석사 학위 논문: 골프 스윙에서의 모션기반 정밀한 시퀀스 감지에 관한 연구 : A study on Motion-based Precise Seqeunce Detection in Golf SwingGolf Sequence란?왜 Sequence 감지가 중요한가1. 기존의 분석 방식은 영상을 직접 frame 마다 넘겨가며 sequence를 감지하고 분석-> 이는 번거로움 동반, 분석자가 바뀜에 따라 frame단위로 다른 자세를 Seqeunce라고 감지 가능성-> 번거로움 해결 및 시쿤스의 객관성 확보2. 분석을 왜하는가? -> 골프를 잘하기 위해 -> 잘하는 것은 무엇인가? -> 내가 원하는 곳으로 공의 방향과 거리를 안정적으로 보내는 것. -> 이것은 일관된 스윙을 유지하는 것이 중요-> 시퀀스 감지를 통해 ..

log 출력, 관리 관련 함수def printf(text: str) -> None: """ 문자열을 강조된 형식으로 출력. Args: text (str): 출력할 메시지. Returns: None """def error_print(text: str) -> dict[str, Union[int, bool, str]]: """ 오류 메시지를 강조된 형식으로 출력, 이를 JSON 형식의 딕셔너리로 반환. Args: text (str): 오류 메시지. Returns: dict[str, Union[int, bool, str]]: 오류 메시지가 포함된 JSON 형식의 딕셔너리. """type convert 관련 함..

1차 마무리 파일 구조는 다음과 같습니다. accuracy/*은 성능테스트 관련 데이터 및 코드이며,config/*는 github에 올리지 못하는 중요정보 (s3 private key 등등), request_test/*는 locust를 활용한 다중동시접속 request test, routers/*는 각각 하나의 router들로써 api, routers/utils.py는 모든 router들에서 공통으로 사용하는 라이브러리 목록,test_js/*는 js와 python mediapipe lib 성능비교실험 환경OS : WindowsCPU : i7-8750H @ 2.20GHz (12 CPUs)GPU : NVIDIA GeForce GTX 1060RAM : 16GB1차. mediapipe model complexi..

지금껏 준비한 것으로 1차 마무리가 되었고 수정하고 싶은 부분들이 있어, 한 번 정리 후 2차 수정을 하고 있습니다. 기본적으로 1. 골프영상을 web에 user가 upload한다면 2. 이는 nest.js쪽 backend단으로 가게 되고, 3. 이를 다시 backend단에서 flask 분석 server의 해당 api로 전송하게 됩니다. 1. web에서 user_videoname.mp4를 업로드하면 2. s3에 우리가 지정한 bucketname/username/videoname.mp4로 영상을 1차적으로 저장합니다. 즉, username이라는 폴더로 각각의 user를 구분, 관리합니다. 3. 이는 backend로 영상이 저장된 url을 전송하게 되고 backend에서 분석 api server로 url을 ..

1. 관절 추출 mediapipe pose landmark model을 이용하여 사람의 33개 관절 point 중 원하는 16개의 관절 데이터를 사용 2. 좌/우타 판별 엉덩이와 손의 x좌표를 기준으로 좌타와 우타를 판별 좌타일 경우 이미지를 flip하여 사용하고 마지막에 x좌표를 다시 1-x로 json에 저장하여 우타기준으로 설계한 기능들을 모두 동일하게 수행하며 json에는 좌타 원본 영상기준으로 데이터가 저장됨 3. 척추각 추출 골프에서 척추각을 spine angle이라고 부르며 중요한 요소이다. 따라서 16개의 관절데이터중 어깨 12-11번 관절과 엉덩이 23-24번 관절을 통해 척추를 추정하여 x축과의 각도를 구함 arctan을 통해 각도를 구한다. tan( θ) = y'/x', arctan(t..

현재 lambda에 올리기전, python flask를 통해 lambda와 같은 환경을 만들어서 test중. router는 1. metaData 2. compareRouter로 구성됨 (이전과 router에서 수행하는 일이 조금 변경됨) API 로는 1. metaData input : { url : string } output : lambda는 dropbox API를 통해 dropbox와 연결되어있고, dropbox는 하나의 영상을 저장해놓는 데이터베이스 역할을 한다. API Server(nest.js)에서 input으로 dropbox video url or path를 받아와서, 라우터의 역할을 모두 수행했다면, https status 200과 함께 그 영상에대한 info, mediapipe결과, 나의 ..

현재 router는 2개로 구성되어있고, post형식으로 data를 취한다. 첫 라우터의 경우 video url을 post로 가져와서 mediapipe를 수행 후 결과 data를 기반으로 smoothing으로 outlier를 잡고, 골프 7step을 검출한다. (어드레스, 테이크어웨이, 하프, 탑, 임팩트, 팔로우스루, 피니쉬) 검출 후 각 구간 별로 스무딩을 다시 수행하고 json을 return한다. 이는 api server에서 return json을 db로 저장한다. 두 번째 라우터의 경우, json data를 두 개 받아온다. 나의 영상과 프로 영상에 대해 비교를 하고 싶다면 각 각 해당하는 json data가 될 것이다. 데이터를 비교하고 각 step별로 무엇이 다른지 등등을 수행하고, 나와 프로..

스크린 골프장에서 유저가 골프를 치면 그 영상을 기반으로 골프자세를 바로잡아주는, (어느 step이 잘못됐는지 등등) service를 만드려고한다. db로는 postgreSQL api server로는 nest.js 분석 및 mediapipe로는 lambda front쪽 web view는 react.js를 사용하고있다. 타석기준 flowchart 강사기준 flowchart 강사기준 flowchart2 ERD