선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 심전도는 심장에서 흐르는 전기적인 신호로 이를 측정하여 사용자의 질병의 유∙무와 현재의 상태를 진단할 수 있다. 본 연구에서는 사용자가 체감형 게임을 할 때 발생하는 심전도(ECG) 신호를 측정하여 스트레스를 분석하였다. [6]에서는 심전도를 사용하여 스트레스를 측정하고, 바이오피드백 기술을 적용한 사용자 스트레스 해소 여부에 대한 연구를 진행하였다.
- 시행한 체감형 게임은 태권도 게임으로 컴퓨터와 사용자간의 대련으로 구성되었다. 본 연구의 목표인 체감형 게임에서의 심전도 측정은 기존에 실험된 바가 없는 최초의 시도이며, 분류기 알고리즘의 정확도 개선에 초점을 두었다. 실험은 측정한 신호를 전처리하여 스트레스 상태를 도출하였고, 이를 데이터로 구성하여 분류기 실험을 하였다.
제안 방법
- 그리고 IR 센서 기반의 동작인식 기술을 사용하였는데, 1) Joint Angle Recalculation, 2) Joint Position Normalization, 3) Joint Local Rotation으로 구성된다. 1)은 각 조인트 위치 사이의 각을 계산하고, 2)는 조인트의 위치를 정규화 하여 동작을 비교하였다. 그리고 3)은 키넥트로 부터 들어온 조인트 회전각을 3D 기준모델에 대합하여 조인트의 로컬 회전각으로 동작을 인식한다.
- Neutral은 체감형 게임을 하기 전의 상태이며, NonStress와 Stress는 게임 후의 상태를 나타낸다. FP트리는 해당 속성에서 빈번하게 발생한 애트리뷰트를 빈발항목집합으로 구성하여 탐지하였다. FP트리는 분할정복전략(divide-and-conquer)을 사용함으로써 문제를 더 작은 부분문제들로 분할한다.
- 게임은 태권도 게임으로 컴퓨터와 사용자간의 대련으로 사용자는 손과 팔 다리를 활용할 수 있다. 게임은 4D게임 엔진으로 설계하였는데, 게임 엔진은 OpenNI Layer, Synchronizer, Abstract Layer의 모듈로 나뉘며, 세 개의 모듈은 Unity3D 게임 엔진위에서 통합된다. 그리고 IR 센서 기반의 동작인식 기술을 사용하였는데, 1) Joint Angle Recalculation, 2) Joint Position Normalization, 3) Joint Local Rotation으로 구성된다.
- 본 실험에서는 Accuracy(정확도), Sensitivity (민감도), Specificity(특이도)를 도출하였다. 이는 TP(True Positive), TN(True Negative), FP(False Positive) 그리고 FN(False Negative)을 먼저 도출한 후에 아래 수식을 사용하여 계산한다.
- NUI(Natural User Interface)는 키보드와 마우스 없이 사용자의 신체부위를 이용한 인터페이스로, 2006년 Christian Moore[4]가 제스쳐 인식 등 관련 기술에 관한 논의를 위해 오픈리서치 커뮤니티를 개설하면서 확산되었다[5]. 본 실험에서는 NUI 공간에서 체감형 게임을 시행하였고, 시행 전과 후로 사용자의 심전도를 측정하여 스트레스 여부를 분석하였다.
- 실험자는 19세에서 22세까지의 대학생 남녀 각각 10명을 상대로 모두 20명에게 시행하였다. 본 연구에서 심전도 신호는 각각 게임 전과 후로 나누어서 60초에 걸쳐서 추출하였다. 실험은 기존의 Random Forest 트리 알고리즘과 정확도 개선을 위해 FP-tree를 적용한 변형 알고리즘의 Stress의 실험결과를 [Table 3]에 나타내었다.
- 본 연구에서 제안한 스마트공간은 총 스터디 룸 (study room), 거실(living room), 침실(bed room), 게임 룸(game room)으로 구성되어있다. NUI(Natural User Interface) 기술은 컴퓨터와 사용자 사이의 간격을 줄여서 사용성을 높여줄 수 있는지 없는지를 결정하는 기술이다.
- 본 연구에서는 NUI 공간에서 게임 시행 전과 시행 후로 나누어 사용자의 심전도를 측정하였다. 전송 시에는 사용자 정보를 인증하며, 인증 후에 전송 받은 정보를 사용자 프로파일에 저장한다.
- 본 연구에서는 NUI 공간에서 게임을 시행하였다. 게임은 태권도 게임으로 컴퓨터와 사용자간의 대련으로 사용자는 손과 팔 다리를 활용할 수 있다.
- 게임의 난이도에 따라서 사용자는 스트레스를 받게 되며, 이를 점수로 환산하면 사용자에 따른 게임의 몰입상태를 알 수 있다[9]. 본 연구에서는 게임 시행 전에 측정한 심전도 신호의 스트레스 상태를 Neutral(평온한 상태)로 분류하였고, 게임 시행 후의 상태를 NonStress(스트레스 없음)와 Stress(스트레스 있음)의 두 경우로 분류 하였다.
- 본 연구에서는 스마트공간으로 분류한 게임 룸을 NUI공간으로 구성하여 체감형 게임을 시행하였고, 게임 시행 전과 후로 나누어 사용자의 심전도 신호를 측정하여 스트레스를 분석하였다. 시행한 체감형 게임은 태권도 게임으로 컴퓨터와 사용자간의 대련으로 구성되었다.
- 본 연구에서는 심전도 신호의 상태를 Neutral (평온한 상태), NonStress(스트레스 없음), Stress (스트레스 있음)로 세 개의 속성으로 구분하였다. Neutral은 체감형 게임을 하기 전의 상태이며, NonStress와 Stress는 게임 후의 상태를 나타낸다.
- 실험은 측정한 신호를 전처리하여 스트레스 상태를 도출하였고, 이를 데이터로 구성하여 분류기 실험을 하였다. 분류기 실험은 트리 알고리즘인 Random Forest를 사용하였고, 기존의 알고리즘과 정확도의 개선을 위해 알고리즘을 변형한 실험을 같이 진행하였다. 실험결과는 변형알고리즘의 결과가 기존 알고리즘 보다 1.
- 심전도 데이터는 게임 시행 전과 후로 나누어 각각 60초간 측정하였다. 실행된 게임은 NUI 공간에서 사용자의 동작을 키넥트로 인식하여 화면상에 제시된 태권 동작을 정확하게 따라서 수행하는지에 대한 여부를 점수화 하는 방식으로 진행되었다.
- 본 연구의 목표인 체감형 게임에서의 심전도 측정은 기존에 실험된 바가 없는 최초의 시도이며, 분류기 알고리즘의 정확도 개선에 초점을 두었다. 실험은 측정한 신호를 전처리하여 스트레스 상태를 도출하였고, 이를 데이터로 구성하여 분류기 실험을 하였다. 분류기 실험은 트리 알고리즘인 Random Forest를 사용하였고, 기존의 알고리즘과 정확도의 개선을 위해 알고리즘을 변형한 실험을 같이 진행하였다.
- 실험은 스마트 공간으로 분류된 네 개의 공간 중 NUI(Natural User Interface) 공간으로 구성된 게임 룸(Game room)에서 진행하였다. 심전도 데이터는 게임 시행 전과 후로 나누어 각각 60초간 측정하였다. 실행된 게임은 NUI 공간에서 사용자의 동작을 키넥트로 인식하여 화면상에 제시된 태권 동작을 정확하게 따라서 수행하는지에 대한 여부를 점수화 하는 방식으로 진행되었다.
- 실험과정은 게임 시행 전에 측정한 심전도 신호를 사용자 프로파일에 전송하고, 시행 후에 측정한 신호를 사용자 프로파일에 전송한다. 전송받은 신호를 전처리 과정(pre-processing)을 통하여 지저선 잡음(baseline wondering)과 노이즈를 제거하여 스트레스신호를 추출한다. 추출한 신호는 데이터를 수치화하여 Random Forest 분류기로 실험한다.
- 전송받은 신호를 전처리 과정(pre-processing)을 통하여 지저선 잡음(baseline wondering)과 노이즈를 제거하여 스트레스신호를 추출한다. 추출한 신호는 데이터를 수치화하여 Random Forest 분류기로 실험한다.
대상 데이터
- 사용자는 NUI 공간의 게임 룸에서 게임을 시행한다. 게임 시작 전에 사용자는 심전도 신호를 측정하며 측정한 신호는 사용자 프로파일로 전송된다.
- 실험은 스마트 공간으로 분류된 네 개의 공간 중 NUI(Natural User Interface) 공간으로 구성된 게임 룸(Game room)에서 진행하였다. 심전도 데이터는 게임 시행 전과 후로 나누어 각각 60초간 측정하였다.
- 실험자는 19세에서 22세까지의 대학생 남녀 각각 10명을 상대로 모두 20명에게 시행하였다. 본 연구에서 심전도 신호는 각각 게임 전과 후로 나누어서 60초에 걸쳐서 추출하였다.
데이터처리
- 본 연구에서 심전도 신호는 각각 게임 전과 후로 나누어서 60초에 걸쳐서 추출하였다. 실험은 기존의 Random Forest 트리 알고리즘과 정확도 개선을 위해 FP-tree를 적용한 변형 알고리즘의 Stress의 실험결과를 [Table 3]에 나타내었다. [Table 3]은 실험에 참여한 사용자 20명의 전체실험결과의 평균이며, 게임 시행 전과 후의 결과 중에서 스트레스가 높게 도출된 시행 후의 결과만을 나타내었다.
이론/모형
- 실험은 Tree 알고리즘의 하나인 Random Forest로 시행하였다. Random Forest는 임의 벡터선택으로 사용되는 알고리즘으로 Decision Tree를 위해 특별히 설계된 앙상블 기법이다[14].
- 그러나 불완전한 값들이 포함되어 경우 에는 그로인해 중복된 값에 의해서 오버피팅(Overfitting) 현상이 발생할 수 있다. 오버피팅(Overfitting) 현상이 생기면 정확한 값 즉, 정확도(Accuracy)에 대한 신뢰도가 떨어질 수 있으므로 본 논문에서는 정확도를 개선하기 위하여 FP-성장 알고리즘이 적용된 변형 Random Forest 알고리즘을 사용하였다. FP-성장 알고리즘은 상향식 방법으로 트리를 탐험하여 FP 트리에서 가장 빈번하게 발생하는 빈발항목 집합들을 생성한다[15].
성능/효과
- 04% 높은 결과를 도출하였다. 따라서 기존의 알고리즘보다 변형 후 알고리즘의 성능이 조금 더 개선되었음을 알 수 있었다.
- 측정된 심전도 신호는 자동으로 분석되어 스트레스의 발생 여부가 파악된다. 사용자가 직접 입력한 스트레스 상태 여부를 활용하여 교사학습 방식에 의한 실험을 진행하였고, 이에 대한 정확도가 도출되었다.
- 분류기 실험은 트리 알고리즘인 Random Forest를 사용하였고, 기존의 알고리즘과 정확도의 개선을 위해 알고리즘을 변형한 실험을 같이 진행하였다. 실험결과는 변형알고리즘의 결과가 기존 알고리즘 보다 1.04%높은 결과를 도출하였다.
- SEN(Sensitivity)는 민감도, SPE(Specificity)는 특이도, 그리고 ACC(Accuracy)는 정확도를 나타낸다. 정확도 결과를 살펴보면, Modified의 결과가 Not-modified의 결과보다 1.04% 높은 결과를 도출하였다. 따라서 기존의 알고리즘보다 변형 후 알고리즘의 성능이 조금 더 개선되었음을 알 수 있었다.
후속연구
- 심전도 신호 분석에 의해 도출된 스트레스 발생 여부는 게임 콘텐츠의 난이도 자동 조정에 활용될 수 있으며, 적절한 난이도 조절은 사용자의 게임 몰입도를 높이는데 활용이 가능하다[9]. 따라서 본 연구의 결과는 사용자의 몰입감을 높이는 차세대 스마트 콘텐츠 개발에 적용이 가능할 것이다.
- 향후에는 태권도 게임 외에도 다른 장르 즉, 롤플레잉 게임 등 난위도가 높은 게임으로 구현하여 시행할 예정이다. 사용자의 상태는 심전도를 활용한 스트레스를 측정하였는데, 이후에는 뇌파를 활용한 스트레스 측정 및 감정인식 부분에 관한 연구가 필요하다.
- 향후에는 태권도 게임 외에도 다른 장르 즉, 롤플레잉 게임 등 난위도가 높은 게임으로 구현하여 시행할 예정이다. 사용자의 상태는 심전도를 활용한 스트레스를 측정하였는데, 이후에는 뇌파를 활용한 스트레스 측정 및 감정인식 부분에 관한 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.