프로젝트 명

개발 목적(200자 이내)

문화체육 관광부의 조사에서 금전적 부담 해결 시 가장 하고 싶은 스포츠 1위로 선정되었을 만큼, 골프는 높은 장소 대여비와 레슨비로 인해 진입 장벽이 높은 운동입니다. 동시에 골프는 정확한 자세가 중요한 운동입니다. 사용자의 골프 스윙 동작을 분석하는 AI 모델을 통해 셀프 트레이닝을 돕고 골프 진입 장벽을 해소하고자 하였습니다.

프로젝트 소개 (300자 이내)

사용자의 골프 연습 영상을 입력하면 영상을 분석하여 YOLO v8 Pose로 관절 좌표를 추출하고 ST-GCN이 스윙 동작 품질을 분석합니다. 두 모델은 AI HUB의 골프 스윙 데이터셋으로 훈련하였습니다. 결과는 ‘아마추어, 세미프로, 프로’ 3단계 등급으로 분류하여 출력되고, Flask로 구현한 사용자 화면에서 볼 수 있습니다. 사용자 화면에서는 분류된 등급 뿐만 아니라 원본 영상과 키포인트 추출 영상, 분석 기록 탭에서 업로드한 영상의 등급 변화를 확인하고 상세 보기를 클릭하여 영상을 다시 볼 수 있습니다.

기대 효과(500자 이내)

• 별도의 장비 없이 스마트폰 영상만으로 스윙을 분석하고 등급을 제공함으로써 초보자들의 골프 진입 장벽을 낮출 수 있으며, 골프 연습에 대한 비용 및 접근성 문제 완화 효과를 기대할 수 있습니다. 개인 사용자는 시간과 장소에 구애 받지 않고 효율적인 연습과 피드백이 가능하고 이는 지출 비용 절약으로 이어질 것입니다. 또한, 개인 사용자 이외에도 스크린 골프장이나 골프 경기, 라운딩 시에도 폭넓게 활용 가능합니다. 또한 데이터를 축적하고 기술적으로 발전시킨다면 사용자에 맞추어 더 구체적이고 정교한 피드백과 코칭을 제공할 수 있을 것으로 기대합니다. 실시간 관절 추출(YOLO Pose)과 시계열 동작 분석(ST-GCN) 기술을 기반으로 다른 스포츠 종목 뿐 아니라 재활 치료, 낙상 예방, 근골격계 평가 등 재활 운동 등의 의료 분야로도 확장 할 수 있습니다.

팀명

참가자 정보

희원

명진

예진