최근 핸드폰, PDA 등에서 가속도센서를 이용한 연구가 많이 증가하고 있다. 본 논문에서는 3축 가속도센서를 이용해 사람이 보행 시 발생하는 데이터를 취득하여 사람의 걸음 수를 계산해 내는 알고리즘과 활동량을 실시간으로 모니터링 할 수 있는 UI 시스템을 개발하였다. 걷기, 제자리 걷기, 뛰기, 천천히 걷기 등의 각 상황별 걸음 수를 정밀하게 측정하기 위해 적응적인 임계값을 사용하는 보행 횟수 검출 알고리즘을 제안하였다. 또 이러한 알고리즘에 의해 얻은 보행 횟수를 이용해서 활동량으로 환산하고 UI화면에 실시간으로 보임으로써 정량화된 활동량으로 실시간 모니터링이 가능하도록 하였다. 실험결과 제안한 보행 횟수 검출 알고리즘이 에너지 기반의 기존의 고정 임계값을 이용하는 알고리즘 보다 $5{\sim}10%$ 정확도가 높은 결과 값을 얻을 수 있었으며 특히, 천천히 걷기에서 정확도가 높아진 것을 확인하였다.
최근 핸드폰, PDA 등에서 가속도센서를 이용한 연구가 많이 증가하고 있다. 본 논문에서는 3축 가속도센서를 이용해 사람이 보행 시 발생하는 데이터를 취득하여 사람의 걸음 수를 계산해 내는 알고리즘과 활동량을 실시간으로 모니터링 할 수 있는 UI 시스템을 개발하였다. 걷기, 제자리 걷기, 뛰기, 천천히 걷기 등의 각 상황별 걸음 수를 정밀하게 측정하기 위해 적응적인 임계값을 사용하는 보행 횟수 검출 알고리즘을 제안하였다. 또 이러한 알고리즘에 의해 얻은 보행 횟수를 이용해서 활동량으로 환산하고 UI화면에 실시간으로 보임으로써 정량화된 활동량으로 실시간 모니터링이 가능하도록 하였다. 실험결과 제안한 보행 횟수 검출 알고리즘이 에너지 기반의 기존의 고정 임계값을 이용하는 알고리즘 보다 $5{\sim}10%$ 정확도가 높은 결과 값을 얻을 수 있었으며 특히, 천천히 걷기에서 정확도가 높아진 것을 확인하였다.
The research for a 3-axial accelerometer sensor has increased dramatically in the fields of cellular phone, PDA, etc. In this paper, we develop a human walking detection algorithm using 3-axial accelerometer sensor and a user interface system to show the activity expenditure in real-time. To measure...
The research for a 3-axial accelerometer sensor has increased dramatically in the fields of cellular phone, PDA, etc. In this paper, we develop a human walking detection algorithm using 3-axial accelerometer sensor and a user interface system to show the activity expenditure in real-time. To measure a walking number more correctly in a variety of walking activities including walking, walking in place, running, slow walking, we propose a new walking number detection algorithm using adaptive threshold value. In addition, we calculate the activity expenditure base on counted walking number and display calculated activity expenditure on UI in real-time. From the experimental results, we could obtain that the detection rate of proposal algorithm is higher than that of existing algorithm using a fixed threshold value about $5{\sim}10%$. Especially, it could be found out high detection rate in walking in place.
The research for a 3-axial accelerometer sensor has increased dramatically in the fields of cellular phone, PDA, etc. In this paper, we develop a human walking detection algorithm using 3-axial accelerometer sensor and a user interface system to show the activity expenditure in real-time. To measure a walking number more correctly in a variety of walking activities including walking, walking in place, running, slow walking, we propose a new walking number detection algorithm using adaptive threshold value. In addition, we calculate the activity expenditure base on counted walking number and display calculated activity expenditure on UI in real-time. From the experimental results, we could obtain that the detection rate of proposal algorithm is higher than that of existing algorithm using a fixed threshold value about $5{\sim}10%$. Especially, it could be found out high detection rate in walking in place.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 3축 가속도 센서를 이용한 사람의 보행 횟수를 검줄하는 알고리즘을 제안하고 활동량을 실시간으로 모니터 링 할 수 있는 UI를 개발하였다. 먼저 보행 횟수 검출 알고리즘은 사람의 허리에 센서 모듈을 부착하고 센서에서 나오는 값을 처리함으로써 사람의 보행 횟수를 검출해 내는 것이다.
본 논문에서는 일상생활 속에서 자연스럽고 편리하게 활동량을 PC로 실시간 모니터링 할 수 있는 시스템을 구현하였다. 먼저 활동량은 다양한 방법으로 나타낼 수 있는데, 본 연구에서는 MET(Metabolic Equivalents per Time)와 Kcalorie를 이용한 방법을 보여준다.
이러한 기술에서는 사람의 활동량 측정이 가장 기본이 된다. 본 연구에서는 사람의 보행 활동량을 측정하기 위해 3축 가속도 센서를 이용해서 데이터를 획득하고 데이터 처리하여 사람의 보행 횟수를 검줄하는 알고리즘을 제안하고 사용자가 자신의 활동량을 PC에서 실시간으로 모니터링 할 수 있는 시스템을 개발하였다. 사용된 3축 가속도 센서는 현재 MEMS (Mero Electro Mechanical Systems) 기술 발전으로 인해 더 정확한 데이터를 얻을 수 있고 게임기, 핸드폰, PDA 등 여러 곳에서 연구 및 응용되어지고 있다.
이는 이전의 방법보다 정확한 걸음 수를 검출할 수 있겠지만 사용자가 사용할 때 불편함을 느끼게 된다. 이러한 이유로 본 연구에서는 현재 보행 수 측정지점에서 과거의 값을 살펴 적응적으로 임계값을 가변시키는 알고리즘을 제안한다.
제안 방법
5, 125값을 적용해서 구하였다. Kcaloiie값을 얻기 위해 체중 값은 사용자가 직접 입력할 수 있도록 구현하였다.
먼저 보행 횟수 검출 알고리즘은 사람의 허리에 센서 모듈을 부착하고 센서에서 나오는 값을 처리함으로써 사람의 보행 횟수를 검출해 내는 것이다. 기존의 고정적인 임계 값을 이용하는 알고리즘은 걷기, 제자리 걷기, 뛰기, 천천히 걷기의 각 상황에서 정확한 걸음 수를 검출해내기 어려운 단점이 있디' 따라서 가변적인 임계값을 이용한 알고리즘을 제안하였다. 실험 결과 고정적인 임계 값을 이용하는 알고리즘 보다 더 정확한 보행 검출률을 보였다.
50Hz로 하였다. 또 실험은 걷기(100 걸음), 제자리 걷기(30 걸음), 뛰기(100 걸음), 천천히 걷기(100 걸음) 이렇게 4 가지로 실험을 하였고 센서모듈은 허리에 착용하였다. 천천히 걷기의 경우 분당 40걸음 내외로 실험하였다.
또한 모니터링 프로그램에서는 수신된 데이터를 이용하여 제안한 가변적인 임계값을 이용한 보행회수를 화면에 나타내었다. 또한 활동량은 Kslorie로 나타내었으며 Kcalorie값은 걸음 수를 기준으로 걷기에서 뛰기의 3단계로 나누어세표 2]의 MET 값에 따라 3.5, 8.5, 125값을 적용해서 구하였다. Kcaloiie값을 얻기 위해 체중 값은 사용자가 직접 입력할 수 있도록 구현하였다.
구현하였다. 먼저 활동량은 다양한 방법으로 나타낼 수 있는데, 본 연구에서는 MET(Metabolic Equivalents per Time)와 Kcalorie를 이용한 방법을 보여준다.
본 논문에서 제안하는 알고리즘은 이전의 데이터에 따라 임계값을 지속적으로 갱신시켜주면서 걸음 수를 검출한다. 이 알고리즘은 [그림 6]과 같이 두 단계의 처리로 이루어진다.
본 논문에서는 3축 가속도의 출력값을 지그비 (Zigbee)를 이용해 무선으로 센서모듈에서 PC로 전송하도록 하였다. 센서모듈에 사용된 마이크로 프로 세는 아트멜(ATMEL)사의 Aggal28L이다.
이용해 전송된다. 본 논문에서는 가속도 센서 출력값이 PC로 전송되면 이 데이터를 저장한 후, 분석 및 처리하여 실시간으로 이 값을 보여주는 모니터링 프로그램을 구현하였다 전송 데이터 패킷은[그림 8]과 같다. 전체 데이터 전송 패킷의 길이는 yte이고각 Iby 데이터는 ASCII값을 사용하여 전송되었다.
이렇게 제안한 알고리즘에 의해 검출된 걸음수와 정량화된 활동량, 3축 가속도의 출력값을 실시간으로 모니터 링 이 가능하도록 UI를 개발하였다. 모니터 링 부분은 3축 가속도 센서의 출력을 받는 과정, 이를 처리하여 사용자가 원하는 의미 있는.
제안하는 알고리즘으로 걸음 수를 검출하기 위해서는 하나의 대표값이 있어야 한다. 즉, X, y, z값을 각각 처리하는 것보다는 하나의 대표값을 처리하는 것이 더 단순한 처리 과정을 갖게 되고 더 빠른 실행 시간을 갖게 된다, .
대상 데이터
본 논문에 사용된 센서는 SMB3로 [그림 2]와 같이 X, y, z 방향의 가속 요소에 해당하는 전기 적 출력을 갖춘 3차원 동작 센서이다. 이 센서는 기울기에 대해 2G 에서 10G까지 측정할 수 있고 최대 샘플링주파수는 50Hz이다.
하였다. 센서모듈에 사용된 마이크로 프로 세는 아트멜(ATMEL)사의 Aggal28L이다. [그림 3]은 본연구에서 사용한 전체 시스템을 나타내고 있다.
제안하는 알고리즘을 위해 3축 가속도 센서의 샘플링은 50Hz로 하였다. 또 실험은 걷기(100 걸음), 제자리 걷기(30 걸음), 뛰기(100 걸음), 천천히 걷기(100 걸음) 이렇게 4 가지로 실험을 하였고 센서모듈은 허리에 착용하였다.
데이터처리
그러나 가장 처음 데이터를 얻었을 때는 PeakDatal에서부터 Peakta6까지의 값이 없기 때문에 가변적인 임계값을 구할 수 없는 상황이다. 따라서 첫 번째 데이터는 기본 임계값 0.95로 스텝을 카운트 하였고, 두 번째 데이터는 이전 1개의 최대값과 4 개의 기본 임계값으로 평균값을 구하였고, 세 번째 데이터는 이전 두 개의 최대값과 3개의 기본 임계 값으로 평균값을 구하여 임계값을 구하였다. 이런 방법으로 여섯 번째 데이터를 구하기 전까지 임계값을 구하였다.
천천히 걷기의 경우 분당 40걸음 내외로 실험하였다. 제안한 알고리즘의 우수함을 보이기 위해 기존의 고정적인 임계값을 이용해 걸음 수를 계산하는 방법과 성능을 비교하였다. 고정 임계값을 이용한 방법은 다양한 실험을 통해 가장 좋은 결과값이 나오는 임계 값을 찾았는데 0로 나타났다.
성능/효과
(3)식은 PeakDatal의 5지점값을 (2)식을 더해준 것이다. 결론적으로 (3)식은 걸음걸이에도 상관성이 있다는 기본적인 생각에서 출발한 것으로, 바로 이전 걸음 최대치 PeakDatal의 #값을 초기값으로 잡고 과거 최대값들의 상관성을 고려한 갱신 알고리즘이다. 즉, 이전 값들에 의해서 현재의 임계값이 결정된다.
이런 방법으로 여섯 번째 데이터를 구하기 전까지 임계값을 구하였다. 또 걸음 수를 카운트한 직후부터 발생할 수 있는 잡음처리를 위해 300ms까지는 데이터를 처리하지 않도록 하였다빨리 뛰기 실험을 해본 결과 한 발에서 다음 한 발을 내딛을 때까지 시간간격은 대부분 400ms이상이 필요했으며, 실험 데이터 중 가장 빠른 시간간격인 경우도 300ms이상임을 확인 하였다. [그림 7](a)는 식(3)에 의해 에너지 값으로 변화된 데이터를 나타내며 (b)는 가변적으로 계산된 임계값을 나타낸다.
특히 천천히 걷기에서 9% 이상 향상된 결과를 확인할 수 있었다. 또한 모니터링을 위해 개발된 UI 로 활동량을 실시간으로 확인할 수 있었다. 본 논문에서 제안한 알고리즘은 기존의 고정 임계값을 이용하는 방법 보다 조금 더 높은 정확도를 보이므로 사람의 보행 횟수 검출을 기반으로 하는 활동량 모니터링이나 비만 관련 시스템과 같은 곳에 응용될 수 있을 것이다.
기존의 고정적인 임계 값을 이용하는 알고리즘은 걷기, 제자리 걷기, 뛰기, 천천히 걷기의 각 상황에서 정확한 걸음 수를 검출해내기 어려운 단점이 있디' 따라서 가변적인 임계값을 이용한 알고리즘을 제안하였다. 실험 결과 고정적인 임계 값을 이용하는 알고리즘 보다 더 정확한 보행 검출률을 보였다. 특히 천천히 걷기에서 9% 이상 향상된 결과를 확인할 수 있었다.
실험 결과 고정적인 임계 값을 이용하는 알고리즘 보다 더 정확한 보행 검출률을 보였다. 특히 천천히 걷기에서 9% 이상 향상된 결과를 확인할 수 있었다. 또한 모니터링을 위해 개발된 UI 로 활동량을 실시간으로 확인할 수 있었다.
후속연구
본 논문에서 제안한 알고리즘은 기존의 고정 임계값을 이용하는 방법 보다 조금 더 높은 정확도를 보이므로 사람의 보행 횟수 검출을 기반으로 하는 활동량 모니터링이나 비만 관련 시스템과 같은 곳에 응용될 수 있을 것이다. 또한 본 논문의 결과를 의료 시스템과 접목시킨다면 U-Healthcare 환경을 만족시키는 미래형 의료 시스템구현이 가능할 수 있을 것이다.
또한 모니터링을 위해 개발된 UI 로 활동량을 실시간으로 확인할 수 있었다. 본 논문에서 제안한 알고리즘은 기존의 고정 임계값을 이용하는 방법 보다 조금 더 높은 정확도를 보이므로 사람의 보행 횟수 검출을 기반으로 하는 활동량 모니터링이나 비만 관련 시스템과 같은 곳에 응용될 수 있을 것이다. 또한 본 논문의 결과를 의료 시스템과 접목시킨다면 U-Healthcare 환경을 만족시키는 미래형 의료 시스템구현이 가능할 수 있을 것이다.
S. E. Crouter, J. R. Churilla, and R. B. David Jr, "Estimating energy expenditure using accelerometers," European Journal of Applied Physiology, Vol.98, No.6, pp.601-612, 2006.
D. U. Jeong, S. J. Kim, and W. Y. Chung, "Classification of Posture and Movement Using a 3-axis Accelerometer," 2007 International Conference on Convergence Information Technology, pp.837-844, 2007.
M. J. Mathie, A. C. F. Coster, B. G. Deller, and N. H. Lovell, "Classification of basic daily movements using a triaxial accelerometer," Med. Biol. Eng. Comput, Vol.42, pp.670-687, 2004.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.