[논문 리뷰] Eye Movement Feature Classification for Soccer Goalkeeper Expertise Identification in Virtual Reality

Benedikt Hosp, Florian Schultz외 2명|arXiv (Cornell University)|2020. 09. 23.

Sport Psychology and Performance참고 문헌 38인용 수 4

한 줄 요약

이 연구는 실제 경기 상황을 시뮬레이션한 가상현실(VR) 환경에서 촬영한 눈동자 움직임 특징을 활용하여 축구 골수비수의 전문성 수준을 분류하는 기계학습 기반 접근법을 제안한다. 전문가, 중급자, 초보자 수준의 35명의 골수비수에서 측정한 시선 행동을 분석함으로써, 이 방법은 유의미한 분류 정확도를 달성하였으며, 침습적 VR 환경에서의 눈동자 추적 데이터가 인지-인지 전문성 수준을 객관적으로 평가하고, 적응형 훈련 시스템을 설계하는 데 기여할 수 있음을 보여준다.

ABSTRACT

The latest research in expertise assessment of soccer players has affirmed the importance of perceptual skills (especially for decision making) by focusing either on high experimental control or on a realistic presentation. To assess the perceptual skills of athletes in an optimized manner, we captured omnidirectional in-field scenes and showed these to 12 expert, 10 intermediate and 13 novice soccer goalkeepers on virtual reality glasses. All scenes were shown from the same natural goalkeeper perspective and ended after the return pass to the goalkeeper. Based on their gaze behavior we classified their expertise with common machine learning techniques. This pilot study shows promising results for objective classification of goalkeepers expertise based on their gaze behaviour and provided valuable insight to inform the design of training systems to enhance perceptual skills of athletes.

연구 동기 및 목표

• 눈동자 움직임 특징을 활용하여 축구 골수비수의 전문성 수준을 객관적이고 데이터 기반으로 평가할 수 있는 방법을 개발하기 위해.
• 침습적 VR 환경에서의 시선 행동이 전문가, 중급자, 초보자 골수비수 간에 구분 가능한지를 평가하기 위해.
• 기계학습을 활용해 눈동자 추적 데이터에서 실시간 전문성 수준 분류가 가능한지를 탐색하기 위해.
• 개별 인지-인지 강점과 약점을 반영하는 적응형 가상현실 훈련 시스템 설계를 위한 정보를 제공하기 위해.
• 실시간 시선 분석 기반의 향후 온라인 진단 및 개인 맞춤형 훈련 시스템의 기반을 마련하기 위해.

제안 방법

• 실제 경기 상황에서 골수비수의 자연스러운 시점에서 촬영한 360° 영상 자료를 확보하여 생태학적 타당성을 확보하기 위해.
• 소비자 수준의 VR 헤드셋에 통합된 눈동자 추적 장치를 사용하여, 35명의 참가자(전문가 12명, 중급자 10명, 초보자 13명)에게 이러한 자료를 제공하기 위해.
• 주요 경기 영역에서의 고정 지속 시간, 사시움 빈도, 공간 분포 등의 시선 행동 특징을 추출하기 위해.
• 기본적인 지도 학습 기법(SVM, 랜덤 포레스트 등)을 적용하여, 시선 특징 기반으로 참가자를 전문가 수준으로 분류하기 위해.
• 250Hz의 눈동자 추적 장치 샘플링을 활용한 실시간 데이터 처리 파이프라인을 구축하여, 온라인 특징 계산 및 모델 추론를 가능하게 하기 위해.
• 시험 후 처리를 위한 고차원 특징(예: 표준편차 등)을 계산하기 위해 다중 스레드 시스템을 설계하고, 이를 사전 학습된 모델에 피드백하여 실시간 분류를 수행하기 위해.

실험 결과

연구 질문

• RQ1 VR 환경에서의 눈동자 움직임 특징이 전문가, 중급자, 초보자 골수비수를 신뢰성 있게 구분할 수 있는가?
• RQ2 침입적 VR 환경에서의 시선 행동이 골수비수의 실제 세계의 인지-인지 전문성 수준을 어느 정도 반영하는가?
• RQ3 눈동자 데이터 기반으로 학습된 기계학습 모델이 골수비수 전문성 수준을 정확하고 객관적으로 분류할 수 있는가?
• RQ4 시선 기반 전문성 탐지 기술은 실시간으로 작동하는 적응형 훈련 시스템에 어떻게 통합될 수 있는가?
• RQ5 현재의 눈동자 추적 및 특징 추출 기법은 미세한 인지적 차이를 포착하는 데 어떤 한계를 지니는가?

주요 결과

• 연구는 VR 환경에서의 시선 행동만을 기반으로 하여 전문가, 중급자, 초보자 골수비수를 분류하는 데 높은 정확도를 달성하였다.
• 전문가들은 초보자에 비해 더 효율적인 시선 패턴을 보였으며, 예를 들어 더 빠른 신호 탐지 및 더 나은 공간 우선순위 설정 능력을 보였다.
• 사진 수준의 360° VR 자료를 사용함으로써 자연스러운 시선 행동이 유지되어 데이터의 생태학적 타당성이 향상되었다.
• 기계학습 모델은 250Hz의 실시간 눈동자 추적 데이터를 활용하여 실시간 전문성 수준 분류 잠재력을 입증하였다.
• 결과는 개인의 인지적 약점을 식별함으로써 시선 기반 진단을 통해 훈련을 개인 맞춤형으로 개선할 수 있음을 뒷받침한다.
• 향후 연구는 데이터셋 확장, 분류 정밀도 향상, 실시간 적응형 VR 및 AR 훈련 플랫폼에 시스템 통합을 포함할 예정이다.