생활 속에서 걷기(보행)와 같은 운동을 보다 효과적으로 할 수 있다면 비만과 같은 생활습관 질병과 체중을 관리하는데 도움이 된다. 일반적으로 소모 칼로리는 보행시 이동하는 거리를 기준으로 계산된다. 그러나 보행거리는 보폭과 걸음수로 측정될 수 있는데, 대부분의 운동량 측정 계에서는 평균보폭을 기준으로 삼아 측정하고 있어 각기 다른 개인의 신체적 특성과 보행특성을 제대로 반영하지 못하고 있다. 뿐만 아니라 보행속력에 따라서 보폭도 달라지기 때문에 보행속력을 고려하지 않는다면 보행거리가 길수록 오차가 점점 커져 잘못된 보행거리와 칼로리 소모량이 계산될 수밖에 없다. 이에 본 연구에서는 개인의 보행속력을 3단계로 분류하고 3축 가속도계로부터 측정된 x,y,z축 값으로 보행속력을 추정한 뒤 보폭을 자동으로 계산해 내는 개인별 자동보폭 측정기법을 고안하였다. 또한 측정기법의 유효성을 확인하기 위해 스마트 기기에서 애플리케이션을 개발하고, 이를 이용한 인식률 실험과 보행속력 분류 정확도 실험, 그리고 이동거리 측정실험을 통해서 그 효용성을 확인할 수 있었다.
생활 속에서 걷기(보행)와 같은 운동을 보다 효과적으로 할 수 있다면 비만과 같은 생활습관 질병과 체중을 관리하는데 도움이 된다. 일반적으로 소모 칼로리는 보행시 이동하는 거리를 기준으로 계산된다. 그러나 보행거리는 보폭과 걸음수로 측정될 수 있는데, 대부분의 운동량 측정 계에서는 평균보폭을 기준으로 삼아 측정하고 있어 각기 다른 개인의 신체적 특성과 보행특성을 제대로 반영하지 못하고 있다. 뿐만 아니라 보행속력에 따라서 보폭도 달라지기 때문에 보행속력을 고려하지 않는다면 보행거리가 길수록 오차가 점점 커져 잘못된 보행거리와 칼로리 소모량이 계산될 수밖에 없다. 이에 본 연구에서는 개인의 보행속력을 3단계로 분류하고 3축 가속도계로부터 측정된 x,y,z축 값으로 보행속력을 추정한 뒤 보폭을 자동으로 계산해 내는 개인별 자동보폭 측정기법을 고안하였다. 또한 측정기법의 유효성을 확인하기 위해 스마트 기기에서 애플리케이션을 개발하고, 이를 이용한 인식률 실험과 보행속력 분류 정확도 실험, 그리고 이동거리 측정실험을 통해서 그 효용성을 확인할 수 있었다.
Exercise such as walking is helpful to manage one's own weight and to counter life habit diseases such as obesity. Calorie consumption is usually calculated based on the distance walked. One way to measure the distance is by using steps and stride length. Most pedometers, including some applications...
Exercise such as walking is helpful to manage one's own weight and to counter life habit diseases such as obesity. Calorie consumption is usually calculated based on the distance walked. One way to measure the distance is by using steps and stride length. Most pedometers, including some applications in smart devices, are inaccurate, because they use a common value as the average stride length, even though each person has a different stride length. Moreover, the stride length differs depending on the walking pace, which will further increase the error. To address this, in this paper, I classify paces into three categories. Following that, I introduce a customized measurement of stride length, which is calculated based on the stride length corresponding to each pace category after obtaining x, y, z values from a 3-axis accelerometer in the smart device. In addition to this, I developed an application running on the smart device designed for the proposed measurement of stride. I have conducted three experiments for the assessment of the proposed measurement. In conclusion, I confirmed the effectiveness of this system.
Exercise such as walking is helpful to manage one's own weight and to counter life habit diseases such as obesity. Calorie consumption is usually calculated based on the distance walked. One way to measure the distance is by using steps and stride length. Most pedometers, including some applications in smart devices, are inaccurate, because they use a common value as the average stride length, even though each person has a different stride length. Moreover, the stride length differs depending on the walking pace, which will further increase the error. To address this, in this paper, I classify paces into three categories. Following that, I introduce a customized measurement of stride length, which is calculated based on the stride length corresponding to each pace category after obtaining x, y, z values from a 3-axis accelerometer in the smart device. In addition to this, I developed an application running on the smart device designed for the proposed measurement of stride. I have conducted three experiments for the assessment of the proposed measurement. In conclusion, I confirmed the effectiveness of this system.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이와 같은 맥락에서 본 연구에서는 스마트기기에서 제공하는 3축가속도 센서를 이용하여 각 개인마다 다른 상황을 고려한 보다 정확한 보폭측정 알고리즘을 고안하고자 하며, 이를 통해 보다 정확한 칼로리 소모량이 측정될 수 있도록 하고자 한다. 또한 본 연구에서 고안된 알고리즘을 실제 안드로이드 기반 스마트폰에 구현하고 실험하여 그 유효성을 확인하고자 한다.
빠른 걸음일수록 보폭이 커지기 때문에 보행속력을 고려하지 않는다면 실제로 이동한 거리와 오차가 생긴다. 본 실험에서는 일률적으로 일반보폭을 적용한 경우와 보행속력에 따라 차등적으로 적용한 경우를 비교하고 분석하였다. 이를 위해 보행속력이 느리면 느린 걸음에 맞는 개인 보폭을 적용하고, 보행속력이 빨라지면 빠른 걸음에 맞는 보폭을 차등해서 적용하도록 애플리케이션에 맞춤형 알고리즘을 구현하여 실험하였다.
보행(걷기운동)은 생활습관 질병을 예방하고 치료하는데 중요한 역할을 하므로 스마트 기기를 기반으로 한 다양한 형태의 걷기운동 애플리케이션들이 개발되고 있다. 본 연구에서는 걸음 수만을 계수하는 운동량 산출방식을 벗어나 개인마다 다른 보폭의 정확도를 높이기 위해 개인 맞춤형 보폭측정 기법을 제안하였다. 이것은 개인의 신장과 보행속력에 맞는 보폭을 적용함으로써 일률적 보폭크기를 고려한 방식보다 정확한 이동거리를 산출해낼 수 있는 장점이 있다.
이 같은 맥락에서 볼 때 본 연구에서는 급속하게 보급되는 스마트 기기를 이용하여 보다 개인에 맞는 보폭 길이를 측정할 수 있는 보폭측정 및 적용기법을 제안하고자 한다.
이 실험은 개인이 빠른 걸음으로 걸었을 때와 느린 걸음으로 걸었을 때는 내 딪는 보폭의 크기가 다르기 때문에 이동거리에 많은 영향을 주므로 제안된 개인 맞춤형 보폭측정 기법의 신뢰성을 판단하는데 의미가 있다.
이동거리 측정실험은 일반보폭(신장-100cm)과 개인의 맞춤보폭간의 차이를 확인하기 위한 실험이다. 빠른 걸음일수록 보폭이 커지기 때문에 보행속력을 고려하지 않는다면 실제로 이동한 거리와 오차가 생긴다.
이와 같은 맥락에서 본 연구에서는 스마트기기에서 제공하는 3축가속도 센서를 이용하여 각 개인마다 다른 상황을 고려한 보다 정확한 보폭측정 알고리즘을 고안하고자 하며, 이를 통해 보다 정확한 칼로리 소모량이 측정될 수 있도록 하고자 한다. 또한 본 연구에서 고안된 알고리즘을 실제 안드로이드 기반 스마트폰에 구현하고 실험하여 그 유효성을 확인하고자 한다.
제안 방법
애플리케이션은 걸음 수(step)와 보폭(stride)을 측정하여 제공하도록 인터페이스를 구현하였다. 또한 개인별로 맞춤 값을 설정하기 위한 개인의 기준보폭 설정 인터페이스를 제공하였다.
보행속력에 따른 걸음 수는 애플리케이션이 실행되면서 측정할 수 있다. 또한 개인에 맞는 보행속력별 보폭거리는 두 가지(초기 값, 개인 맞춤 값)로 나누어 설정하도록 개발하였다. 초기 값은 “자신의 신장-100cm”를 기준으로 설정된다.
본 연구에서 제안한 개인 맞춤형 보폭측정 기법의 유효성을 확인하기 위해서 1.5Ghz Dualcore 프로세서와 Android SDK 4.0.3 플랫폼에서 실행되는 모바일 애플리케이션을 개발하였다.
본 연구에서 제안한 기법의 효용성을 확인하기 위해 안드로이드 기반의 스마트 폰에서 애플리케이션을 구현하고 3가지 시험을 하였다. 첫 번째로 실내에서 98.
스마트 기기를 이용하여 “느린걸음”, “보통걸음”, “빠른걸음”으로 각각 10걸음씩 실험을 하였다.
실험은 50m 이동거리를 기준으로 실내외에서 느린걸음(4km/h이하), 보통걸음(4km/h～6km/h), 빠른걸음(6km/h이상)으로 구분하여 걸음 수를 측정하였다. 실내에서는 평평한 일직선의 복도에서 하였으며 실외에서는 계단과 곡선보행로 그리고 내리막이 혼재된 보행로를 선택하여 시행하였고 실내와 실외에서 각각 10회씩 시행하여 총 60회의 실험을 하였다. 이 실험을 통해서 획득한 결과는 [표 2]이며, 이 결과와 식 (4)를 통해서 실제 걸음 수(N)와 애플리케이션을 통해서 추정한 측정 걸음 수(M)를 이용해 걸음 수 인식률(R)을 계산해 보니 [그림 7]과 같은 결과를 얻을 수 있었다.
실험은 50m 이동거리를 기준으로 실내외에서 느린걸음(4km/h이하), 보통걸음(4km/h～6km/h), 빠른걸음(6km/h이상)으로 구분하여 걸음 수를 측정하였다. 실내에서는 평평한 일직선의 복도에서 하였으며 실외에서는 계단과 곡선보행로 그리고 내리막이 혼재된 보행로를 선택하여 시행하였고 실내와 실외에서 각각 10회씩 시행하여 총 60회의 실험을 하였다.
실험절차는 [그림 9]에서처럼 50걸음을 속력별 5개 구간으로 나누고, 느린걸음(10걸음)으로 시작하여 보통걸음(10걸음)과 빠른걸음(10걸음)으로 변화한 뒤 보통걸음(10걸음)과 느린걸음(10걸음)으로 마치도록 하였다.
애플리케이션은 걸음 수(step)와 보폭(stride)을 측정하여 제공하도록 인터페이스를 구현하였다. 또한 개인별로 맞춤 값을 설정하기 위한 개인의 기준보폭 설정 인터페이스를 제공하였다.
본 실험에서는 일률적으로 일반보폭을 적용한 경우와 보행속력에 따라 차등적으로 적용한 경우를 비교하고 분석하였다. 이를 위해 보행속력이 느리면 느린 걸음에 맞는 개인 보폭을 적용하고, 보행속력이 빨라지면 빠른 걸음에 맞는 보폭을 차등해서 적용하도록 애플리케이션에 맞춤형 알고리즘을 구현하여 실험하였다.
성능/효과
33%의 높은 걸음 수 인식률을 확인할 수 있었으며, 느린 걸음과 보통 걸음 그리고 빠른 걸음으로 분류해내는 보행속력의 인식률도 87%라는 결과를 얻었다. 또한 일반보폭으로 적용하였을 때와 개인별 맞춤보폭을 적용하였을 때의 이동거리 측정실험에서도 누적오차가 발생함을 확인할 수 있었다.
본 연구에서 제안한 기법의 효용성을 확인하기 위해 안드로이드 기반의 스마트 폰에서 애플리케이션을 구현하고 3가지 시험을 하였다. 첫 번째로 실내에서 98.43%와 실외에서 97.33%의 높은 걸음 수 인식률을 확인할 수 있었으며, 느린 걸음과 보통 걸음 그리고 빠른 걸음으로 분류해내는 보행속력의 인식률도 87%라는 결과를 얻었다. 또한 일반보폭으로 적용하였을 때와 개인별 맞춤보폭을 적용하였을 때의 이동거리 측정실험에서도 누적오차가 발생함을 확인할 수 있었다.
후속연구
그러나 산악과 같은 복잡한 지형이나 아주 좁은 공간에서도 정확한 측정이 가능하도록 다양한 형태의 맞춤 보폭에 대한 연구가 지속적으로 필요하다. 또한 IOT와 M2M기술과의 접목을 통해 스마트기기와 각종 운동기 기간의 지능적 상호자율통신으로 개인의 건강관리의 효과적 서비스모델도 연구되어야 할 것으로 본다.
이동거리를 보다 정확히 측정하려면 걸음 수와 보행 속력에 대한 정확한 인식이 필요하다. 본 연구에서 제안한 기법이 실제 걸음에 대해 얼마나 정확히 인식하는지 확인 할 필요가 있으며, 보행속력에 따른 보폭주기 또한 정확히 분류해 내는지 알아봐야 한다. 다음 실험을 통해서 이것들을 확인하여 보았다.
질의응답
핵심어
질문
논문에서 추출한 답변
운동 중에서도 대부분의 모든 연령층에서 쉽게 할 수 있는 것은?
또한 재활과 같은 치료로써도 중요한 수단일 뿐만 아니라 현대인의 건강증진을 위해서도 중요한 역할을 한다[2]. 운동 중에서도 대부분의 모든 연령층에서 쉽게 할 수 있는 것이 걷기(보행)이다. 걷기는 특별한 시설이나 기술 없이도 할 수 있으며, 심혈관계 질환의 개선이나 예방, 유연성과 근력을 키우는데 매우 유익하다[1].
운동은 어떤 효과가 있는가?
운동은 당뇨, 고지혈증, 고혈압등 생활습관 질병을 유발시키는 원인 중에 하나인 비만을 예방하고 극복하는 데 효과가 있다[1]. 또한 재활과 같은 치료로써도 중요한 수단일 뿐만 아니라 현대인의 건강증진을 위해서도 중요한 역할을 한다[2].
걷기를 통한 건강 관리를 보조해주는 건강 애플리케이션은 어떤 한계점을 가지고 있는가?
그러나 대부분의 걷기보조 애플리케이션은 GPS위치 정보를 이용하여 움직임과 위치를 측정하고 이를 이용해 운동량과 칼로리 소모량을 계산하는 수준이 대부분이다[4]. 또한, 3축 가속도센서를 이용하여 걸음 수를 측정하고 이를 토대로 이동거리와 칼로리 소모량을 계산해준다[5][6]. 이동거리는 걸음 횟수와 보폭의 곱으로 획득할 수 있는데 대부분의 스마트기기는 3축 가속도 모션센서가 탑재되어 있기 때문에 센서를 통해 x, y, z 데이터를 측정하여 걸음으로 인식된 횟수를 측정하는방식이다[7][8]. 그러나 보폭은 남녀에 따라서 다르며, 신장에 따라서도 다르고, 속력에 따라서도 다르다. 그러나 이러한 상황을 고려하지 않고 평균적인 값으로 보폭 값이 사용되기 때문에 이동거리가 길수록 오차가 크게 생긴다. 또한 일부 애플리케이션은 보폭을 수동으로 입력할 수 있게 만들어 놓았지만 일일이 입력하기에는 불편하다.
참고문헌 (14)
신윤희, 윤상균, "만성질환 질환자용 웹 기반 운동 증진 프로그램 개발", 대한의료정보학회논문지, 제11권, 제2호, pp.175-188, 2005.
이병문, 신현호, 강운구 "차량정차감지 알고리즘을 이용한 탑승자의 효율적 위치추적시스템", 한국 인터넷정보학회논문지, 제12권, 제6호, pp.73-82, 2011.
김태은, 이호원 좌동경, 홍석교, "개인 항법 시스템을 위한 센서 위치와 보폭 추정 알고리즘", 전기학회논문지, 제59호, 제11권, pp.2058-2065, 2010.
M. Alzantot and M. Youssef, "UPTIME: Ubiquitous Pedestrian Tracking using Mobile Phones," Proc. of IEEE Wireless Communications and Networking Conference: Service, Applica tions, and Business, pp.3204-3209, 2012.
이병문, "사물기반네트워크를 이용한 효과적인 운동처방 서비스 모델", 2012년도 융복합지식학회 추계학술대회 논문집, 2012.
유향미, 서재원, 차은종, 배현덕, "3축 가속도 센서를 이용한 보행횟수 검출 알고리즘과 활동모니터링", 한국콘텐츠학회논문지, 제8호, 제8권, pp.253-260, 2008.
K. Tumkur and S. Subbiah, "Modeling Human Walking for Step Detection and Stride Determination by 3-Axis Accelerometer Readings in Pedometer," Proc. of 4th Int'l Conference on Computational Intelligent, Modeling and Simulation, IEEE, pp.199-204, 2012.
정철수, "연령과 속도에 따른 보행 형태와 역학적 효율적 분석", 한국운동역학회지, 제10권, 제2호, pp.205-219, 2001.
J. W. Kim, H. J. Jang, D. H. Hwang, and C. Park, "A Step, Stride and Heading Determination for the Pedestrian Navigation System," Journal of Global Positioning Systems, Vol.3, No.1-2, pp.273-279, 2004.
E. Martin, "Novel Method for Stride Length Estimation with Body Area Network Accelero meters," Proc. of Int'l Conference on Bio WireleSS 2011, IEEE, pp.79-82, 2011.
S.H. Shin and C.G. Park, "Adaptive Step Length Estimation Algorithm Using Low-Cost MEMS Inertial Sensors," IEEE Sensors Applications Symposium, pp.1-5, 2007(2).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.