[논문]바닥 진동을 통한 노인 낙상 검출

김동완; 유종현; 백승화

doi:10.7471/ikeee.2014.18.1.134

초록
AI-Helper

노인의 생활안전 사고 유형 중 가장 높은 비율을 차지하는 낙상은 57.2%이상이 가정에서 발생하는 것으로 조사되었다. 본 연구에서는 실내 바닥의 진동을 측정, 분석하여 낙상의 유무를 판별하고자 하였으며, 이를 위해 압전필름과 연산증폭기로 증폭 및 필터링 회로를 제작하여 진동 센서 모듈을 구성하였다. 진동 센서 모듈에서 증폭 및 필터링 과정을 거친 진동 신호는 데이터 수집 장치를 통해 디지털 신호로 변환되어 PC로 전송된다. 진동 신호는 k-NN 분류기를 이용하여 낙상 유무를 판별한다. 피험자 10명을 대상으로 낙상 실험결과, 분류기는 93.6%의 인식율을 나타내었다. 제작된 센서 모듈은 낙상 검출에 유용한 것으로 판단된다.

Abstract ▼ AI-Helper

According to survey, more than 57.2% of the fall which is the most frequent safety accident of the elders takes place at home. This research aims to verify the fall by measuring and analyzing the floor vibration. And the vibration sensor module was designed with piezo film sensor and operation ampli...

According to survey, more than 57.2% of the fall which is the most frequent safety accident of the elders takes place at home. This research aims to verify the fall by measuring and analyzing the floor vibration. And the vibration sensor module was designed with piezo film sensor and operation amplifier. The vibration signals are converted to digital signals through the data acquisition device and vibration sensor module. And then modified the signals into frequency domain to obtain characteristic vibration data. The characteristic signals are verified by K-Nearest Neighbor verification, and experimental results shows the recognition rate 93.6%. Also the fall detection sensor module is useful for extract the meaningful data for fall detection. 10 persons are participated for this experiment.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 노인 낙상의 절반 이상이 가정내에서 발생하므로, 실내 바닥 진동을 측정 분석하여 낙상 대상자의 낙상을 검출하는 시스템을 구현하였다. 본 연구의 선행연구로 사람의 양무릎이 바닥에 부딪혀 발생하는 진동 패턴과 유사한 진동 패턴을 발생시키는 마네킹을 제작하여 낙상 검출 실험을 실시하여 평균 오인식률 3.
본 연구에서는 바닥의 미세한 진동을 측정하기 위하여 압전 필름과 연산증폭기 회로를 이용하여 센서 모듈을 제작하였다. 센서 모듈을 통해 증폭 및 필터링 과정을 거친 신호는 데이터수집장치를 통해 PC로 전송되어 기계학습방법을 이용하여 진동 데이터를 분류한다.

제안 방법

8%의 결과를 얻었다[10]. 선행 연구 결과를 바탕으로 센서 모듈 등을 개량하여 실제 사람의 낙상 데이터를 수집 분석하여 낙상을 검출하는 시스템을 구현하였다.
제작된 센서 모듈은 LDTM-028K(Measurement Specialties Inc, USA) 압전 필름과 증폭 및 필터링을 위해 TL084 연산증폭기(Texas Instruments, USA)를 사용하여 그림 2와 같이 회로를 구성하였다. 바닥 진동에 의해 압전 필름에서 미세 전류가 발생하는데 이를 증폭하고 출력 전압으로 변환하기 위해 초단에 전하 증폭기 회로를 구성하였다.
특징 공간에 분류하려고 하는 특징과 비슷한 다른 종류의 특징들이 존재할 때, 그 결정영역은 일반적으로 비선형 특성을 가지므로 이러한 특징들의 분류는 비선형 분류기로 분류함이 타당하다. 본 연구에서는 비선형 분류기의 일종인 k-NN(k-Nearest Neighbors)분류기를 사용하여 패턴을 분류한다.
실험은 사람이 넘어지는 낙상과 사람이 넘어지는 경우를 제외한 실내에서 물건의 낙하 등으로 발생할 수 있는 비낙상 두 가지로 구분하였다. 낙상 실험은표 1과 같이 3개의 낙상 시나리오와, 6개의 비낙상 시나리오로 진행하였다.
실험은 사람이 넘어지는 낙상과 사람이 넘어지는 경우를 제외한 실내에서 물건의 낙하 등으로 발생할 수 있는 비낙상 두 가지로 구분하였다. 낙상 실험은표 1과 같이 3개의 낙상 시나리오와, 6개의 비낙상 시나리오로 진행하였다. 낙상 실험을 위해 20대 중반에서 30대 초반까지의 성인 남성 10명을 실험군으로 선정하였고, 비낙상 시나리오는 낙상 실험군의 제자리 점프, 책(2.

대상 데이터

제작된 센서 모듈은 LDTM-028K(Measurement Specialties Inc, USA) 압전 필름과 증폭 및 필터링을 위해 TL084 연산증폭기(Texas Instruments, USA)를 사용하여 그림 2와 같이 회로를 구성하였다. 바닥 진동에 의해 압전 필름에서 미세 전류가 발생하는데 이를 증폭하고 출력 전압으로 변환하기 위해 초단에 전하 증폭기 회로를 구성하였다.
센서의 바닥 부착 용이성과 바닥 진동 외에 공기 흐름에 의한 센서의 진동 등을 방지하기 위해 그림 3과 같이 압전 센서와 연산증폭기 회로를 보호 할 수 있는 케이스를 제작하여 실험에 사용하였다.
본 연구에서는 전처리 과정을 거친 진동 데이터에서 주파수 범위가 4~50Hz인 189개의 데이터를 특징으로 추출하여 패턴인식에 사용한다. 그림 8은 전처리 과정을 거친 그림 7의 낙상 데이터에서 특징으로 추출한 189개의 데이터이다.
낙상 실험은표 1과 같이 3개의 낙상 시나리오와, 6개의 비낙상 시나리오로 진행하였다. 낙상 실험을 위해 20대 중반에서 30대 초반까지의 성인 남성 10명을 실험군으로 선정하였고, 비낙상 시나리오는 낙상 실험군의 제자리 점프, 책(2.2kg), 패트병(1.6kg), 유리병(700g), 화분(1.2kg), 의자(6kg)을 이용하여 실험을 실시하였다. 낙상 실험환경은 낙상 위치에 부상방지를 위해 18mm두께의 매트를 설치하고, 바닥 진동 측정을 위한 센서 모듈은 낙상 위치에서 3m떨어진 위치에 설치하였다.
6%의 인식 결과를 얻을 수 있었다. 또한 제작된 진동 센서 모듈은 의미 있는 낙상 진동 데이터를 수집 할 수 있었다.

성능/효과

특징추출은 데이터의 특성을 분석하여 각 패턴을 표현하는 가장 핵심적인 정보들을 특징으로 찾는다. 데이터를 원래 형태 그대로 사용하지 않고, 핵심적인 특징만을 추출하여 사용함으로써 계산량과 메모리를 절약할 뿐만 아니라 데이터에 포함된 불필요한 정보를 제거하는 효과를 얻을 수 있다.
실험 결과는 표 2와 같이 낙상의 인식율은 300회 실험에서 95%로 나타났지만, 비낙상의 인식율은 700회 실험에서 93%로 나타났다.
7%이다[5~9]. 실험 방법 등의 차이로 정확한 비교는 어렵지만 본 연구에서는 가속도 센서 또는 영상 기반 낙상 인식율과 유사한 93.6%의 결과를 얻을 수 있었다.
센서 모듈을 통해 증폭 및 필터링 과정을 거친 신호는 데이터수집장치를 통해 PC로 전송되어 기계학습방법을 이용하여 진동 데이터를 분류한다. k-NN분류기를 이용한 실험결과 93.6%의 인식 결과를 얻을 수 있었다. 또한 제작된 진동 센서 모듈은 의미 있는 낙상 진동 데이터를 수집 할 수 있었다.

후속연구

향후 연구에서는 센서 모듈에 아날로그디지털 변환기와 무선 모뎀을 추가하여 별도의 데이터수집장치 없이 무선으로 진동 신호를 측정할 수 있게 할 예정이다. 또한 낙상 인식 알고리즘 개선을 통해 낙상 인식 정밀도를 향상시켜야 할 것이다.
향후 연구에서는 센서 모듈에 아날로그디지털 변환기와 무선 모뎀을 추가하여 별도의 데이터수집장치 없이 무선으로 진동 신호를 측정할 수 있게 할 예정이다. 또한 낙상 인식 알고리즘 개선을 통해 낙상 인식 정밀도를 향상시켜야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	낙상을 방지하는 방법 중 영상 정보를 이용하는 방식의 단점은 무엇인가?	낙상을 감지하는 방법은 영상정보를 이용하여 낙상의 상황을 구분하는 방법과 낙상 대상에게 센서를 부착하여 낙상을 검출하는 방식이 주류를 이루고 있다. 영상 정보를 이용하는 방식은 인식률은 높으나 사생활이 영상으로 노출되는 점과 낙상감지 대상자의 행동 반경이 크거나 다수의 장애물이 존재할 경우 여러 대의 영상획득 장치가 필요한 단점이 있다[5~7]. 낙상 대상자에게 센서를 부착하는 방식은 주로 가속도 센서를 사용하여 낙상시 발생하는 가속도 변화를 통해 낙상을 구별하게 되는데 센서의 신체 부착에 따른 이질감과 부착 위치에 따라 낙상 인식률에 큰 차이를 보이는 단점을 가지고 있다[8,9].
	낙상은 무엇 때문에 발생하는 상황을 의미하는가?	낙상이란 WHO의 정의에 따르면 본인의 의사와 상관없이 발바닥 이외의 신체 일부가 바닥면에 접지한 경우를 의미 한다. 즉 외부의 힘, 의식소실, 갑작스러운 마비에 기인되어 넘어지는 현상과 갑작스러운 비의도적인 자세 변화 때문에 바닥에 주저앉거나, 넘어지거나, 눕게 되는 상황을 의미한다[2, 3]. 낙상은 골절 및 뇌손상 등 심각한 신체 손상을 일으키고 노인의 낙상으로 인한 사망률은 어린이에 비교하면 8배나 높은 것으로 나타났다[4].
	낙상을 감지하는 방법은 어떤 것들이 있는가?	낙상을 감지하는 방법은 영상정보를 이용하여 낙상의 상황을 구분하는 방법과 낙상 대상에게 센서를 부착하여 낙상을 검출하는 방식이 주류를 이루고 있다. 영상 정보를 이용하는 방식은 인식률은 높으나 사생활이 영상으로 노출되는 점과 낙상감지 대상자의 행동 반경이 크거나 다수의 장애물이 존재할 경우 여러 대의 영상획득 장치가 필요한 단점이 있다[5~7].

참고문헌 (10)

"Investigation of accidents of life of the elderly in 2007" , Korea Consumer Agency, 2007
Mary E. Tinetti and Christianna S. Williams, "The effect of falls and fall injuries on functioning in community-dwelling older persons" The Journals of Gerontology Series A: Biological Sciences and Medical Sciences, Vol. 53, No. 2, pp. 112-119 1998
Fuller GF, "Falls in the elderly" The Journals of Gerontology Series A: Am Fam Physician. Vol. 6 No. 1 pp. 2159-2168, Apr, 2000
Jong-Min Kim, Myung-Sun Lee, "Risk Factors for Falls in the Elderly Population in Korea:An Analysis of the Third Korea National Health and Nutrition Examination Survey data", Joural of Korea Society for Health Education and Promotion Vol.24, No 4, pp. 23-39, 2007
Chia-Wen Lin, Zhi-Hong Ling, Yuan-Cheng Chang, Chung J. Kuo, "Compressed-domain fall incident detection for intelligent home surveillance", IEEE International Symposium on Circuits and Systems, Vol. 4, pp.3781-3784, May 2005
C. F. Juang and C. M. Chang, "Human Body Posture Classification by a Neural Fuzzy Network and Home Care System Application," IEEE Trans. Systems, Man and Cybernetics, Part A: Systems and Humans, Vol. 37, No. 6, pp. 984-994, Nov. 2007.

상세보기
Nam Ho Kim, Yun Seop Yu "Video Based Fall Detection Algorithm Using Hidden Markov Model", Journal of The Institute of Electronics Engineers of Korea Vol. 50, NO. 8, pp. 2160-2165, August 2013
T. Zhang, J. Wang, L. Xu and P. Liu, "Detection by Wearable Fall Sensor and One-Class SVM Algorithm," in Lecture Notes in Control and Information Sciences, pp. 858-863, 2006.
T. Zhang, J. Wang, P. Liu and J. Hou, Journal "Fall Detection by Embedding an Accelerometer in Cellphone and Using KFD Algorithm," IJCSNS International of Computer Science and Network Security, Vol. 6, No. 10, pp. 277-284, Oct. 2006.
Kim Dong-Wan, Ryu Jong-Hyun, Beack Seung-Hwa, "A simulation on fall detection system for the elders," Journal of IKEEE / v.17 no.1, pp.22-28, 2013

원문보기 상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 바닥 진동을 통한 노인 낙상 검출
Fall detection of the elderly through floor vibrations 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 바닥 진동을 통한 노인 낙상 검출 Fall detection of the elderly through floor vibrations 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

김동완 (3) 백승화 (13)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 바닥 진동을 통한 노인 낙상 검출
Fall detection of the elderly through floor vibrations 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper