피크 임계값을 사용하는 걸음 검출 알고리즘에서 충분한 정확도로 걸음을 검출하기 위해서는 3축 가속도 센서가 20Hz 이상의 주파수로 샘플링을 수행하여야 한다. 그러나 $I^2C$나 SPI를 통하여 데이터를 전송받는 상용의 통합 MPU와 연결되는 디지털 센서 장치들의 샘플링 주파수는 아날로그 방식의 샘플링 회로들에 비하여 매우 낮은 경향이 있다. 센서의 샘플링 주파수가 낮게 되면 충분한 데이터를 확보할 수 없기 때문에 측정 결과의 정확도가 떨어지게 된다. 본 연구에서는 피크 임계값 방식의 피크 검출 알고리즘에서 데이터가 20Hz 이하의 낮은 주파수로 샘플링될 경우에 샘플링 주파수와 피크 임계값 사이에 함수관계가 있음을 발견하였으며, 실험을 통하여 임계 함수를 도출하였다. 고정 임계값 대신에 샘플링 주파수에 따른 임계 함수를 적용하고, 테스트 프로토콜에 의하여 실험을 수행한 결과, 각 걸음 유형에 대하여 평균적으로 1.2% 미만의 걸음 검출 오차율을 얻을 수 있었다. 그러므로 걸음 검출 알고리즘이 걸음 모드에 따라서 적절히 결정된 임계 함수로부터 샘플링 주파수에 적합한 임계값을 사용하여 걸음을 검출한다면, 걸음 검출 및 걸음수 측정의 정확도는 매우 높아질 수 있다. 이러한 결과는 걸음수 측정 장치에만 적용되는 것이 아니라, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기에도 적용해 정확도를 효과적으로 향상시킬 수 있다.
피크 임계값을 사용하는 걸음 검출 알고리즘에서 충분한 정확도로 걸음을 검출하기 위해서는 3축 가속도 센서가 20Hz 이상의 주파수로 샘플링을 수행하여야 한다. 그러나 $I^2C$나 SPI를 통하여 데이터를 전송받는 상용의 통합 MPU와 연결되는 디지털 센서 장치들의 샘플링 주파수는 아날로그 방식의 샘플링 회로들에 비하여 매우 낮은 경향이 있다. 센서의 샘플링 주파수가 낮게 되면 충분한 데이터를 확보할 수 없기 때문에 측정 결과의 정확도가 떨어지게 된다. 본 연구에서는 피크 임계값 방식의 피크 검출 알고리즘에서 데이터가 20Hz 이하의 낮은 주파수로 샘플링될 경우에 샘플링 주파수와 피크 임계값 사이에 함수관계가 있음을 발견하였으며, 실험을 통하여 임계 함수를 도출하였다. 고정 임계값 대신에 샘플링 주파수에 따른 임계 함수를 적용하고, 테스트 프로토콜에 의하여 실험을 수행한 결과, 각 걸음 유형에 대하여 평균적으로 1.2% 미만의 걸음 검출 오차율을 얻을 수 있었다. 그러므로 걸음 검출 알고리즘이 걸음 모드에 따라서 적절히 결정된 임계 함수로부터 샘플링 주파수에 적합한 임계값을 사용하여 걸음을 검출한다면, 걸음 검출 및 걸음수 측정의 정확도는 매우 높아질 수 있다. 이러한 결과는 걸음수 측정 장치에만 적용되는 것이 아니라, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기에도 적용해 정확도를 효과적으로 향상시킬 수 있다.
At the case of peak threshold algorithm, 3-axes data should sample step data over 20 Hz to get sufficient accuracy. But most of the digital sensors like 3-axes accelerometer have very low sampling rate caused by low data communication speed on limited SPI or $I^2C$ bandwidth of the low-co...
At the case of peak threshold algorithm, 3-axes data should sample step data over 20 Hz to get sufficient accuracy. But most of the digital sensors like 3-axes accelerometer have very low sampling rate caused by low data communication speed on limited SPI or $I^2C$ bandwidth of the low-cost MPU for ubiquitous devices. If the data transfer rate of the 3-axes accelerometer is getting slow, the sampling rate also slows down and it finally degrades the data accuracy. In this study, we proved there is a distinct functional relation between the sampling rate and threshold on the peak threshold step detection algorithm under the 20Hz frequency, and made a threshold function through the experiments. As a result of experiments, when we apply threshold value from the threshold function instead of fixed threshold value, the step detection error rate can be lessen about 1.2% or under. Therefore, we can suggest a peak threshold based new step detection algorithm with threshold function and it can enhance the accuracy of step detection and step count. This algorithm not only can be applied on a digital step counter design, but also can be adopted any other low-cost ubiquitous sensor devices subjected on low sampling rate.
At the case of peak threshold algorithm, 3-axes data should sample step data over 20 Hz to get sufficient accuracy. But most of the digital sensors like 3-axes accelerometer have very low sampling rate caused by low data communication speed on limited SPI or $I^2C$ bandwidth of the low-cost MPU for ubiquitous devices. If the data transfer rate of the 3-axes accelerometer is getting slow, the sampling rate also slows down and it finally degrades the data accuracy. In this study, we proved there is a distinct functional relation between the sampling rate and threshold on the peak threshold step detection algorithm under the 20Hz frequency, and made a threshold function through the experiments. As a result of experiments, when we apply threshold value from the threshold function instead of fixed threshold value, the step detection error rate can be lessen about 1.2% or under. Therefore, we can suggest a peak threshold based new step detection algorithm with threshold function and it can enhance the accuracy of step detection and step count. This algorithm not only can be applied on a digital step counter design, but also can be adopted any other low-cost ubiquitous sensor devices subjected on low sampling rate.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 보급형 기기에 적합한 MPU를 기반으로 하는 유비쿼터스 만보계를 설계할 때에 낮은 샘플링 속도로 생성된 데이터로부터 최적의 걸음 검출률을 도출할 수 있는 걸음 검출 알고리즘을 제안하고 실험을 통하여 그 유효성을 입증하였다. 실험 결과는 10Hz 이하의 낮은 샘플링 속도에서도 3% 이하의 오차율로 걸음을 검출할 수 있음을 보였다.
따라서 시스템 설계자는 충분한 데이터 전송 대역폭을 제공할 수 있는 보다 고성능의 MPU를 사용하여 설계하거나, 낮은 주파수에서도 걸음 검출 오차를 줄일수 있는 알고리즘을 개발하여야 할 필요가 있다. 전자는 비용의 증가를 고려하여야 하기 때문에, 본 논문에서는 고정된 임계값을 사용하는 피크 임계값 알고리즘을 개선하여 걸음 검출의 정확도를 향상시킴으로써 20Hz 이상의 샘플링을 수행할 때와 유사한 오차율을 가질 수 있도록 하는 방법을 연구하였다. 이를 위하여 본 연구에서는 3축 센서의 측정 데이터를 직접적으로 생성해낼 수 있도록 3축 센서와 저가의 MPU를 사용한 걸음 측정기를 설계, 구현하고, 이를 사용하여 다양한 샘플링 주파수에서 걸음 데이터를 생성하여 걸음 검출률을 분석함으로써 낮은 샘플링 주파수에서도 주파수에 따라 가장 최적으로 걸음 검출을 수행할 수 있는 방법을 도출하였다.
제안 방법
또한 MPU 내에는 태스크를 제어하고, 블루투스 전송을 제어하는 가상 머신(VM : Virtual Machine)이 내장되어있다. 따라서 본 연구에서는 3축 가속도 센서가 측정한 3축 데이터들을 블루투스 네트워크를 통하여 실시간으로 스마트기기에 전송하거나 사용자가 원하는 순간에 일괄 전송될 수 있도록 하는 기능을 가지는 펌웨어를 별도로 구현하였다. 측정 모듈에서 사용된 3축 가속도센서는 x, y, z 각 방향의 가속도 요소에 해당하는 출력을 갖춘 동작 인식 센서로, 동작 범위를 2g, 4g, 8g, 16g로 설정할 수 있다.
측정 모듈에서의 샘플링 주파수는 5Hz에서 10Hz까지의 반복 측정과 20Hz에서의 측정을 모두 실시하였다. 모든 실험자들은 각 샘플링 주파수에 대하여 천천히 걷기, 보통 걷기 및 조깅의 3가지 유형으로 각각 100걸음씩을 걸은 후에 결과를 저장하도록 하여, 1인당 실험 횟수는 21회씩 수행되었다. 일반 걷기는 성인 남성의 보행 평균 속도로 초당 평균 2.
본 연구에서 사용된 3축 가속도 센서는 측정된 3축 데이터를 센서에서 내부적으로 디지털로 변환하여 직접 MPU로 전송하도록 설계되어있다. 따라서 3축 가속도 센서와 MPU 사이에서는 노이즈 필터링을 하드웨어적으로 수행할 수 없다.
본 연구에서는 피크 임계값 방식의 걸음수 측정 알고리즘에서 데이터가 20Hz 이하의 낮은 주파수로 샘플링될 경우에 샘플링 주파수와 피크 임계값 사이에 함수관계가 있음을 발견하였으며, 실험을 통하여 이를 증명하고, 임계 함수를 도출하였다. 실험 결과, 고정 임계값을 사용한 경우에 비하여 임계 함수를 이용하여 샘플링 주파수에 적합한 임계값을 가변적으로 적용할 경우, 걸음 검출 정밀도가 매우 향상될 수 있음을 알 수 있다.
적절한 임계값을 도출하기 위해서는 사용하는 3축 가속도센서의 특성과 기준 출력값들을 사전에 분석하여 실제 걸음 수와 검출된 걸음수를 비교하는 방식으로 걸음 유형에 따른 가장 적절한 임계값을 계산한다. 본 연구에서는 피크 임계치에 대한 알고리즘 도출을 위하여 3절에서 기술하는 테스트 프로토콜에 의하여 각 걸음 유형과 샘플링 주파수에 따라서 실험을 수행하고 실험에 의하여 3축 가속도 센서의 출력들을 생성하였다. Fig.
따라서 한 번 피크가 검출된 후 일정 시간 간격 이내에 또 다른 피크가 검출되면, 걸음 검출 알고리즘은 이를 노이즈로 판단하여 필터링하게 된다. 본 연구의 걸음 검출 알고리즘은 천천히 걷기의 경우 0.7초 이내, 보통 걷기의 경우는 0.4초 이내, 그리고 조깅의 경우에는 0.25초 이내에 또 다른 피크가 발생할 경우 걸음 검출에서 제외하도록 설계하였다.
분석에 필요한 데이터를 도출하기 위하여 본 연구에서는 Table 1와 같은 테스트 프로토콜을 설정하고, 이에 따라서각 실험자별로 실험을 수행하였다. 측정 모듈에서의 샘플링 주파수는 5Hz에서 10Hz까지의 반복 측정과 20Hz에서의 측정을 모두 실시하였다.
전자는 비용의 증가를 고려하여야 하기 때문에, 본 논문에서는 고정된 임계값을 사용하는 피크 임계값 알고리즘을 개선하여 걸음 검출의 정확도를 향상시킴으로써 20Hz 이상의 샘플링을 수행할 때와 유사한 오차율을 가질 수 있도록 하는 방법을 연구하였다. 이를 위하여 본 연구에서는 3축 센서의 측정 데이터를 직접적으로 생성해낼 수 있도록 3축 센서와 저가의 MPU를 사용한 걸음 측정기를 설계, 구현하고, 이를 사용하여 다양한 샘플링 주파수에서 걸음 데이터를 생성하여 걸음 검출률을 분석함으로써 낮은 샘플링 주파수에서도 주파수에 따라 가장 최적으로 걸음 검출을 수행할 수 있는 방법을 도출하였다.
대상 데이터
걸음 검출 알고리즘 개선에 필요한 실험을 위하여 본 연구에서 사용한 걸음 측정기는 본 연구진과 u-Healthcare 기기 및 솔루션 전문업체인 Umedix(주)가 공동으로 설계, 제작한 LSM(Lifestyle Sensor Module)이라고 하는 범용 3축가속도 측정 모듈이다. 이 측정 모듈은 3축 가속도 센서를 사용하여 모듈의 움직임을 감지하고 가속 변위 데이터를 블루투스 통신을 통하여 스마트폰과 같은 스마트 장치에 전송 하는 기능을 가지도록 설계되어있다.
모든 실험자들은 각 샘플링 주파수에 대하여 천천히 걷기, 보통 걷기 및 조깅의 3가지 유형으로 각각 100걸음씩을 걸은 후에 결과를 저장하도록 하여, 1인당 실험 횟수는 21회씩 수행되었다. 일반 걷기는 성인 남성의 보행 평균 속도로 초당 평균 2.4걸음을 걷는 것으로 하였고, 천천히 걷기는 이보다 느린 초당 평균 1.1걸음, 조깅은 초당 평균 3걸음 정도를 기준으로 실험하였다.
이 측정 모듈은 3축 가속도 센서를 사용하여 모듈의 움직임을 감지하고 가속 변위 데이터를 블루투스 통신을 통하여 스마트폰과 같은 스마트 장치에 전송 하는 기능을 가지도록 설계되어있다. 측정 모듈은 연산 장치와 블루투스 송수신 장치가 복합된 CSR의 블루투스 통신 전용 MPU(BlueCore4-External)와 BOSCH사의 3축 가속도센서(BMA250)를 기본으로 설계, 구현되었다[11]. MPU에는 3축 가속도 모듈 외에도 측정된 데이터를 내부적으로 저장하기 위한 1Mbit EEPROM(M24M01)과 실시간클럭(RTC : Real Time Clock), 그리고 USB 데이터 인터페이스를 내장하고 있다[12].
데이터처리
테스트 프로토콜에 따라서 실험을 수행하고, 저장한 결과를 분석하기 위하여 별도의 걸음 검출 및 분석 프로그램을 구현하고, 피크 임계값 알고리즘의 임계값 (에너지값)을 0.9∼1.7 사이로 변화시키면서 걸음 검출을 수행하였다[14].
성능/효과
6은 도출된 임계 함수 FTh()을 이용하여 샘플링 주파수에 따라서 가장 알맞은 임계값을 사용하여 걸음수를 검출한 결과를 나타내고 있다. 동일한 테스트 프로토콜에 의하여 실험을 수행한 결과, 천천히 걷기에서는 평균 1.1%, 보통 걷기에서는 평균 2.3%, 그리고 조깅의 경우에는 5Hz의 경우를 제외하면 0.2% 미만의 오차율을 보이고 있다. 그러므로 걸음 검출 알고리즘이 걸음 모드에 따라서 적절히 결정된 함수관계로부터 샘플링 주파수에 적합한 임계값을 사용하여 걸음을 검출한다면, 걸음 검출 및 걸음수 측정의 정확도는 매우 높아질 수 있게 된다.
실험 결과는 10Hz 이하의 낮은 샘플링 속도에서도 3% 이하의 오차율로 걸음을 검출할 수 있음을 보였다. 따라서 본 연구에서 제안하는 걸음 검출 알고리즘을 사용할 경우, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기들을 매우 낮은 오차율로 효과적으로 구현할 수 있게 된다.
5a 는 이러한 특성을 뚜렷이 보여주고 있다. 따라서 샘플링 주파수가 낮아지게 되면, 그에 따라서 임계값도 적절하게 변경해주어야만 검출 정확도가 높아지는데, Fig. 4의 그래프들은 검출 정확도가 가장 높아지는, 즉 오차율이 가장 낮아지는 임계값과 샘플링 주파수 간에 일정한 함수관계가 있음을 나타내고 있다.
본 연구 결과는 걸음수 측정 장치에서만 적용되는 것이 아니라, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기의 정확도를 향상시켜줄 수 있다는 점에서 그 범용성이 높다고 할 수 있다. 유비쿼터스 기기의 활용이 증가될수록, 그리고 스마트폰과 같은 스마트기기의 사용이 증가될수록, 소형, 저가의 기기에 대한 수요는 계속 적으로 증대될 것으로 예상된다.
3축 가속도 센서를 사용하여 수행된 이전 연구들에 의하면, 20Hz 이상의 샘플링 주파수를 사용하여 3축 가속도 데이터를 생성하고, 피크 임계값 알고리즘을 이용하여 걸음 분석을 수행하면 3% 미만의 오차로 걸음수를 측정할 수 있다[9]. 본 연구에서 생성된 걸음 데이터들도 걸음 유형에 따라서 피크 임계값을 적절하게 조정하면 이전 연구들과 유사한 정확도로 걸음수를 검출할 수 있었다. 그러나 3축 가속도 센서의 샘플링 속도가 20Hz 이하로 낮아질 경우에는 정확도가 급격히 낮이질 뿐만 아니라, 10Hz 이하로 낮아질 경우에는 Fig.
본 연구에서 제시된 조건과 테스트 프로토콜에 따라서 실험한 결과 데이터를 MatLAB의 회귀 분석 모듈을 이용하여 분석한 결과, angle_Th는 0.011873, Th_Shift는–0.73332가 도출되었다.
본 연구에서는 피크 임계값 방식의 걸음수 측정 알고리즘에서 데이터가 20Hz 이하의 낮은 주파수로 샘플링될 경우에 샘플링 주파수와 피크 임계값 사이에 함수관계가 있음을 발견하였으며, 실험을 통하여 이를 증명하고, 임계 함수를 도출하였다. 실험 결과, 고정 임계값을 사용한 경우에 비하여 임계 함수를 이용하여 샘플링 주파수에 적합한 임계값을 가변적으로 적용할 경우, 걸음 검출 정밀도가 매우 향상될 수 있음을 알 수 있다.
본 연구에서는 보급형 기기에 적합한 MPU를 기반으로 하는 유비쿼터스 만보계를 설계할 때에 낮은 샘플링 속도로 생성된 데이터로부터 최적의 걸음 검출률을 도출할 수 있는 걸음 검출 알고리즘을 제안하고 실험을 통하여 그 유효성을 입증하였다. 실험 결과는 10Hz 이하의 낮은 샘플링 속도에서도 3% 이하의 오차율로 걸음을 검출할 수 있음을 보였다. 따라서 본 연구에서 제안하는 걸음 검출 알고리즘을 사용할 경우, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기들을 매우 낮은 오차율로 효과적으로 구현할 수 있게 된다.
후속연구
걸음 검출과 분석은 실험 중에 실시간으로 처리할 수도 있지만 실험 후의 사후 분석으로 보다 정확한 걸음 검출 및 분석을 할 수 있다. 테스트 프로토콜에 따라서 실험을 수행하고, 저장한 결과를 분석하기 위하여 별도의 걸음 검출 및 분석 프로그램을 구현하고, 피크 임계값 알고리즘의 임계값 (에너지값)을 0.
유비쿼터스 기기의 활용이 증가될수록, 그리고 스마트폰과 같은 스마트기기의 사용이 증가될수록, 소형, 저가의 기기에 대한 수요는 계속 적으로 증대될 것으로 예상된다. 따라서 낮은 샘플링 주파수에 의하여 생성된 데이터로부터 최대의 정밀도를 얻을 수 있는 방법들에 대한 연구는 앞으로도 지속적으로 수행될 수 있을 것으로 예상된다.
그러나 저가의 유비쿼터스 기기용 MPU를 사용하면서 실제로 동작 가능한 최대 샘플링 주파수가 20Hz 이하가 될 경우, 걸음 검출 오차율이 증가하게 된다. 따라서 시스템 설계자는 충분한 데이터 전송 대역폭을 제공할 수 있는 보다 고성능의 MPU를 사용하여 설계하거나, 낮은 주파수에서도 걸음 검출 오차를 줄일수 있는 알고리즘을 개발하여야 할 필요가 있다. 전자는 비용의 증가를 고려하여야 하기 때문에, 본 논문에서는 고정된 임계값을 사용하는 피크 임계값 알고리즘을 개선하여 걸음 검출의 정확도를 향상시킴으로써 20Hz 이상의 샘플링을 수행할 때와 유사한 오차율을 가질 수 있도록 하는 방법을 연구하였다.
본 연구 결과는 걸음수 측정 장치에서만 적용되는 것이 아니라, 샘플링 주파수가 낮게 설계될 수밖에 없는 소형, 저가의 유비쿼터스 기기의 정확도를 향상시켜줄 수 있다는 점에서 그 범용성이 높다고 할 수 있다. 유비쿼터스 기기의 활용이 증가될수록, 그리고 스마트폰과 같은 스마트기기의 사용이 증가될수록, 소형, 저가의 기기에 대한 수요는 계속 적으로 증대될 것으로 예상된다. 따라서 낮은 샘플링 주파수에 의하여 생성된 데이터로부터 최대의 정밀도를 얻을 수 있는 방법들에 대한 연구는 앞으로도 지속적으로 수행될 수 있을 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
전통적인 만보계는 어떤 방식으로 운동의 양을 표시하는가?
전통적인 만보계는 추의 물리적인 운동 횟수를 측정하는 기계식 장치로, 걸음을 걸을 때에 신체가 흔들리는 횟수를 측정하여 걷기 운동의 양을 표시한다. 오늘날에 이르러서는이 기계식 만보계 대신에 전자적인 장치를 기반으로 한 디지털 만보계가 보다 일반적으로 사용되고 있다[1].
디지털 유비쿼터스 만보계는 어떻게 과거의 기계식 만보계에 비하여 보다 정확한 걸음수와 상세한 걸음 동작 정보를 얻을 수 있는가?
또 최근에 들어서는 휴대전화와 스마트폰의 발달에 힘입어 WiFi나 블루투스 통신을 이용하여 개인의 스마트폰, 또는 스마트패드와 같은 스마트기기에 연결되어 걸음을 측정하고 걸음의 양과 패턴을 분석하여 사용자에게 필요한 건강 정보까지 제공하는 유비쿼터스 만보계가 등장하고 있다. 이러한 디지털 유비쿼터스 만보계는 MEMS(Micro Electro Mechanical System) 기술을 응용한 초소형의 3축 가속도 센서를 내장하고 있기 때문에 센서의 흔들림에 의하여 발생되는 3축 데이터를 분석하여 과거의 기계식 만보계에 비하여 보다 정확한 걸음수와 상세한 걸음 동작 정보를 얻을 수 있다[2].
유비쿼터스 만보계에서 다중의 데이터 포트를 사용하는 고성능의 MPU를 사용하는 이유는 무엇을 방지하기 위해서인가?
운영체제를 탑재하지 않고 있는 보급형 만보계들은 센서로부터 데이터 수신이나 메모리 저장, 무선 통신 등의 기능에 대한 요청, 즉 태스크들을 동시에 수행하는 것이 아니라 태스크의 순차에 의하여 수행하거나 VM(Virtual Machine)을 통하여 수행하도록 설계되어있기 때문에, 블루투스나 메모리 저장과 같은 기능이 수행되면 데이터 버스의 부하가 증가되어 3축 가속도 센서로부터 데이터를 전달받는 속도가 느려지게 된다. I2C나 SPI 인터페이스를 통하여 MPU와 연결되는 많은 센서 유닛들의 샘플링 속도는 결국 데이터 전송 속도에 의해서 최종적으로 결정되므로, MPU에 연결된 구성요소들이 많을수록, 각 구성요소들의 동작이 증가될수록, 센서 유닛에서의 데이터 샘플링 속도는 급격하게 저하된다. 데이터 샘플링 속도는 신호와 샘플링 데이터간의 정확성에 직접적인 영향을 주는 요소이기 때문에, 샘플링 속도가 저하되면 데이터의 정확성도 그만큼 낮아지게 된다. 이를 방지하기 위해서는 전용의 ADC와 다중의 데이터 포트를 사용하는 고성능의 MPU를 사용하면 되지만, 이는 비용과 크기를 증가시키게 되므로 저가의 보급형 유비쿼터스 기기에는 적절한 선택이 되기 어렵다.
참고문헌 (14)
Tan Joshep, "E-Health Information System," San Francisco : Jossey-Bass, 2005.
C. V. Bouten, K. T. Koekkoek, M. Verduin, R. K. Kodde and J. D. Janssen, "A triaxial accelerometer and portable data processing unit for the assessment of daily physical activity," IEEE Transactions on Biomedical Engineering, Vol.44, No.3, pp.136-147, 1997.
R.boulic, N. M. Thalmann, "A Global Human Waling Model With Realtime Kinematic Rersonification," The Visual Computer, Vol.6, pp.344-358, 1991.
I. H. Lee, J. C. Kim, S. M. Jung, and Sun K. Yoo, "The Detection of Gait Cycle and Realtime Monitoring System Using the Accelerometer," The Korean Institute of Electrical Engineers, CICS 2008, pp.476-477, 2008.
Han-Jin Jang, Jeong Won Kim, and Dong-Hwan Hwang, "Design of a Robust Pedometer for Personal Navigation System against Ground Variation and Walking Behavior," Transactions of the Korean Institute of Electrical Engineers D, Vol.55, No.9, pp.420-422, 2006.
Kim Nam-Jin, Hong Joo-Hyun, and Lee Tae-Soo, "Motion Sensor data Normalization Algorithm for Pedestrain Pattern Detection," The Journal of the Korea Contents Association, Vol.5, No.4, pp.94-102, 2005.
Yun-Kyung Kim, Sung-Mok Kim, Hyung-Suk Lho and We-Duke Cho, "Real-Time Step Count Detection Algorithm Using a Tri-Axial Accelerometer," Journal of Korean Society for Internet Information, Vol.12, No.3, pp.17-26, 2011.
R.W. DeVaul, S. Dunn, Real-time motion classfication for wearable computing applications, Technical report, MIT media LAB, 2001.
S.H. Shin, C.G. Park, "Adaptive Step Length Estimation Algorithm Using Low-Cost MEMS Inertial Sensors," IEEE Sensors Applications Symposium, San Diego, California USA, pp.1-5, 2007.
U. J. Ryu, E. T. Kim, K. H. Ahn, and Y. S. Chang, "Accuracy Improvement Method of Step Count Detection Using Variable Amplitude Threshold," The KIPS Transactions on Computer and Communication System, Vol.2, No.6, 2013.
D. M. Karantonis, M. R. Narayanan, M. Mathie, N. H. Lovell and B. G. Geller, "Implementation of a real-time human movement classifier using a triaxial accelerometer for ambulatory monitoring," IEEE Transactions on Information Technology in Biomedicine, Vol.10, No.1, pp.156-165, 2006.
K. H. Ahn, E. T. Kim, U. J. Ryu, and Y. S. Chang, "Implementation on SVM based Step Detection Analyzer," Proceedings of the 2013 KMMS Conference, Korea Multimedia Society, 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.