기존의 운동량 측정방법들은 가속도 센서나 GPS, 심장박동, 체온측정 등의 정보를 이용하였으나, 각기 측정방식 및 측정환경 등의 제한으로 인해 정확한 신체활동 측정 및 분석에 어려움이 있었다. 이러한 단점을 극복하기 위해 본 논문에서는, 운동 시 발생하는 생체전기신호를 이용하여 유산소운동은 물론 기존에 측정이 어려웠던 근력운동에 대한 분석도 가능한 시스템을 개발하였다. 운동을 분석하기 위해 두개의 전극이 부착된 허리벨트를 착용해 운동 중 복부에서 발생하는 생체전기신호를 기록했고, 측정된 생체전기신호는 각각 상체 움직임 및 근육활동을 대표할 수 있는 주파수 대역으로 분리한 후, 분리된 각 신호의 파워 값과 차분의 파워 값, 그리고 중간주파수 값들을 운동형태 구분을 위한 특징값으로 추출하였다. 일원분산분석과 다중비교 분석의 통계적 검증을 통하여 추출된 특징값들의 유의성을 검증하였고, 또한 SVM분류기를 이용하여 운동의 형태를 구분하였다. 여섯 가지의 세부운동들을 분류하기 위해 두 가지의 분류방법을 적용하였고, 그 결과 유산소운동과 근력운동으로 분류 시 100%, 유산소운동과 근력운동 및 복합운동으로 분류한 경우 92.7%의 구분율을 보이며 운동형태의 분류가 가능하였다. 또한 유산소운동 및 근력운동의 양을 각각 수치화하여 표현 가능하다. 본 시스템은 기존의 유산소운동 기반의 운동량 측정방식대비 추가적으로 근력운동의 분석이 가능해짐에 따라 보다 다양한 활동에 대해서도 분석이 가능하다.
Conventional physical activity monitoring systems, which use accelerometers, global positioning system (GPS), heartbeats, or body temperature information, showed limited performances due to their own restrictions on measurement environment and measurable activity types. To overcome these limitations, we developed a portable exercise analysis system that can analyze aerobic exercises as well as isotonic exercises. For bioelectric signal acquisition during exercise, waist belt with two body contact electrodes was used. For exercise analysis, the measured signals were firstly divided into two signal groups with different frequency ranges which can represent respiration related signal and muscular motion related signal, respectively. After then, power values, differential of power values, and median frequency values were selected for feature values. Selected features were used as inputs of support vector machine (SVM) to classify the exercise types. For verification of statistical significance, ANOVA and multiple comparison test were performed. The experimental results showed 100% accuracy for classification of aerobic exercise and isotonic resistance exercise. Also, classification of aerobic exercise, isotonic resistance exercise, and hybrid types of exercise revealed 92.7% of accuracy.
