김재훈 조희찬 2021-02 30731 https://aurora.ajou.ac.kr/handle/2018.oak/20250 학위논문(석사)--아주대학교 정보통신대학원 :IoT(사물인터넷),2021. 2 건강을 위해 운동하는 인구가 많아지면서 스마트 기기를 이용한 운동 방법도 발달하고 있다. 하지만, 근력 및 근육량 증가를 목적으로 하는 근력 운동에서 특정 근육에 적합 운동 강도를 객관적으로 제시하는 것은 여전히 어렵다. 본 연구는 성별, 몸무게, 근육량, 지방량과 같이 신체적 특성이 다름에도 불구하고 개개인에게 적합 운동 강도를 제시하고자 한다. 아두이노 기반의 스마트운동복을 직접 제작하여 피부 온도 데이터를 원격 수집하였다. 근력 운동 중 Dumbbell Biceps Curl을 통해 근육 펌핑으로 인한 이두박근 온도 변화를 측정하였다. 본 연구 대상자의 표본수는 G*Power 3.1 프로그램을 활용하여 비교분석에 필요한 유의수준 .05, 중간정도의 효과 크기 .15, 검정력 .80으로 설정하였을 때 최소 표본수가 128개인 것으로 나타났다. 실험대상자 64명의 왼팔, 오른팔을 대상으로 실험하여 총 표본수 128개로 본 연구는 적정 표본 수를 충족한다. IRB 교육 이수를 통해 개인정보 관리, 실험대상자 관리 등에 엄격한 기준을 적용시켰다. NASM 국제 트레이너 자격을 갖춘 전문가 입회 하에 실험대상자의 왼팔은 부적합 운동 강도로 운동하였고, 오른팔은 실패지점 기반의 반복횟수를 기준으로 한 적합 운동 강도로 구분하여 운동하였다. 위 실험을 통해 근력 운동 시 성별, 체중, 체지방률이 운동 전후 피부 온도 변화와 직접적인 연관이 있다는 것을 알 수 있었다. 이를 바탕으로 데이터셋을 구성하여 기계 학습 중 서포트 벡터 머신(Support Vector Machine, SVM.)으로 총 데이터셋 중 80%를 Binary 분류하여 학습 후 20%로 테스트하였다. Accuracy 0.857, AUC(Area under the ROC Curve) 0.947, F1 Score 0.833의 정확도를 가져 피부 온도 기반 근력 운동 강도 측정 시스템 모델의 유효성이 검증되었다. 결과적으로 스마트운동복과 기계 학습을 이용한 운동 강도 측정 시스템을 통해 사용자가 자신의 근육에 적합한 운동 강도를 알 수 있게 되었다. 제1장 서 론 1 제1절 연구배경 1 제2절 논문구성 3 제2장 이론적 배경 4 제1절 IoT 센서 & 무선 통신(Sensors & Wireless Communications in IoT) 4 제2절 근력 운동(Strength Training) 10 제3절 기계 학습(Machine Learning) 18 제3장 피부 온도 기반 근력 운동 강도 측정 시스템 아키텍처 (Strength Training Intensity Measurement System Based on Skin Temperature Architecture) 24 제1절 스마트운동복(Smart Sportswear) 24 제2절 온도 데이터 모니터링 프로그램(Temperature Data Monitoring Program) 26 제3절 기계 학습 프로그램(Machine Learning Program) 27 제4장 실험측정 및 결과분석 28 제1절 문제정의 28 제2절 실험환경 및 구현 28 제3절 실험측정 : Raw Data Collection & Data Preprocessing for ML 30 제4절 분석 결과 : 서포트 벡터 머신(Support Vector Machine, SVM.) 34 제5장 결 론 35 참고문헌 36 Abstract 39 kor The Graduate School, Ajou University 아주대학교 논문은 저작권에 의해 보호받습니다. 피부 온도 기반 근력 운동 강도 측정 시스템 Strength Training Intensity Measurement System Based on Skin Temperature -Smart Sportswear & Machine Learning- Thesis 아주대학교 정보통신대학원 HEECHAN CHO 정보통신대학원 IoT(사물인터넷) 2021. 2 Master I804:41038-000000030731 http://dcoll.ajou.ac.kr:9080/dcollection/common/orgView/000000030731 Exercise Intensity IoT IoT(Internet Of Things) Machine Learning Skeletal-Muscle Pump Skin temperature Smart Sportswear Strength Training Support Vector Machine(SVM) 근력 운동 근육 펌핑 기계 학습 서포트 벡터 머신 스마트운동복 운동 강도 피부 온도 As the number of people exercising for their health increases, methods of exercise using smart devices are also developing. However, it is still difficult to inform exercise intensity about particular muscle when it comes to strength training that aim at improving muscle strength and muscle mass. This study suggests that most people are fit for individual exercise, Even though there are many kinds of physical status such as sex, weight, muscle mass, fat. Smart sportswear based Arduino was produced for this study and collected skin temperature data remotely. Changes in skin temperature on biceps due to skeletal-muscle pump was measured through Dumbbell Biceps Curl during Strength training. The number of samples in this study was found to be 128 using G*Power 3.1 program that was used to establish α error prob of .05, a medium-level effect size of .15 and a power of .80 for comparative analysis. The study has 64 subjects to be tested about their left and right arms. There are a total of 128 samples. So, this study appropriate number of samples. Through IRB education, strict standards were applied to personal information management and subject management. Under the presence of experts qualified as NASM international trainers, the subject's left arm was exercised with low-intensity, and the subject’s right arm was exercised with appropriate intensity using Repetitions(Reps) based on training to failure. The experiments showed that sex, weight, body fat rates were directly related to changes in skin temperature before and after strength training. Based on this, datasets classified as Binary were produced. 80% of the total Datasets were learned and 20% of the total datasets were tested with Support Vector Machine(SVM). Strength training exercise intensity measurement system’s validity has been verified with a result that is Accuracy 0.857, AUC(Area Under the ROC Curve) 0.947 and F1 Score 0.833 accuracy. As a result, this system using Internet of Things (a smart sportswear) and Machine Learning(Support Vector Machine, SVM.) let users know the appropriate intensity of strength training to make muscle bigger and strengthen. 스마트운동복 & 기계학습