$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] PoseNet과 GRU를 이용한 Skeleton Keypoints 기반 낙상 감지
Human Skeleton Keypoints based Fall Detection using GRU 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.22 no.2, 2021년, pp.127 - 133  

강윤규 (숭실대학교 대학원) ,  강희용 (숭실대학교 정보과학대학원) ,  원달수 (배화여자대학교 스마트IT학과)

초록
AI-Helper 아이콘AI-Helper

낙상 판단을 위한 최근 발표되는 연구는 RNN(Recurrent Neural Network)을 이용한 낙상 동작 특징 분석과 동작 분류에 집중되어 있다. 웨어러블 센서를 기반으로 한 접근 방식은 높은 탐지율을 제공하나 사용자의 착용 불편으로 보편화 되지 못했고 최근 영상이나 이미지 기반에 딥러닝 접근방식을 이용한 낙상 감지방법이 소개 되었다. 본 논문은 2D RGB 저가 카메라에서 얻은 영상을 PoseNet을 이용해 추출한 인체 골격 키포인트(Keypoints) 정보로 머리와 어깨의 키포인트들의 위치와 위치 변화 가속도를 추정함으로써 낙상 판단의 정확도를 높이기 위한 감지 방법을 연구하였다. 특히 낙상 후 자세 특징 추출을 기반으로 Convolutional Neural Networks 중 Gated Recurrent Unit 기법을 사용하는 비전 기반 낙상 감지 솔루션을 제안한다. 인체 골격 특징 추출을 위해 공개 데이터 세트를 사용하였고, 동작분류 정확도를 높이는 기법으로 코, 좌우 눈 그리고 양쪽 귀를 포함하는 머리와 어깨를 하나의 세그먼트로 하는 특징 추출 방법을 적용해, 세그먼트의 하강 속도와 17개의 인체 골격 키포인트가 구성하는 바운딩 박스(Bounding Box)의 높이 대 폭의 비율을 융합하여 실험을 하였다. 제안한 방법은 기존 원시골격 데이터 사용 기법보다 낙상 탐지에 보다 효과적이며 실험환경에서 약 99.8%의 성공률을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A recent study of people physically falling focused on analyzing the motions of the falls using a recurrent neural network (RNN) and a deep learning approach to get good results from detecting 2D human poses from a single color image. In this paper, we investigate a detection method for estimating t...

Keyword

#Pose Estimation   #Skeleton Keypoints   #Fall Detection   #Deep Learning   #LSTM   #PoseNet  

표/그림 (8)

참고문헌 (10)

  1. Weiming Chen, Zijie Jiang, Hailin Guo and Xiaoyang, "Fall Detection Based on Key Points of Human-Skeleton Using OpenPose," Symmetry May 2020,12, 744; DOI: https://doi.org/10.3390/sym12050744 

    상세보기 crossref

  2. Wu, G. (2000). "Distinguishing fall activities from normal activities by velocity characteristics," Journal of biomechanics, 33(11), 1497-1500. DOI: https://doi.org/10.1016/s0021-9290(00)00117-2 

    상세보기 crossref

  3. X. Ma, H.Wang, B. Xue, M. Zhou, B. Ji and Y. Li, "Depth-Based Human Fall Detection via Shape Features and Improved Extreme Learning Machine," IEEE Journal of Biomedical and Health Informatics, vol. 18, no. 6, pp. 1915-1922, Nov. 2014. DOI: https://doi.org/10.1109/JBHI.2014.2304357 

    상세보기 crossref

  4. A. Abobakr, M. Hossny and S. Nahavandi, "A Skeleton-Free Fall Detection System From Depth Images Using Random Decision Forest," in IEEE Systems Journal, vol. 12, no. 3, pp. 2994-3005, Sept. 201., DOI: https://doi.org/10.1109/JSYST.2017.2780260 

    상세보기 crossref

  5. D. P. Kingma and J. Ba, "Adam: A Method for Stochastic Optimization," ICLR,2015. https://hdl.handle.net/11245/1.505367 

  6. AK Bourke, JV O'brien, and GM Lyons, "Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm," Gait & Posture, 2007. DOI: https://doi.org/10.1016/j.gaitpost.2006.09.012 

    상세보기 crossref

  7. KWC Cheng, and DM Jhan, "Triaxial accelerometer - based fall detection method using a self-constructing cascade-Ada Boost-SVM classifier," IEEE Journal of Biomedical and Health Informatics, 2013. DOI: https://doi.org/10.1109/jbhi.2012.2237034 

    상세보기 crossref

  8. W. Lie, A. T. Le and G. Lin, "Human fall-down event detection based on 2D skeletons and deep learning approach," 2018 International Workshop on Advanced Image Technology (IWAIT), Chiang Mai, 2018, pp. 1-4, DOI: https://doi.org/10.1109/IWAIT.2018.8369778. 

    crossref

  9. Kripesh Adhikari, Hamid Bouchachia, Hammadi Nait-Charif, "Deep Learning Based Fall Dection Using Silplified Human Posture," International Journal of Computer and Systems Engineering, Vol:13, No:5, 2019. https://pdfs.semanticscholar.org/f953/09544f8bac647b7503ba6c849ccbd9bc8e19.pdf 

  10. M. D. Solbach and J. K. Tsotsos, "Vision-Based Fallen Person Detection for the Elderly," 2017 IEEE International Conference on Computer Vision Workshops (ICCVW), Venice, 2017, pp. 1433-1442, DOI: https://doi.org/10.1109/ICCVW.2017.170 

    crossref

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로