[논문]1D CNN과 기계 학습을 사용한 낙상 검출

김인경; 김대희; 노송; 이재구

doi:10.3745/ktsde.2021.10.3.85

1D CNN과 기계 학습을 사용한 낙상 검출
1D CNN and Machine Learning Methods for Fall Detection 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.10 no.3, 2021년, pp.85 - 90

김인경 (국민대학교 컴퓨터공학과) , 김대희 (국민대학교 컴퓨터공학과) , 노송 (인천대학교 정보통신공학과) , 이재구 (국민대학교 SW학부)

초록
AI-Helper

본 논문에서는 고령자를 위한 개별 웨어러블(Wearable) 기기를 이용한 낙상 감지에 대해 논한다. 신뢰할 수 있는 낙상 감지를 위한 저비용 웨어러블 기기를 설계하기 위해서 대표적인 두 가지 모델을 종합적으로 분석하여 제시한다. 기계 학습 모델인 의사결정 나무(Decision Tree), 랜덤 포래스트(Random Forest), SVM(Support Vector Machine)과 심층 학습 모델인 일차원(One-Dimensional) 합성곱 신경망(Convolutional Neural Network)을 사용하여 낙상 감지 학습 능력을 정량화하였다. 또한 입력 데이터에 적용하기 위한 데이터 분할, 전처리, 특징 추출 방법 등을 고려하여 검토된 모델의 유효성을 평가한다. 실험 결과는 전반적인 성능 향상을 보여주며 심층학습 모델의 유효성을 검증한다.

Abstract ▼ AI-Helper

In this paper, fall detection using individual wearable devices for older people is considered. To design a low-cost wearable device for reliable fall detection, we present a comprehensive analysis of two representative models. One is a machine learning model composed of a decision tree, random forest, and Support Vector Machine(SVM). The other is a deep learning model relying on a one-dimensional(1D) Convolutional Neural Network(CNN). By considering data segmentation, preprocessing, and feature extraction methods applied to the input data, we also evaluate the considered models' validity. Simulation results verify the efficacy of the deep learning model showing improved overall performance.

주제어

표/그림 (7)

그림 Fig. 1. 1D CNN Structure
그림 Fig. 2. 1D CNN Structure
그림 Fig. 3. MobiAct Data Sample
그림 Fig. 4. Data Segmentation Method for 1D CNN
그림 Fig. 5. Random Over-Dampling and Tandom Under-Sampling Method
표 Table 1. Experimental Results
표 Table 2. Efficiency Comparison

참고문헌 (12)

D. Yachhirema, J. S. de Puga, C. Palau, and M. Esteve, "Fall detection system for elderly people using IoT and big data," Procedia Computer Science, Vol.130, pp.603-610, 2018.

상세보기
Ministry of Health and Welfare, "2017 Survey of the Elderly," 2017.
S. R. Lord, C. Sherrington, and J. C. Close, "Falls in Older People: Risk Factors and Strategies for Prevention," Cambridge Univ. Press, 2007.
Sye-Hyun Hwang and Sung Bum Pan, "Fall Detection System Using the Open Source Hardware and RGB Camera," The Journal of Korean Institute of Information Technology, Vol.14, No.4, pp.19-24, 2016.

상세보기
Serdaroglu Werkan, "Video Based Fall Down Detection with Deep Learning," Institute of Control, Robotics and Systems, Vol.2018, No.5, pp.273-274, 2018.
Dae-Eon Kim and BonKyue Jeon, "3D Convolutional Neural Networks based Fall Detection with Thermal Camera," Journal of Korea Robotics Society, Vol.13, No.1, pp. 45-54, 2018.
Seon-Gi Kim and Jong-Soo Ahn, "Implementation of fall-down detection algorithm based on Image Processing," Journal of Satellite, Information and Communications, Vol.12, Iss.2, pp.56-60, 2017.
Dong-Wan Kim, Jong-Hyun Rye, and Seung-Hwa Beack, "Fall detection of the elderly through floor vibrations," Journal of Institute of Korean Electrical and Electronics Engineers, Vol.18, No.1, pp.134-139, 2014.
S. J. Ahn and J. M. Kim, "The evaluation of pre-impact fall detection algorithm using public dataset," Rehabilitation Engineering And Assistive Technology Society of Korea, pp.192-193, 2018.
G. Vavoulas, M. Pediaditis, C. Chatzaki, E. G. Spanakis, and M. Tsiknakis, "The mobifall dataset: Fall detection and classification with a smartphone," In: Artificial intelligence: Concepts, methodologies, tools, and applications, IGIGlobal, pp.1218-1231, 2017.
R. M. Gibson, A. Amira, N. Ramzan, P. Casaseca-de-la-Higuera, and Z. Pervez, "Multiplecomparator classifier framework for accelerometer-based fall detection and diagnostic," Applied Soft Computing, Vol.39, pp.94-103, 2016.

상세보기
Banos, O., Galvez, J. M., Damas, M., Pomares, H., and Rojas, I. "Window size impact in human activity recognition," Sensors, Vol.14, No.4, pp.6474-6499, 2014.

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