 클럭 차이 내에서만 검색함으로써 최적화될 수 있다.

하나 이상의 실시예에서, 모션 분석은 하나 이상의 관심 이벤트를 찾는 것을 포함할 수 있다. 이벤트들에 대해서는 비디오 시그니처들을 사용하여 비디오 프레임들에서 찾을 수 있고, 센서 데이터 시그니처들을 사용하여 센서 데이터에서 찾을 수 있다. 일부 활동들은 이러한 시그니처들 중 하나를 잘못 트리거할 수 있으며, 그 활동은 실제 이벤트가 아니라 오탐(false positive)일 수 있다. 하나 이상의 실시예는 비디오 시그니처와 센서 데이터 시그니처를 결합하여 오탐을 필터링할 수 있으며; 예를 들어, 활동이 센서 데이터 시그니처와 매칭하지만 대응하는 비디오 시그니처와 매칭하지 않는 경우, 해당 활동은 오탐으로 분류될 수 있다. 실제 이벤트들(true events)은 비디오 시그니처와 센서 데이터 시그니처 모두가 존재할 때 결정될 수 있다. 하나 이상의 실시예는 다단계 테스트들을 사용하여 예상되는 이벤트(prospective event)를 시그널링한 다음 비디오 시그니처 또는 센서 데이터 시그니처 중 하나 또는 둘 모두를 사용하여 예상되는 이벤트가 유효한 이벤트인지 확인할 수 있다.

하나 이상의 실시예는 시각적 마커들을 관심 대상체들로 사용하거나, 대상체들에 부착된 모션 캡처 요소들 또는 대상체들에 부착된 시각적 마커들을 사용할 수 있다. 시각적 마커들의 패턴들은 대상체들에 대한 구별되는 시각적 특성들의 일부를 형성할 수 있다. 시각적 마커들은 회전 대칭이 없도록 설계되어 비디오 분석을 사용하여 마커들의 상이한 방향들이 구분될 수 있다. 시각적 마커들은 눈에 잘 띄는 색상으로 구성될 수 있다.

하나 이상의 실시예는 관심 대상체들에 대한 검색을 용이하게 하기 위해 비디오 프레임들을 전처리할 수 있으며; 전처리는 예를 들어, 노이즈 제거, 플리커 제거, 평활화, 색 공간 변환, 색상 또는 밝기 균형 조정, 및 섀도우 제거(shadow removal)를 포함할 수 있으나 이에 제한되지 않는다.

하나 이상의 실시예는 센서들을 사용하여 선택된 비디오 프레임들에 대한 카메라 포즈를 측정할 수 있다. 측정된 카메라 포즈는 대상체 포즈들을 공통 좌표계로 변환하는 데 사용될 수 있다.

하나 이상의 실시예는 다음 기술들 중 하나 이상을 사용하여 해당 프레임에 대한 카메라 포즈와 관련하여 프레임에서 식별된 대상체의 포즈를 결정할 수 있다: 대상체가 놓여 있는 광선(ray)은 프레임 내 대상체의 위치로부터 결정될 수 있다; 카메라로부터 대상체의 상대적 거리는 대상체의 실제 크기와 비교하여 프레임 내 대상체의 겉보기 크기로부터 결정될 수 있다; 카메라에 대한 대상체의 방향은 대상체의 참조 픽셀 패턴과 프레임 내 대상체의 픽셀 패턴 사이의 차이를 최소화하는 회전을 계산함으로써 결정될 수 있다. 대상체에 대한 참조 픽셀 패턴은 대상체에 대한 구별 시각적 특징들 중 하나일 수 있거나 또는 지정된 참조 프레임에서 대상체의 모습에서 얻어질 수 있다.

하나 이상의 실시예는 하나 이상의 대상체의 가능한 궤적들의 물리적 모델을 생성하거나 획득할 수 있고, 이 물리적 모델을 사용하여 대상체의 위치에 대한 각각의 프레임 내에서 높은 확률의 영역을 추정할 수 있다. 그런 다음, 대상체에 대한 프레임 검색은 이러한 높은 확률의 영역 내에서 검색함으로써 최적화될 수 있다.

카메라 포즈를 결정하기 위한 카메라 센서들이 없는 실시예들에서, 카메라 모션을 보상하기 위해 각각의 프레임을 이전 프레임과 정렬함으로써 각각의 프레임에 대한 카메라 포즈를 추정하는 것이 바람직할 수 있다. 각각의 프레임이 이전 프레임과 정렬되면, 프레임 간 차이를 계산하여 움직이는 대상체들을 포함하는 모션이 많은 영역들을 결정할 수 있다. 그러면 관심 있는 대상체들에 대한 프레임 검색은 이러한 모션이 많은 영역들 내에서 검색함으로써 최적화될 수 있다.

하나 이상의 실시예는 카메라 모션을 보상하기 위해 프레임을 이전 프레임과 정렬하기 위해 다음 기술을 사용할 수 있다. 먼저, 프레임 변환을 적용한 후 프레임의 중심 영역과 이전 프레임의 중심 영역 사이의 픽셀 차이들을 최소화하기 위해 프레임 변환이 결정될 수 있다. 그런 다음 각각의 프레임이 타일들(tiles)로 분할되고, 프레임 변환과 로컬 타일 변환을 적용한 후 타일과 이전 프레임의 대응하는 타일 간의 픽셀 차이들을 최소화하는 로컬 타일 변환이 각각의 타일에 대해 결정될 수 있다.

하나 이상의 실시예는 모션 메트릭들 중 하나로서 하나 이상의 관심 대상체에 대한 임팩트 시간을 계산할 수 있다. 이러한 임팩트 시간은 연속적인 프레임들 사이의 모션 메트릭에서 불연속성을 검출함으로써 계산될 수 있다. 이 기술은 임팩트 프레임을 결정할 수 있지만, 경우에 따라 정확한 프레임 간 임팩트 시간을 결정하지 못할 수도 있다. 하나 이상의 실시예는 임팩트 전 프레임들로부터 대상체의 전방 궤적을 추정하고, 임팩트 후 프레임들로부터 이 대상체의 후방 궤적을 추정하고, 이 두 궤적들이 교차하는 시간을 정확한 임팩트 시간으로 계산함으로써 보다 정확한 임팩트 시간을 결정할 수 있다.

하나 이상의 실시예에서, 예를 들어, 골프 공을 쳐서 그 궤적이 홀에 들어가도록 하는 것과 같이, 대상체에 대한 바람직한 궤적이 있을 수 있다. 하나 이상의 실시예는 이 바람직한 궤적을 관찰된 궤적과 비교하고, 궤적 차이들을 모션 메트릭으로 보고할 수 있다. 하나 이상의 실시예는 관찰된 궤적을 원하는 궤적으로 변환하는 데 필요한 대상체 궤적의 초기 조건들의 변화들을 결정할 수 있다. 초기 조건들은 예를 들어 대상체의 초기 속도 및 방향을 포함할 수 있다. 예를 들어 골프의 경우, 초기 조건들에는 골프 공과 임팩트할 때의 골프 클럽 헤드의 속도와 조준(aim)이 포함될 수 있다.

하나 이상의 실시예는 비디오로부터 하이라이트 프레임들 또는 실패 프레임들(fail frames)의 세트를 생성할 수 있으며, 여기서 하이라이트 프레임들 또는 실패 프레임들은 관심 활동을 포함할 수 있다. 관심 활동은 하나 이상의 활동 시그니처로 식별될 수 있으며: 예를 들어, 센서 데이터는 특정 모션 메트릭들이 관심 활동들을 결정하는 특정 범위들 내 또는 외부에 속하는 시기를 결정하는 데 사용될 수 있다. 예로서, 0에 가까운 가속도계 값들을 찾기 위해 가속도계 데이터를 스캔함으로써 점프가 결정될 수 있으며, 이는 대상체가 자유 낙하 중임을 나타낼 수 있다. 충돌을 나타내는 큰 실패(epic fail)는 높은 속도와 0 또는 매우 낮은 속도 사이의 급격한 전환을 찾는 속도 데이터 스캔에 의해 결정될 수 있다. 하이라이트 또는 실패 프레임들에는 관심 있는 활동 전후의 특정 프레임들도 포함될 수 있다. 하이라이트 또는 실패 프레임들은 저장소, 뷰어, 서버, 컴퓨터, 소셜 미디어 사이트, 모바일 디바이스, 네트워크, 및 응급 서비스 중 하나 이상으로 전송될 수 있다. 하나 이상의 실시예는 모션 메트릭들의 값들을 나타내는 데이터 또는 그래픽들로 하이라이트 또는 실패 프레임들을 오버레이할 수 있다. 하나 이상의 실시예는 하이라이트 또는 실패 프레임들 이외의 비디오 부분들을 폐기하도록 카메라에 지시하는 메시지들을 비디오를 캡처한 카메라에 전송할 수 있다.

하나 이상의 실시예는 모션 메트릭으로서 활동에 대한 경과 시간을 계산할 수 있다. 활동에 대한 시작 시간은 예를 들어, 활동의 시작에 대응하는 시그니처를 검출하기 위해 모션 캡처 데이터를 사용하여 결정될 수 있다. 활동의 종료 시간은 예를 들어 활동의 완료에 대응하는 시그니처를 검출하기 위해 비디오 분석을 사용하여 결정될 수 있으며; 예를 들어, 결승선에 배치된 카메라는 결승선을 통과하는 대상체를 검출할 수 있다.

본 방법의 하나 이상의 실시예는 모션 캡처 요소들로부터 수신된 이벤트 데이터와 비디오를 동기화하는 이벤트에 대한 동기화된 이벤트 비디오를 생성할 수 있다. 이 동기화는 이벤트 데이터를 계산하거나 모션 캡처 요소들로부터 이벤트 데이터를 수신하고, 이벤트 데이터로부터 이벤트 시작 시간 및 이벤트 중지 시간을 얻을 수 있다. 비디오와 연관된 비디오 시작 시간 및 비디오 중지 시간을 얻을 수 있다. 그런 다음, 이벤트 시작 시간과 이벤트 중지 시간 사이의 이벤트 시간을 비디오 시작 시간과 비디오 중지 시간 사이의 비디오 시간과 연관시켜 정열함으로써 동기화된 이벤트 비디오를 생성할 수 있다. 하나 이상의 실시예는 동기화된 이벤트 비디오에 이벤트 데이터를 오버레이할 수 있다. 하나 이상의 실시예는 이벤트 시작 시간과 이벤트 중지 시간 사이의 시간 간격을 벗어난 비디오 일부를 전송하지 않고 동기화된 이벤트 비디오를 다른 컴퓨터로 전송하도록 카메라에 지시할 수 있다. 하나 이상의 실시예는 또한 이벤트 시작 시간과 이벤트 중지 시간 사이의 시간 간격을 벗어난 비디오 일부를 삭제하도록 카메라에 시지할 수도 있다.

하나 이상의 실시예는 먼저 제1 기준 세트를 사용하여 예상되는 이벤트를 식별한 다음, 제2 기준 세트를 사용하여 예상되는 이벤트가 유효한 이벤트인지 여부를 결정함으로써 오탐 이벤트를 검출 및 제거할 수 있다. 제1 기준 세트는 예를 들어, 모션 캡처 데이터로부터 제1 임계값을 초과하는 제1 값을 갖는 것과, 제1 값을 포함하는 샘플 주변의 시간 윈도우 내에서 모션 캡처 데이터로부터 제2 임계값을 초과하는 제2 값을 갖는 것을 포함할 수 있다. 제2 기준 세트는 예를 들어 예상되는 이벤트를 일반적인 이벤트와 연관된 특징 신호와 비교하거나, 또는 예상되는 이벤트 동안의 비디오를 이러한 일반적인 이벤트와 연관된 특징 이미지와 비교하거나, 또는 둘 다를 비교할 수 있다.

본 발명의 실시예들은 플레이어, 장비, 및 공과 같은 투사체(projectiles)의 조합을 추적하는 다양한 유형들 또는 양식들의 여러 센서들로부터의 데이터를 결합할 수 있다. 센서 데이터는 유선 또는 무선 통신 인터페이스들을 통해 이벤트 분석 및 태깅 시스템으로 전송될 수 있다. 이벤트 분석 및 태깅 시스템에는 센서 데이터를 분석하는 하나 이상의 프로세서가 포함될 수 있다. 센서 데이터는 공통 시간 스케일에 동기화될 수 있으며, 이벤트 검출 및 이벤트를 설명하는 메트릭들의 생성을 위해 분석될 수 있다.

센서들은 예를 들어 관성 모션 센서, 비디오 카메라, 라이트 게이트(light gates), 라이트 커튼(light curtains), 및 레이더를 포함할 수 있지만 이에 제한되지 않다. 관성 모션 센서들에는 예를 들어 가속도계, 자이로스코프, 자력계, 또는 보다 일반적으로 포지션, 방향, 선속도 또는 각속도, 선가속도 또는 각가속도 중 하나 이상을 측정하는 임의의 센서가 포함될 수 있다. 센서 양식들의 조합이 사용될 수 있다. 예를 들어, 시스템의 실시예는 비디오 카메라를 사용하여 플레이어를 추적하고, 레이더를 사용하여 공의 속도를 추적하고, 관성 모션 센서를 사용하여 배트와 같은 장비를 추적할 수 있다. 다른 실시예는 예를 들어 장비에 관성 모션 센서가 장착된 장비 부분을 추적하고, 투사체에 내장된 다른 관성 모션 센서를 사용하여 투사체(예컨대, 공)를 추적할 수 있다.

제한되는 것은 아니지만, 스포츠 장비를 포함하는 장비에 센서를 부착하거나 다른 방식으로 장비의 모션을 측정하거나 관찰할 수 있다. 장비는 이벤트에서 한 명 이상의 플레이어가 착용하거나, 부착하거나, 휴대하거나, 사용할 수 있다. 시스템의 센서들에 의해 추적되는 장비들에는 제한되는 것은 아니지만, 예를 들어, 배트, 라켓, 패들, 골프 클럽, 활, 총, 새총, 사브르(sabre), 쿼터스태프, 라크로스 스틱, 하키 스틱, 필드하키 스틱, 폴로 말렛, 크로켓 말렛, 당구 큐, 셔플보드 큐, 장갑, 신발, 벨트, 시계, 헬멧, 모자, 스키, 스노보드, 스케이트보드, 서핑보드, 아이스 스케이트, 썰매, 루지, 윈드서핑 보드, 행글라이더, 롤러 스케이트, 롤러 블레이드, 자동차, 스노모빌, 제트 스키, 자전거, 세발 자전거, 외발 자전거, 오토바이, 스노모빌, 기계식 황소(mechanical bull) 등이 포함될 수 있다.

일부 스포츠 경기나 기타 활동에는 공과 같은 투사체가 사용된다. 투사체는 플레이어가 던지거나, 잡거나, 운반하거나, 발로 차거나, 부딪칠 수 있다. 일부 활동들에서는 플레이어들이 투사체를 치거나 잡거나 운반하기 위해 장비를 사용할 수 있다. 시스템의 센서들에 의해 추적되는 투사체들에는, 제한되는 것은 아니지만, 예를 들어, 공, 풋볼, 럭비공, 오스트레일리아 규칙 풋볼, 축구공, 배구공, 수구공, 폴로공, 농구공, 라크로스공, 필드하키공, 크로켓공, 당구공, 말발굽, 셔플보드 디스크, 테니스공, 탁구공, 라켓공, 핸드볼, 보체공, 잔디다트, 스쿼시공, 셔틀콕, 야구공, 소프트볼, 골프공, 볼링공, 하키퍽, 피구공, 킥볼, 위플(Wiffle).TM. 공, 창, 투포환, 원반, 구슬, 총알, 화살, 칼, 투석기, 볼라, 수류탄, 물풍선, 부메랑, 프리스비, 카버, 컬링 스톤 등이 포함될 수 있다.

많은 스포츠에서 플레이어는 투사체를 치거나 다른 방식으로 접촉하기 위해 장비를 스윙한다. 예들로서는 야구공을 치는 배트, 테니스 공을 치는 테니스 라켓, 폴로 공을 치는 폴로 말렛 등이 있다. 본 발명의 실시예들은 투사체의 모션과 투사체를 타격(또는 타격 시도)하는 장비의 모션에 대한 정보를 결합함으로써 스윙 이벤트를 측정할 수 있다. 예를 들어, 야구 또는 소프트볼에서, 하나 이상의 실시예는 배트 모션에 대한 센서 데이터와 공 모션에 대한 센서 데이터를 결합하여 반응 시간 메트릭을 계산할 수 있으며, 이는 예를 들어 투수를 떠난 공과 공을 치기 위한 배트의 전방 스윙 시작 사이의 경과 시간으로 정의될 수 있다.

하나 이상의 실시예는 투사체의 시간에 따른 궤적 및 투사체를 치거나 치려고 시도할 때 장비의 시간에 따른 궤적을 계산함으로써 스윙 이벤트를 분석할 수 있다. 예를 들어 장비 궤적은 장비에서 선호하는 타격 위치(예컨대, 배트의 스위트 스팟(sweet spot))의 시간 경과에 따른 위치를 추적할 수 있다. 메트릭들은 장비와 투사체 궤적들의 조합을 분석함으로써 계산될 수 있다. 예를 들어, 하나 이상의 실시예는 먼저 최적의 타격 지점을 나타내는 투사체 궤적들 상의 지점을 계산할 수 있다. 투사체는 최적의 타격 시간인 특정 시점에서 이 지점에 도달할 수 있다. 그런 다음 최적의 타격 위치와 최적의 타격 시간에 장비 궤적 상의 위치 사이의 벡터 차이로부터 스윙 정확도 메트릭이 도출될 수 있다. 잘못된 스윙은 공간 편차(스윙이 올바른 위치로 이동하지 않음) 또는 시간 편차(스윙이 올바른 위치에 도달했지만 너무 이르거나 너무 늦음)로 인한 것일 수 있다. 하나 이상의 실시예는 최적의 타격 위치와 이 최적의 타격 위치에 대한 장비 궤적 상의 가장 가까운 지점 사이의 벡터 차이로부터 도출된 공간 편차 메트릭을 계산할 수 있다. 시간 편차 메트릭은 최적 타격 시간과 장비 궤적이 최적 타격 위치에 대한 가장 가까운 접근 지점에 도달한 시간 사이의 시간 차이로부터 도출될 수 있다.

본 발명의 실시예들은 예를 들어 센서 데이터의 분석에 기초하여 이벤트들에 대한 하나 이상의 태그들을 자동으로 생성하거나 선택할 수 있다. 태그들을 사용한 이벤트 데이터는 추후 검색 및 분석을 위해 이벤트 데이터베이스에 저장될 수 있다. 태그들은 예를 들어 활동 유형, 플레이어, 타임스탬프, 활동의 단계, 수행력 레벨, 또는 스코어 결과를 나타내지만 이에 제한되지 않는다.

하나 이상의 실시예는 또한 소셜 미디어 사이트 또는 다른 서버로부터 텍스트, 오디오, 이미지, 또는 비디오와 같은 미디어를 분석하여 이벤트 태그들을 생성, 수정 또는 확인할 수 있다. 분석되는 미디어에는 예를 들어, 이메일 메시지, 음성 통화, 음성 메일, 오디오 기록, 비디오 통화, 비디오 메시지, 비디오 기록, 문자 메시지, 채팅 메시지, 소셜 미디어 사이트의 게시물, 블로그의 게시물, 또는 자연 상태의 게시물을 포함될 수 있으며, 이에 제한되지는 않는다. 분석 대상의 미디어 소스들에는 이메일 서버, 소셜 미디어 사이트, 사진 공유 사이트, 비디오 공유 사이트, 블로그, 위키, 데이터베이스, 뉴스 그룹, RSS 서버, 멀티미디어 저장소, 문서 저장소, 및 문자 메시지 서버 등이 포함될 수 있으며, 이에 제한되지는 않는다. 분석에는 이벤트와 관련된 키워드 및 구문에 대한 텍스트 검색이 포함될 수 있다. 이벤트 태그들 및 다른 이벤트 데이터는 소셜 미디어 사이트들이나 다른 서버들 또는 정보 시스템들에 게시될 수 있다.

하나 이상의 실시예에서, 센서 또는 비디오 데이터는 장기간에 걸쳐 수집될 수 있으며, 해당 기간의 특정 부분에만 관심있는 활동들이 포함될 수 있다. 따라서, 하나 이상의 실시예는 관심 활동들의 시그니처들을 수신하고, 이러한 시그니처들을 사용하여 센서 및 비디오 데이터를 필터링하여 관심 활동들에 초점을 맞출 수 있다. 예를 들어, 하나 이상의 실시예에서, 관심 활동들을 구체적으로 보여주는 하이라이트 프레임들의 세트가 비디오로부터 선택될 수 있다.

이 예시적인 예에서, 관심 있는 활동 중 하나는 높은 속도로 점프하는 것이다. 점프에 대한 시그니처는 가속도의 크기가 g/2 이하로 떨어지는 것이며, 스노보드가 자유 낙하 중이고 속도의 크기가 시속 50mph 이상임을 나타낸다. 센서로부터 수신된 가속도 크기는 시간 경과에 따른 가속도 임계값과 비교된다. 가속도계는 자이로와 같은 다른 관성 센서들로부터의 데이터와 함께 통합되어 속도 데이터를 형성한다. 스노보더가 작은 점프를 하기 때문에 프레임(4103)에서 가속도 크기가 임계값 아래로 떨어지며; 하지만 그 시간에서의 속도는 활동 시그니처와 매칭할 만큼 충분히 빠르지 않다. 비디오 프레임에 대응하는 시간에 가속도 크기가 다시 임계값 아래로 떨어지고; 이때 속도도 필요한 임계값을 초과하므로 데이터는 활동 시그니처와 매칭한다. 가속도 모션 메트릭을 임계값과 비교함으로써 검출된 점프 활동을 보여주기 위해 3개의 하이라이트 비디오 프레임들이 선택된다. 하나 이상의 실시예는 활동 시간 기간 동안 캡처된 모든 프레임들을 포함하는 관심 활동 동안 하이라이트 프레임들을 선택할 수 있다. 하나 이상의 실시예는 활동 시간 기간 이전 또는 이후에 있는 하이라이트 프레임들에 추가 프레임들을 추가할 수 있다. 하나 이상의 실시예는 예를 들어, 전체 비디오가 아닌 작은 세트의 하이라이트 이미지들을 생성하기 위해 활동 시간 기간 동안 선택된 프레임들만을 샘플링할 수 있다.

하이라이트 프레임들을 생성하는 하나 이상의 실시예에서, 하이라이트 프레임의 소비자들에는: 예를 들어, 임의의 비디오 또는 이미지 뷰잉 디바이스; 비디오, 이미지, 또는 데이터의 저장소; 서버, 데스크톱, 노트북, 또는 태블릿과 같은 임의의 유형의 컴퓨터; 전화와 같은 임의의 모바일 디바이스; 소셜 미디어 사이트; 임의의 네트워크; 및 응급 서비스가 포함될 수 있지만 이에 제한되지 않는다. 비디오 하이라이트를 응급 서비스로 전송할 수 있는 실시예의 예는 예를 들어 자전거 또는 오토바이에 대한 충돌 검출 시스템이다. 이 실시예는 예를 들어 가속도계를 사용하여 충돌을 검출하고 온보드 카메라를 사용하여 지속적으로 비디오를 캡처하여 사용자를 모니터링할 수 있다. 충돌이 검출되면, 충돌의 위치 및 심각도에 관한 정보가 충돌을 보여주는 비디오와 함께 응급 서비스로 직접 전송될 수 있다. 하이라이트 이벤트, 충돌 또는 임의의 다른 유형의 이벤트 등의 이벤트 현장에 있는 모든 카메라들이 쿼리되어(queried), 예를 들어 이벤트의 위치를 둘러싸는 시야를 사용하여 해당 위치 및 시간으로부터의 비디오가 있는지 결정할 수 있다. 이벤트를 포함하는 비디오들 또는 이벤트 근처와 시간 근처의 다른 센서들도 쿼리되어, 그룹 이벤트를 정의하기 위해 전송될 수 있다. 심박수, 소리 또는 소리 레벨들을 포함한 다른 센서 데이터도 하이라이트 또는 실패와 같은 다른 유형의 이벤트에 적합한 이벤트를 나타낼 수 있다. 사용자와 연관된 모든 그룹의 멤버들은 이벤트 또는 그룹 이벤트에 가입하여 그날의 하이라이트 또는 실패를 확인할 수 있다.

다른 실시예에서, 본 발명은 모션의 효과적이고 효율적인 실행이라는 공통의 목표를 향해 작용하는 상호 의존적인 모션 구성 요소들의 체인을 포함하는 키네틱 링크를 포함한다. 이 키네틱 링크 원리는 손이나 발로 작동되거나 조작되는 도구 또는 스포츠 장비 항목의 사용 여부와 관계없이 신체적 노력을 통해 어떠한 방식으로든 작업을 수행하거나 에너지를 변환 또는 전달하려는 모든 역동적인 운동 유형의 신체 모션들에 적용 가능한다. 예를 들어, 골프 클럽으로 골프공을 치는 동작인 골프 스윙 모션에서 키네틱 링크는 4개의 주요 구성 요소들과 3개의 링크들로 구성된다. 이 4개의 구성 요소들과 3개의 링크들이 결합하여 신체의 전체 모션을 나타낸다. 구성 요소들은 엉덩이 부분, 어깨 부분, 팔 부분, 및 클럽으로 구성된다. 링크들에는 각각의 신체 세그먼트 사이에 있는 근육이 포함된다. 이러한 유형의 모션이 레버리지되어야 하는 지점과 기준점(frame of reference)은 지면이 되므로, 모션의 완전한 분석은 먼저 발부터 시작하여, 전체적인 자세, 엉덩이, 그리고 어깨와, 팔과, 클럽, 마지막으로 공을 고려해야 한다. 키네틱 링크 중 어느 한 지점이라도 약하면 전체 수행력이 최적화되지 않는다. 모션의 구성 요소들을 식별하고 개선하는 수단을 통해 전체적인 수행력을 향상시킬 수 있다. 이러한 가정이 본 발명의 기초가 된다.

가장 넓은 의미에서, 본 발명은 골프와 같은 운동 활동들 및 반복적인 운동 모션들이 일상 업무 또는 여가 활동의 본질적인 부분인 사람들에게 골프 스윙 또는 다른 특정 운동 모션의 효과를 개선하기 위해 수행력 테스트 및 훈련 체제를 제공하기 위한 글로벌, 지식 기반, 기업 시스템 및 방법일 수 있다.

시스템 및 방법의 일반적인 예는 사용자 또는 피평가자를 계측하고 모션을 모니터링하기 위해 최첨단 기술과 장비를 사용하고, 테스트 결과의 분석을 위해 방대한 수행력 데이터 라이브러리(library of performance data)를 활용 및 기여하며, 코치 또는 시스템 운영자가 사용자가 보거나 모니터링할 수 있도록 다양한 동기화된 형식들의 풍부한 정보 그래픽 디스플레이 결과를 제공하고, 결과들에 기초하여 표준화된 도구 및 훈련 보조 도구를 사용하여 표준화된 운동 라이브러리로부터 선택된 운동으로 사용자별 훈련 체계를 처방하는 방식이다.

사용자들과 코치들은 수행력 데이터 라이브러리에 액세스하여 사용자의 가장 최근 테스트 수행력을 확인하고 자신 또는 다른 피평가자의 이전 테스트 결과와 비교할 수 있다. 적절한 양의 오프라인 운동 후 또는 사용자 또는 코치의 요청에 따라 테스트가 반복된다. 규정된 훈련의 세부 사항은 다시 계산되며 이전 테스트 결과와 더불어 현재 수행력 테스트 결과에 대한 가중치를 고려할 수 있다. 수행력 보고서(performance reports)는 사용자가 경험한 수행력의 변화의 유형과 정도에 대한 객관적인 기록을 제공한다.

이 시스템은 라이브 연습 세션 동안 특정 훈련 또는 전체 모션에 대한 각각의 연속 시도에 대해 본질적으로 즉각적인 또는 "실시간" 시각 및/또는 청각 바이오피드백을 제공하거나 "재생" 프레젠테이션을 제공하기 위해 사용될 수 있다. 지정된 훈련의 목표로부터 특정 파라미터들의 편차가 보고되고 사용자는 피드백에 즉각적으로 반응하여 다음 번에 동일한 훈련을 시도하는 동안 특정 파라미터들의 편차를 줄일 수 있는 기회를 갖게 된다.

일 실시예에서, 본 발명은 골퍼의 골프 스윙 모션 분석을 위한 로컬 시스템 또는 방법으로서, 반복적인 사용을 통해 골퍼의 수행력을 향상시키기 위한 것이다. 본 발명은 다수의 신체 및/또는 도구 장착 센서들의 사용, 데이터 처리 및 분석을 위한 수신기/컴퓨터 및 데이터베이스 시스템으로의 센서 데이터의 실시간 유선 또는 무선 전송, 테스트의 비디오 및/또는 오디오 기록 입력을 포함한다. 시스템은 전체 모션의 구성 요소들에 대한 교정 및 비교 데이터 출력의 그래픽 표현, 모션 데이터로부터 생성된 모션의 애니메이션, 및 모션의 실제 비디오 등을 포함하는 연관된 형태들의 바이오 피드백으로 구성된 결과를 즉각적으로 생성한다. 이 세 가지 형태의 피드백은 골퍼 및/또는 강사가 즉시 동화되고 이해할 수 있도록 프레젠테이션에 결합되어 중간 피드백을 통해 순차적으로 모니터링할 수 있는 즉각적인 형태 또는 모션의 양태들을 개선하기 위한 규정된 훈련의 연습을 위한 장기간의 피드백 모드 중 하나로 제공된다.

분석은 전체 모션을 미리 결정된 주요 구성 요소 모션들로 감소시킨다. 결과의 교정된 데이터 출력 부분은 사용자 자신의 모션 구성 요소들의 상대적인 타이밍과 진폭을 나타낼 수 있다. 비교 데이터 출력은 시스템 데이터베이스로부터의 전문가 또는 다른 표준 수행력 데이터 또는 사용자 자신의 이전 테스트 수행력 데이터의 동일한 구성 요소들에 대한 사용자 모션의 구성 요소들의 상대적 타이밍 및 진폭의 비교를 나타낼 수 있다. 데이터 처리 및 바이오 피드백에는 사용자의 실제 수행력 데이터에 따라 조정된 자세, 균형, 엉덩이 모션(hip motion), 어깨 및 팔 모션과 같은 모션 구성 요소 기반의 훈련을 위해 사용자의 수행력 레벨 및 사용 가능한 시간에 따라 맞춤화된 표준 운동 데이터베이스로부터의 처방이 추가적으로 포함될 수 있다. 운동은 운동 동안 미리 결정된 도구 및 훈련 보조 도구 라이브러리 중에서 특수 도구 및 훈련 보조 도구의 사용을 처방하거나 가정할 수 있다.

위에서 설명한 바와 같이, 데이터 입력, 분석, 및 바이오 피드백 보고서는 테스트 대상 사용자의 원하는 방향에서 추가 모션 데이터를 캡처하기 위해 배치 및 집중된 비디오, 오디오, 및 다른 기록 디바이스들을 사용하여 증강되고, 분석 및 보고서에 대한 최적의 사용자 이해 및 동화를 위해 데이터 출력과 통합될 수 있는 추가 그래픽, 비디오, 오디오, 또는 다른 형태의 출력을 제공하도록 처리되는 것이 바람직하다.

로컬 또는 글로벌 실시예들의 시스템 및 방법은 수행력 향상, 부상 예방 및/또는 재활 프로그램을 제공하기 위해 사용자 모션을 통해 에너지가 모든 유형의 작업으로 변환되는 다른 운동 또는 직업 모션들에 적용될 수 있다.

본 발명의 센서 디바이스는 사용자의 신체 및/또는 골프 클럽과 같은 모션 도구 또는 디바이스에 선택적으로 전략적 지점에 부착될 수 있다. 모션 센서는 센서의 3차원 포지션 및 자세를 감지하고 보고하기 위한 다중 요소 감지 시스템 및 회로를 포함하고, 이는 추가적인 애플리케이션별 처리를 위해 벡터 데이터의 실시간 출력을 전송한다. 모션 센서 내의 다중 요소 감지 시스템의 한 실시예에는 매사추세츠주 베드포드에 있는 InterSense사에서 생산하는 3개의 자이로스코프 관성 센서들, 3개의 가속도계들, 3개의 자력계들이 포함된다. 모션 데이터는 일반적으로 3개의 모션 센서들을 사용하는 시스템에서 120헤르츠의 속도로 업데이트되지만, 더 적거나 더 많은 수의 모션 센서들과 더 빠르거나 더 느린 포지션 업데이트 속도를 가진 시스템들도 본 발명의 범위 내에 있다.

전체 모션 센서들의 세트로부터의 벡터 데이터는 아래에 자세히 설명된 대로 골프 스윙 또는 다른 운동 모션의 주요 구성 요소들을 도출하고 특성화할 수 있는 충분한 데이터이다. 이 정보는 각각의 센서로부터 개별적으로 직접적으로 또는 일부 또는 모든 센서들이 유선 연결될 수 있는 공통 송신기를 통해 거의 실시간으로 가까운 수신기로 전송되고, 애플리케이션별 데이터 처리 및 분석, 사용자의 수행력을 나타내는 데이터 및 그래픽 출력 보고서 생성을 위한 처리 컴퓨터로 전송되며, 아래에서 자세히 설명된다.

처리 컴퓨터는 다양한 센서들로부터 수신된 데이터에 대해 관계형 계산을 수행하며, 그에 따라 관심있는 다양한 애플리케이션 관련 파라미터들을 계산할 수 있다. 예로서, 골프 전용 소프트웨어가 탑재된 처리 컴퓨터는 골퍼가 골프 클럽을 스윙하는 동안 자신의 어깨가 돌아가는 각도 또는 클럽 페이스 각도 등을 계산할 수 있다. 이러한 파라미터들을 여기서는 "수행력 파라미터(performance parameters)"라고 한다.

특히 골프 스윙 모션 분석 시스템에서, 관성 센서 데이터는 일반적으로 골퍼의 신체 수행력과 관련된 다음 파라미터들로 처리된다: 엉덩이 속도(hip velocity)(초당 도(degrees per second)); 엉덩이 회전(음 각도 및 양 각도(degrees negative and positive)); 어깨 속도(초당 도); 어깨 회전(음 각도 및 양 각도); 클럽 릴리스(초당 도); 클럽 속도(시간당 마일); 클럽 페이스 회전(오픈/클로즈 각도); 클럽 경로(클럽의 어드레스 포지션 안쪽 또는 바깥쪽 각도), 엉덩이 선형 모션(중립 어드레스에서 왼쪽 또는 오른쪽 센티미터), 엉덩이 어깨 분리(최대 엉덩이, 어깨, 클럽 속도 사이의 시간 차이), 엉덩이 부분의 굴곡/신장(Z축을 따라 이동한 센티미터) 및 키네틱 링크. 이러한 파라미터들이 추가적으로 추정되어: 스핀(초당 도); 발사 각도(launch angle)(도); 캐리 거리; 롤 거리(야드); 총 거리(야드); 라인에서 벗어난 거리(오른쪽 또는 왼쪽 야드); 공의 비행 특성(페이드, 드로우, 훅, 슬라이스, 푸시, 풀, 스트레이트); 및 PTI 또는 파워 전달 인덱스 등 파라미터들의 예측된 “비행 중인 공”의 결과 수행력을 산출한다.

처리 컴퓨터는 또한 골퍼 또는 그의 강사가 스윙을 시각화하고 조정할 수 있도록 스윙에 대한 정보를 표시할 수 있다. 예를 들어, 일 양상에서, 시스템은 골퍼의 라이브 비디오 피드(골퍼와 매우 인접하게 위치되고 무선 또는 다른 방식으로 처리 컴퓨터에 연결된 비디오 카메라로부터의 비디오 피드를 통해 얻어짐), 모션 데이터로부터 생성된 동일한 모션의 애니메이트된 단순화, 주어진 프리즈 프레임에서 다양한 파라미터들의 상태를 보고하는 통계를 표시한다. 시스템은 또한, 시간에 따른 스윙을 특징짓는 이전 단락에서 설명한 바와 같이 다양한 수행력 파라미터들의 계산 결과를 표시할 수 있으며; 예를 들어 시스템은 특정 스윙 동안 클럽 페이스 각도 또는 어깨가 회전하는 각도에 관한 데이터를 표시할 수 있다.

계측된 골퍼에 또는 근처에 장착된 제어 또는 피드백 모듈의 형태로 처리 컴퓨터와 골퍼 사이의 시스템 인터페이스는 특정 골프 스윙 시도를 준비하거나 이에 대한 응답으로 골퍼에게 지침을 제공할 수 있다. 시스템 인터페이스는 골퍼에게 예를 들어, 공을 어드레스하도록 지시하거나, 골퍼가 스윙을 시작할 수 있는 5초 윈도우를 제공하는 등의 지시를 내릴 수 있다. 이러한 지시들은 일 실시예에서 가청 신호음 또는 합성 음성 또는 미리 기록된 음성 명령의 형태일 수 있다. 색상 램프 또는 백라이트 LCD 또는 다른 유형의 시각적 신호 디스플레이가 코드화된 또는 영숫자 지시를 내릴 수도 있다. 이러한 기능들은 센서들을 절대 포지션에 맞게 교정하는 데 필요한 특정의 적시 입력들을 확보하고 테스트 세션의 순서 또는 진행 상황을 조율하는 데 유용하다.

하나의 응답 모드에서, 시스템은 시스템 인터페이스를 통해 처리 컴퓨터가 다음의 규정된 연습(아래에 자세히 설명되어 있음)을 따르도록 골퍼를 지원하는 "바이오 피드백 모드"에서 작동하는 것으로 특징될 수 있다. 이 모드에서, 처리 컴퓨터는 또한 디스플레이 유닛 또는 스크린에 골퍼 및/또는 그의 강사에게 하나 이상의 계산된 수행력 파라미터들과 골퍼의 비디오 이미지들을 표시할 수 있다. 계산된 관심 진단 파라미터들은 스크린에 보고되거나, 나중에 분석하기 위해 저장되거나, 성공 또는 실패 코드들로 변환되어 골퍼 및/또는 그의 강사에게 다시 전송되거나, 이러한 작업들의 조합으로 전송될 수 있다.

골퍼에게 바이오 피드백으로 전송되는 코드들은 성공적인 스윙과 성공적이지 못한 스윙 사이에 차이를 두는 톤이나 색상의 형태가 될 수 있다. 예를 들어, 골퍼가 어깨를 수직으로부터 정확히 40도 회전하는 일련의 연습에서 골퍼를 훈련시키도록 시스템이 프로그래밍되고 설정된 경우, 시스템은 제어 모듈을 통해 스윙이 이상적인 회전 각도에 대해 미리 결정된 오차 이상으로 다를 경우 그래픽 디스플레이 스크린 내에서 톤이나 조명 또는 색상 변화를 통해 골퍼에게 경고할 수 있다. 예를 들어, 회전 각도가 35~45도 사이일 때만 스윙이 성공한 것으로 간주된다. 톤 또는 변화하는 조명은 여러 개의 밴드들 또는 범위들을 가질 수 있어 중간 또는 스케일링된 결과들을 가능하게 한다. 예를 들어, 진단 파라미터가 이상적인 것으로부터 크게 벗어난 스윙에는 빨간색 조명이, 동일한 진단 파라미터가 이상적인 것으로부터 약간만 벗어난 스윙에는 노란색 조명이, 동일한 진단 파라미터가 미리 지정된 오차 범위보다 적게 벗어난 스윙에는 녹색 조명이 표시될 수 있다. 신호 조명은 애니메이션의 배경이 될 수 있다. 스크린에서 선택된 조명 부분의 색상 변화에 의해 전달되는 정보는 숫자, 막대 그래프, 선 그래프 및 문자 메시지들을 포함한 다른 오디오, 텍스트, 숫자 및/또는 그래픽 형식들로 동일하거나 더 많거나 더 적은 세부 사항으로 표시될 수 있다. 구두 콜아웃(oral callouts)이 함께 또는 대체로 사용될 수 있다.

피드백 보고서는 또한 연속적이거나 고도로 차별화될 수도 있으며; 예를 들어, 가청 톤의 길이가 진단 파라미터가 이상적인 것으로부터 벗어난 정도에 대응할 수 있고, 골퍼는 톤이 짧아지거나 사라질 때까지 연습하라는 지시를 받을 수 있다. 피드백 모드에서 사용될 수 있는 특성들로는 조명의 깜박임 횟수, 조명의 색상, 소리 주파수, 소리 볼륨, 톤 길이, 및 톤 유형 등이 있다. 오디오 형식의 피드백 정보는 스피커나 이어폰에서 출력되는 합성된 음성으로 생성될 수 있다.

처리 컴퓨터 및 시스템 인터페이스는 또한 골프 전문가 또는 다른 모션 전문가 또는 강사에 의한 직접 또는 인터넷 연결을 통한 원격 모니터링을 포함하고, 시스템에 강사가 입력한 지시들을 통해 또는 인터넷 연결을 통해 원격 위치로부터 시스템에 의해 수신된 것을 통해 연습을 시작, 중단 또는 제어하는 지침을 강사가 골퍼에게 전송할 수 있게 한다.

관심 있는 다양한 골프 관련 파라미터들을 계산한 후, 이러한 진단 파라미터들은 테스트 결과 및 연습의 상호 참조 테이블을 색인화하여 골퍼에게 스윙을 개선하기 위한 적절한 개별화된 연습을 자동으로 처방하는 데 활용될 수 있다. 일 실시예에서, 계산된 각각의 진단 파라미터는 2개, 3개 또는 그 이상의 범위로 분할되며, 각각의 범위는 특정 운동과 관련하여 처방된 동작에 대응한다. 예를 들어, 특정 진단 파라미터의 제1 범위는 특정 운동의 처방을 생성할 수 있고, 동일한 파라미터의 제2 범위는 다른 처방을 생성할 수 있으며, 동일한 파라미터의 제3 범위는 골퍼가 파라미터가 측정하는 스윙의 특정 측면에 문제가 없기 때문에 처방된 운동을 생성하지 않을 수 있다. 각각의 예에서 상이한 처방은 예를 들어 특정 운동의 특정 반복 횟수, 특정 운동에 부여된 상이한 우선순위 레벨(우선순위 레벨에 대해서는 다음 단락 참조), 특정 운동에 사용되는 상이한 운동 도구 또는 액세서리, 또는 완전히 상이한 운동이 될 수 있다. 또한, 운동의 빈도와 지속 시간은 골퍼가 이전에 시스템에 입력한 대로 골퍼의 사용 가능한 시간과 일정에 따라 처방 컴파일러에 의해 배분될 수 있다.

대안적으로, 둘 이상의 진단 파라미터들로부터 얻은 결과를 조합하여 처방전을 만들 수도 있다. 변형된 경우, 지식 기반에는 전문가 인터뷰를 통해 개발된 규칙, 스윙에 의해 생성된 측정 결과에 기반한 자동화된 분석 기술, 또는 퍼지 논리 원칙이 포함될 수 있다. 일 실시예에서, 진단 파라미터들은 우선순위 레벨들이 할당된 운동 처방을 생성한다. 예를 들어, 특정 골퍼의 스윙에서 하나의 진단 파라미터가 이상적인 것과 매우 멀리 떨어진 반면 다른 진단 파라미터는 부분적으로만 이상적인 것과 차이가 나는 경우, 제1 진단 파라미터에는 다른 파라미터들보다 높은 우선 순위 레벨이 할당될 것이다. 또 다른 예로서, 두 진단 파라미터들이 이상적인 것과 차이가 있지만 하나는 좋은 골프 스윙에 더 중요하다고 간주되거나 다른 하나는 다른 것보다 좋은 기초를 제공하기 위해 제어하는 것이 중요하다고 간주되는 경우, 해당 파라미터가 다른 것보다 더 높은 우선 순위 레벨을 할당받게 된다.

일 실시예에서, 각각의 규정된 훈련 운동에는 1부터 9까지의 우선 순위 레벨이 할당되고, 여러 운동들에 공통의 우선 순위 레벨이 할당될 수 있다. 해당 실시예에서, 골퍼 또는 강사는 골퍼가 운동을 수행할 수 있는 시간을 컴퓨터에 입력함으로써 표시할 수 있으며, 시스템은 해당 정보에 기초하여 어떤 운동을 수행할지 추천할 수 있다. 예를 들어, 운동 모션 분석 시스템이 우선순위 1 레벨의 운동 3개, 우선순위 2 레벨의 운동 5개, 그보다 높은 우선순위의 다른 운동 4개가 필요하다고 예상하고 각각의 운동을 수행하는 데 최소 15분 이상의 시간이 필요한 것으로 판단되고 골퍼의 운동 시간이 제한되어 있다면 시스템은 그에 따라 운동을 할당하거나 처방할 수 있다. 구체적인 예로, 골퍼가 1시간의 사용 가능한 시간이 있다고 표시한 경우, 우선순위 1의 운동 세 가지를 각각 20분씩만 수행하도록 배정할 수 있다. 골퍼가 2시간을 사용할 수 있는 경우, 시스템은 우선순위 1과 우선순위 2의 운동을 각각 15분씩 모두 수행하도록 처방할 수 있다. 골퍼가 3시간을 사용할 수 있는 경우, 시스템에서 모든 운동을 각각 15분씩 할당할 수 있다. 각각의 운동을 수행하는 최소 시간은 다를 수 있으며, 특정 운동을 수행하는 데 권장되는 시간은 달라지거나 고정될 수 있으며, 우선 순위의 등급은 원하는 대로 변경될 수 있다.

또한, 진단 파라미터들은 골퍼에게 골프 클럽 또는 골프화와 같은 골프 장비를 처방, 선택 또는 맞춤화하는 데 사용될 수 있으며, 여러 유형들 중 하나 또는 특정 측정 파라미터를 갖는 맞춤형 버전 중 하나에 사용될 수 있다. 예를 들어, 특정 유형의 골프 클럽의 길이, 라이 각도(lie angle), 로프트(loft) 또는 무게는 골퍼에 대해 계산된 진단 파라미터들의 분석에 기초하여 골퍼의 키, 손 길이, 및 발 크기와 같은 골퍼에 대한 파라미터들과 결합하여 선택될 수 있다.

또 다른 측면에서는, 공에 대한 클럽 페이스의 포지션과 방향, 클럽의 속도 벡터와 페이스 각도 등 임팩트 시 계산된 파라미터들을 사용하여 공에 가해지는 힘을 예측하여 탄도를 예측할 수 있다. 지형에 대한 지식은 타격된 골프 공의 거리와 경로를 결정하거나 지형이 평평하다고 가정하고 거리를 예측할 수 있다. 순전히 힘 계산에 기반한 이러한 예측은 특정 유형의 골프공 테스트 등을 통해 대기 중 공의 거동에 대한 정보로 보완하여 공기 저항을 조정할 수 있다. 풍향과 풍속은 수동으로 시스템에 입력하거나 시스템에 연결된 전자 풍속계 또는 지역 대기 데이터 스테이션을 통해 또는 인터넷이나 무선 연결을 통해 시스템에 입력하는 등 다양한 방식으로 고려할 수 있다.

시스템은 원격 또는 로컬로 제어할 수 있으므로 외부 또는 현장 강사가 시스템 작동을 지시하거나 결과를 모니터링할 수 있다. 순수 사용자 포함 모드에서는, 벨트를 착용한 제어/디스플레이 유닛 또는 모듈과 같은 개인 제어 모듈과 데이터 모니터링 시스템을 사용하여 설정 및 테스트 작동을 위한 제어 입력들을 입력하고, 테스트 연습을 수행하고, 사용자가 스윙 데이터를 보고 검토할 수 있다.

이 방법론과 시스템은 동물 또는 인간의 테스트, 분석, 보고, 코치, 트레이너 및/또는 의료진 또는 물리 치료사의 진단 검토를 위한 기타 반복적인 운동 및 직업과 관련된 모션들에 적용될 수 있으며, 모션이 위에서 설명된 방식으로 데이터 획득 및 구성 부분으로 축소되기 쉬운 다양한 모션 능력의 훈련, 부상 예방 또는 재활을 위한 처방이 유사하게 생성되고 보고서는 애니메이션, 여러 데이터 트랙 및 비디오 형식의 동기화된 복합 디스플레이로 표시될 수 있다.

보고서와 규정된 연습 훈련 체제는 유용한 형식의 기록으로 집에 가져가거나 로컬 시스템 또는 연결된 호스트 지식 기반 기업 시스템에 연결되는 브라우저 기반 온라인 액세스 포인트를 통해 집에서 액세스하여 나중에 검토 및 연습할 수 있다.

따라서, 일 양상의 본 발명은 개인의 선택된 운동 모션을 분석하고 개선하기 위한 방법 및 장치로 구성되며, 이는 처리 컴퓨터, 관성 센서, 임의의 아날로그 또는 디지털 기술일 수 있는 비디오 카메라, 및 컴퓨터 구동 디스플레이 스크린을 갖는 컴퓨터 기반 모션 분석 시스템을 사용하는 단계; 개인에게 장착된 여러 관성 센서들과 선택적으로 도구에 장착된 비디오 카메라로 동작 중인 개인을 향한 카메라를 사용하여 모션의 실행을 모니터링함으로써 운동 모션을 수행하는 개인을 도구가 암시되는 경우 도구로 테스트하는 단계를 포함한다. 운동 모션에는 골프, 야구, 망치질, 톱질, 던지기, 기타 휴대용 도구 또는 스포츠 장비 사용이 포함될 수 있으며, 공, 배트, 라켓, 클럽, 패들, 노, 창, 망치, 드라이버, 스테이플 건, 다트, 말발굽, 도끼 등이 일부 포함될 수 있다. 이는 자전거, 공, 발로 작동하는 레버, 및 기타 도구와 대상체를 포함한 발로 작동하는 도구와 스포츠 장비를 사용하여 달리기, 발차기, 점프, 페달링 및 기타 발/다리 운동 동작으로 확장된다.

비디오 카메라를 사용하는 경우, 비디오 카메라는 테스트 대상자와의 정확한 정렬과 모션의 측정 및 분석에 유용한 기준점들을 확보하기 위해 사전에 신중하게 배치된다. 센서 데이터가 신체 모션을 정확하게 반영할 수 있도록 바디 웨어러블 어플라이언스를 사용하여 센서들이 신중하게 배치된다. 센서 데이터는 운동 모션이 실행되는 동안 센서들과 카메라로부터의 비디오 신호로부터 수집되며; 센서 데이터는 다리, 엉덩이, 어깨, 목, 머리, 팔, 손 등 특정 또는 고유한 신체 부위에 의해 수행되거나 그에 기인할 수 있는 운동 모션의 사전 정의된 선택된 구성 요소들의 사전 정의된 선택된 수행력 파라미터들을 나타내는 모션 데이터로 처리함으로써 분석된다. 분석 결과는 선택 가능한 여러 구성들의 실시간 컴퓨터 생성 디스플레이를 포함하는 형태로 보고되거나 제공되며, 그 중 하나는 비디오 디스플레이로서 비디오 신호의 합성, 동기화된 조합, 모션 데이터로부터 생성된 적어도 하나의 색상으로 코드화된 신체 세그먼트의 모션을 나타내는 다색 3차원 애니메이션, 선택된 여러 수행력 파라미터들의 시간 기반 그래프를 포함한다.

테스트에 앞서 모션의 특정 굽힘 또는 구부림 구성 요소들과 같이 선택된 모션 구성 요소들에 대한 모션 제한 범위를 설정하는 조항이 있을 수 있다. 모션의 애니메이션에는 신체 세그먼트가 보이는 모션 한계를 나타내는 3차원 와이어 메쉬 케이지 또는 개방형 프레임이 포함될 수 있다. 소프트웨어는 모션 한계를 초과하는 모션이 발생하면 디스플레이 내에서 선택한 색상을 변경하여 한계에 도달했거나 초과했음을 개인에게 눈에 잘 띄는 즉각적인 신호로 제공할 수 있다. 녹색에서 주황색, 빨간색 등 다양한 색상 변경을 통해 사전 설정된 한도에 접근하거나 초과했음을 단계적으로 표시할 수 있다.

분석에는 선택한 파라미터에 대해 모션 데이터 테스트 값을 동일한 파라미터에 대해 미리 정의된 벤치마크 값과 비교하여 편차 정도를 결정하고, 시간 기반 그래프에 테스트 값과 벤치마크 값을 동시에 표시하는 것이 포함될 수 있다. 분석에는 테스트 값과 벤치마크 값으로부터 선택한 각각의 파라미터에 대한 스코어를 계산하는 것이 포함될 수 있다. 또한, 운동 모션의 총 수행력 값을 운동 인덱스로 나타내는 단일 스코어를 산출하기 위해 미리 정의된 공식에 따라 선택된 파라미터의 스코어를 결합하는 것을 더 포함할 수 있다.

시스템 및 소프트웨어는 개별 파라미터의 벤치마크 값과의 편차 정도에 따라 사전 정의된 운동 목록에서 선택한 훈련 운동 체제의 처방을 보고서 또는 프레젠테이션과 함께 포함하거나 그에 따를 수 있으며, 운동은 사전 정의된 훈련 도구 목록과 연관될 수 있다. 운동의 빈도와 기간은 테스트 전에 처리 컴퓨터에 입력되었을 수 있는 개인의 사용 가능한 훈련 시간에 의해 제한될 수 있다.

무선 관성 센서들은 센서 인클로저 내에 적층형 토폴로지를 사용할 수 있으며, 여기서 배터리는 인클로저의 바닥에 근접하고 그 모양이 인클로저의 바닥을 따르며 센서 요소와 전자 회로가 인클로저 내의 배터리 위에 배치된다. 센서들은 개인이 착용하는 신체 어플라이언스에 부착될 수 있다. 센서들 및 어플라이언스들은 센서들이 어플라이언스들의 동일한 위치에 동일한 방향으로 균일하고 반복적으로 부착될 수 있도록 그에 상응하는 키 결합 구조(keyed mating structural)를 가질 수 있다.

모션 데이터 및 비디오 데이터를 포함한 분석 결과는 로컬 또는 원격 컴퓨터 데이터베이스에 저장되어 나중에 로컬에서 또는 처리 컴퓨터에 연결되거나 연결 가능한 원격 컴퓨터 또는 컴퓨터 네트워크를 통해 재생할 수 있도록 제공될 수 있다.

테스트할 모션과 관련된 기준점 또는 기준선을 하나 이상 정의하기 위해 테스트 사이트에 배치된 기준 타겟 또는 프레임을 사용하여 테스트에 앞서 카메라가 설정될 수 있다. 소프트웨어는 교정 단계에서 비디오 디스플레이에 정렬선, 중심선, 테스트 대상의 시작, 종료 또는 모션 중 포지션의 균형점 등 모션의 측면과 관련된 기준점, 선 또는 기타 기호를 오버레이하도록 구성하여 모션을 보다 비판적으로 관찰할 수 있도록 할 수 있다. 비디오 디스플레이에 오버레이되는 선과 기호의 효과는 테스트 전에 카메라를 올바르게 배치했는지에 따라 달라질 수 있다.

도시되고 설명된 특정 구현들은 본 발명의 예시적인 것이며, 본 발명의 범위를 어떠한 방식으로든 제한하려는 의도가 아니다. 실제로, 간결성을 위해 시스템의 통상적인 제조, 연결, 준비 및 기타 기능적 측면은 상세히 설명되지 않을 수 있다. 또한, 다양한 도면들에 도시된 연결선은 다양한 요소들 사이의 예시적인 기능적 관계 및/또는 단계를 나타내기 위한 것이다. 실제 시스템에는 많은 대체 또는 추가 기능 관계 또는 물리적 연결이 존재할 수 있다.

전술한 명세서에서, 본 발명은 특정의 예시적인 실시예들을 참조하여 설명되었다. 그러나 청구범위에 기재된 본 발명의 범위를 벗어나지 않는 범위 내에서 다양한 수정 및 변경이 이루어질 수 있다. 명세서 및 도면은 제한적인 것이 아니라 예시적인 것이며, 수정 사항은 본 발명의 범위 내에 포함되도록 의도되었다. 따라서, 본 발명의 범위는 단순히 설명된 실시예에 의해서가 아니라 청구범위와 그 법적 균등물에 의해 결정되어야 한다.

예를 들어, 임의의 방법 또는 프로세스 청구항에 기재된 단계는 임의의 순서로 실행될 수 있으며 청구항에 제시된 특정 순서로 제한되지 않는다. 또한, 임의의 장치 청구항에 기재된 구성 요소 및/또는 요소는 다양한 순열로 조립되거나 달리 작동되도록 구성될 수 있으며, 따라서 청구항에 기재된 특정 구성으로 제한되지 않는다.

특정 실시예와 관련하여 이점, 기타 장점 및 문제에 대한 해결책이 위에서 설명되었으나, 특정 이점, 장점 또는 해결책이 발생하거나 더욱 두드러지게 될 수 있는 모든 이점, 장점, 문제에 대한 해결책 또는 모든 요소는 청구항의 일부 또는 전부의 중요, 필수 또는 필수 특징 또는 구성 요소로 해석되어서는 안 된다.

Claims

시스템으로서:
a. 블루투스 저에너지(BLE) 라디오를 포함한 코어 마이크로 컨트롤러 프로세서;
b. 제1 트라이어드 저관성 가속도 및 속도 자이로메트릭 센서;
c. 제2 트라이어드 고관성 가속도 및 속도 자이로메트릭 센서;
d. 트라이어드 자력계 센서;
e. 저장 유닛;
f. Qi 무선 충전 컨트롤러; 및
g. 배터리 모니터를 포함하는, 시스템.
제1항에 있어서, 시스템은 사용자 스윙 프로파일을 결정하도록 프로그래밍되고, 상기 사용자 스윙 프로파일은:
a. 센서들로부터 수신된 측정 가속도 데이터에 기초하여 스윙을 시작하는 타이밍에서 무선 센서의 초기 포지션과 초기 자세를 계산하는 것;
b. 수신된 측정 가속도 데이터에 기초하여 실제 임팩트 타이밍을 검출하고; 골프 클럽의 공 타격면(ball hitting surface)의 움직임 방향 및 실제 임팩트 타이밍에서 공 타격면의 임팩트 자세를 계산하고; 실제 임팩트 타이밍에서 공 타격면의 움직임 방향 및 자세에 기초하여 실제 임팩트 타이밍에서 공 타격면의 입사각 및 실제 임팩트 타이밍에서 공 타격면의 상대각을 계산하는 것;
c. 수신된 측정 가속도 데이터에 기초하여 초기 어드레스, 피크 백, 톱, 임팩트(피크 포워드) 이상적인 임팩트 및 동시의 피크 포워드, 리코일, 및 피니시와 관련된 사인파의 반복 파형들을 추가로 검출하는 것; 및
d. 실제 임팩트 타이밍에서 공 타격면의 계산된 입사각 및 계산된 상대각에 기초하여 투사 관련 데이터를 표시하는 것을 포함하는, 시스템.
제1항에 있어서, 상기 프로세서는 또한: 무선 관성 센서로부터 수신된 측정 가속도 데이터에 기초하여 스윙을 시작하는 타이밍에서 무선 관성 센서의 공 타격면의 초기 자세를 나타내는 페이스 벡터(face vector)를 획득하도록 프로그래밍되는, 시스템.
제1항에 있어서, 상기 프로세서는 또한: 획득된 페이스 벡터에 기초하여 스윙을 시작하는 타이밍에서 공 타격면의 움직임 방향 벡터를 계산하도록 프로그래밍되는, 시스템.
제1항에 있어서, 상기 프로세서는 또한: 스윙을 시작하는 타이밍에서 골프 클럽의 공 타격면의 움직임 방향과 실제 임팩트 타이밍에서 공 타격면의 임팩트 자세 사이의 제1 관계를 획득하고; 무선 관성 센서로부터 수신된 출력에 기초하여 스윙을 시작하기 전 공 타격면의 자세와 스윙을 시작하는 타이밍에서 공 타격면의 움직임 방향 사이의 제2 관계를 획득하도록 프로그래밍되는, 시스템.
제5항에 있어서, 상기 프로세서는 또한: 제1 관계 및 제 2 관계 중 적어도 하나를 나타내는 데이터를 출력하도록 프로그래밍되는, 시스템.
제6항에 있어서, 상기 프로세서는 또한 제1 관계 및 제2 관계의 조합을 나타내는 데이터를 2 차원 그래프로 표시하도록 디스플레이를 제어하도록 프로그래밍되는, 시스템.
제7항에 있어서, 상기 프로세서는 또한 투사 라인의 유형에 따라 분할되는 영역을 포함하는 맵 및 2 차원 그래프를 표시하도록 디스플레이를 제어하도록 프로그래밍되는, 시스템.
제5항에 있어서, 상기 프로세서는 또한 복수의 시간대에서 복수의 스윙들에 관한 복수의 데이터를 2 차원 그래프로 표시하고 2 차원 그래프에서 최근 데이터와 최근이 아닌 다른 데이터를 구별하도록 디스플레이를 제어하도록 프로그래밍되는, 시스템.
제1항에 있어서, 스윙하는 동안 실제 임팩트 시간에 공 타격면의 자세를 결정하는 데 사용되는 무선 관성 센서로부터 수신되는 출력은 실제 임팩트 시간, 실제 임팩트 시간 전의 시간, 또는 실제 임팩트 시간 이후의 시간에 수신되는, 시스템.
방법으로서:
무선 관성 센서로부터 수신된 측정 가속도 데이터에 기초하여 스윙을 시작하는 타이밍에서 무선 관성 센서의 초기 포지션을 계산하는 단계로서, 상기 무선 관성 센서는 골프 클럽의 샤프트에 부착되어 가속도를 측정하도록 구성되는, 상기 무선 관성 센서의 초기 포지션을 계산하는 단계;
수신된 측정 가속도 데이터에 기초하여 실제 임팩트 타이밍을 검출하는 단계;
골프 클럽의 공 타격면의 움직임 방향 및 실제 임팩트 타이밍에서 공 타격면의 임팩트 자세를 계산하는 단계;
실제 임팩트 타이밍에서 공 타격면의 움직임 방향 및 자세에 기초하여 실제 임팩트 타이밍에서 공 타격면의 입사각 및 실제 임팩트 타이밍에서 공 타격면의 상대각을 계산하는 단계; 및
디스플레이로 하여금 실제 임팩트 타이밍에서 공 타격면의 계산된 입사각 및 계산된 상대각에 기초하여 투사 관련 데이터를 표시하게 하는 단계를 포함하는, 방법.
제11항에 있어서, 무선 관성 센서로부터 수신된 측정 가속도 데이터에 기초하여 스윙을 시작하는 타이밍에서 무선 관성 센서의 공 타격면의 초기 자세를 나타내는 페이스 벡터를 획득하는 단계를 더 포함하는, 방법.
제12항에 있어서, 스윙을 시작하는 타이밍에서 공 타격면의 움직임 방향 벡터는 수직 방향으로 공 타격면과 교차하는 미리 결정된 평면에 투사되는, 방법.
제11항에 있어서, 획득된 페이스 벡터에 기초하여 스윙을 시작하는 타이밍에서 공 타격면의 움직임 방향 벡터를 계산하는 단계를 더 포함하는, 방법.
제11항에 있어서, 스윙하는 동안 실제 임팩트 타이밍에서 공 타격면의 자세를 결정하는 데 사용되는 무선 관성 센서로부터 수신되는 출력은 실제 임팩트 시간, 실제 임팩트 시간 전의 시간, 또는 실제 임팩트 시간 이후의 시간에 수신되는, 방법.