3D 포즈 기반 크리켓 샷 분류 및 생체역학 분석 시스템
A 3D Pose-Based Ensemble Framework for Cricket Shot Classification and Automated Biomechanical Analysis
arXiv환경 변화에 취약했던 기존 크리켓 분석 방식의 한계를 극복하기 위해, 원본 비디오에서 3D 포즈 데이터를 추출하는 혁신적인 시스템이 개발되었습니다.
- YOLO와 MeTRAbs를 활용해 30개 신체 지점의 순차적 3D 포즈 데이터를 확보하고, 이를 기반으로 네 가지 유형의 공을 분류하는 앙상블 모델을 구축했습니다.
- 본 시스템은 초보 선수에게 전문가 대비 관절 각도 등 구체적인 생체역학적 피드백을 제공하여 부상 예방과 기술 향상을 효과적으로 지원합니다.
- 높은 정확도로 경기 분석이 가능하며, 코치와 선수 모두가 활용할 수 있는 심층적인 데이터 기반의 평가 및 훈련 자료를 제공하는 것이 핵심입니다.
기존의 크리켓 경기 분석 방식은 RGB 비디오 특징이나 정지 이미지에 의존하여 카메라 각도, 조명, 배경 혼잡도 같은 환경 변화에 취약했습니다. 본 연구에서는 이러한 한계를 극복하기 위해 원본 비디오 데이터를 활용하는 시스템을 제안합니다. 이 시스템은 YOLO를 이용해 비디오 프레임에서 타자(batsmen)를 추출하고, MeTRAbs를 사용하여 30개 신체 지점의 순차적인 3D 포즈 데이터와 타자의 생체역학적 특징을 확보합니다.
시스템의 핵심 요소 중 하나는 네 가지 유형의 샷(flick, pull, defense, drive)에 대한 깊은 학습 기반의 앙상블 모델입니다. 이 앙상블 모델은 기존 분류 연구들과 비교하여 높은 성능을 보여주었으며, 정확도 97.68%를 달성했습니다. 또한, 오분류 사례를 분석하여 잘못 분류된 경우와 그 가능한 원인을 면밀히 검토하였습니다.
본 시스템은 초보 선수들에게 전문가 타자 대비 중요한 관절 각도 등 유용한 생체역학적 피드백을 제공함으로써 부상 예방과 기술 향상을 효과적으로 지원합니다. 또한, 샷 분류기는 시간 경과에 따른 클래스별 샷 추적 기능을 제공하여, 초보 선수뿐만 아니라 코치들이 심층적인 데이터 기반의 선수 평가 및 분석 자료로 활용할 수 있습니다.