양궁 슈팅 동작의 시계열 기반 딥러닝 분석: Bi-GRU 모델 성능 우수성과 실용적 샘플 수 탐색

• Published in: 한국체육측정평가학회지, 27(2) pp. 55 - 65
• Main Authors: 박지훈, 석진수
• Format: Journal Article
• Language: Korean
• Published: 한국체육측정평가학회 01.06.2025
• Subjects: 체육
• ISSN: 1229-4225; 2671-9134

본 연구는 양궁 선수의 슈팅 동작을 정량화하고, 이를 통해 개인 식별이 가능한 시계열 분류 모델을 구축하기위해 진행되었다. 국가대표급 양궁 선수 4명의 실제 훈련 영상을 기반으로 Pose Estimation을 적용하여 관절 좌표시퀀스를 추출하고, 이를 입력으로 사용하는 딥러닝 기반 시퀀스 모델(RNN, LSTM, GRU, Bi-LSTM, Bi-GRU)을비교 분석하였다. 실험 결과, Bi-GRU 모델이 가장 우수한 성능을 보였으며, 정확도 96.94%, F1-score 0.969, 손실값 0.091을 기록하였다. 또한, 학습 샘플 수에 따른 성능 분석을 통해 약 500개 이상의 시퀀스 데이터 확보시 정확도 0.99 이상의 안정적인 분류 성능을 유지하는 것으로 나타났다. 본 연구는 스포츠 동작 분석에서 시계열모델의 활용 가능성을 실증적으로 제시하며, 최소 학습 데이터 기준을 통해 실용적인 데이터 수집 전략과 맞춤형선수 분석 시스템 개발에 기초 자료를 제공하였다. This study aims to quantitatively analyze archery athletes’ shooting motions and develop a time-series classification model capable of individual identification. High-resolution training videos from four elite national archers were used to extract joint coordinate sequences via pose estimation. These sequential features served as inputs for a comparative analysis of deep learning sequence models, including RNN, LSTM, GRU, Bi-LSTM, and Bi-GRU. Experimental results revealed that the Bi-GRU model achieved the best overall performance, with an accuracy of 96.94%, an F1-score of 0.969, and a loss value of 0.091. Furthermore, an analysis of model performance relative to training sample size showed that stable classification accuracy above 0.99 was maintained when using more than approximately 500 shooting sequences. This study empirically demonstrates the applicability of time-series deep learning models in sports motion analysis and provides foundational insights for data-efficient training strategies and personalized athlete analysis systems. KCI Citation Count: 0