[논문]군사 동작 인식을 위한 IMU 기반 발목형 웨어러블 디바이스 개발

장병준; 조정훈; 김도현; 박경원

doi:10.13088/jiis.2023.29.2.023

군사 동작 인식을 위한 IMU 기반 발목형 웨어러블 디바이스 개발
Development of an IMU-based Wearable Ankle Device for Military Motion Recognition 원문보기

지능정보연구 = Journal of intelligence and information systems, v.29 no.2, 2023년, pp.23 - 34

장병준 (공군사관학교 기계공학과) , 조정훈 (공군사관학교 기계공학과) , 김도현 (공군사관학교 기계공학과) , 박경원 (공군사관학교 기계공학과)

초록
AI-Helper

군용 웨어러블 어플리케이션은 기존에는 상상할 수 없었던 개인 상태 점검 및 모니터링을 가능케 함으로써 큰 주목을 받고 있다. 그 중에서도 인간의 동작 상태를 인식하기 위한 기술은 개별 병력의 운용 현황 및 이동 상태를 즉각적으로 수집하여 능동적인 병력 관장을 허용한다는 점에서 그 필요성이 매우 높다. 본 논문에서는 군용 웨어러블 어플리케이션 연구의 일환으로 전투 상황 중의 군인이 어떤 환경에서 어떤 동작을 수행하고 있는지에 대한 정보를 취득하는 발목형 웨어러블 디바이스를 제안한다. 실제상황을 가정했을 때, 군인의 상지는 상황에 대한 변동성에 쉽게 노출되므로 지면과 상시 상호작용하고 있는 발목 부근에 측정 모듈을 부착한다. 측정 데이터는 각 동작 중의 3축 가속도 및 3축 각속도로 이들은 인간이 설정한 알고리즘으로는 해석이 불가능하다는 특징이 있다. 본 논문에서는 이러한 동적 데이터를 활용해 인간의 행동양식을 파악하기 위해 데이터의 이동 양상을 모델링하는 과정을 소개한다. 데이터로부터 추출되는 특징은 총 네 가지로 (최댓값, 최솟값, 평균, 표준편차) 딥러닝 모델의 인풋으로 활용돼 총 여덟 종류의 주요 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는데 활용된다. 그 결과, 임의의 시험 상황에 대해 95.16%의 정확도로 군인의 이동 현황을 파악해낼 수 있었다. 본 연구는 웨어러블 기술 및 인공지능을 융합하여 군용 어플리케이션으로 확장될 동작 인식의 새로운 접근 방식을 제안했다는 점에서 의미가 크다.

Abstract ▼ AI-Helper

Wearable technology for military applications has received considerable attention as a means of personal status check and monitoring. Among many, an implementation to recognize specific motion states of a human is promising in that allows active management of troops by immediately collecting the operational status and movement status of individual soldiers. In this study, as an extension of military wearable application research, a new ankle wearable device is proposed that can glean the information of a soldier on the battlefield on which action he/she takes in which environment. Presuming a virtual situation, the soldier's upper limbs are easily exposed to uncertainties about circumstances. Therefore, a sensing module is attached to the ankle of the soldier that may always interact with the ground. The obtained data comprises 3-axis accelerations and 3-axis rotational velocities, which cannot be interpreted by hand-made algorithms. In this study, to discern the behavioral characteristics of a human using these dynamic data, a data-driven model is introduced; four features extracted from sliced data (minimum, maximum, mean, and standard deviation) are utilized as an input of the model to learn and classify eight primary military movements (Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, and High Crawl). As a result, the proposed device could recognize a movement status of a solider with 95.16% accuracy in an arbitrary test situation. This research is meaningful since an effective way of motion recognition has been introduced that can be furtherly extended to various military applications by incorporating wearable technology and artificial intelligence.

주제어

표/그림 (9)

그림 <그림 1> 발목형 웨어러블 디바이스의 착용 모습
그림 <그림 2> 발목형 웨어러블 디바이스의 내부 구조
그림 <그림 3> 기본 군사 동작의 정의
표 <표 1> 하드웨어 사양 및 정보
그림 <그림 4> FCN을 활용한 딥러닝 모델의 제안
그림 <그림 5> 시간에 따른 각 동작 별 데이터 변화 양상
그림 <그림 6> 제안된 딥러닝 모델의 학습 결과: 손실함수(교차 엔트로피 오차)
그림 <그림 7> 제안된 딥러닝 모델의 상태별 분류 결과: 분류 정확도
표 <표 2> 선행연구와의 비교

참고문헌 (9)

이준식, 유인진, & 박도형. (2019). 사용자 로그분석에 기반한 노인 돌봄 솔루션 구축 전략:？효돌 제품의 사례를 중심으로. 지능정보연구,？25(3), 117-140.
안성만. (2016). 딥러닝의 모형과 응용사례. 지능정보연구, 22(2), 127-142.
박현정, 송민채, & 신경식. (2018). CNN을 적용한 한국어 상품평 감성분석: 형태소 임베딩을 중심으로. 지능정보연구, 24(2), 59-83.
Conroy, B., Silva, I., Mehraei, G., Damiano, R.,？Gross, B., Salvati, E., ... & McFarlane, D. C.？(2022). Real-time infection prediction with？wearable physiological monitoring and AI to aid？military workforce readiness during COVID-19.？Scientific reports, 12(1), 1-12.
Wyss, T., & Mader, U. (2010). Recognition of？military-specific physical activities with body-fixed？sensors. Military medicine, 175(11), 858-864.

상세보기
Takano, W. (2020). Annotation generation from？IMU-based human whole-body motions in？daily life behavior. IEEE Transactions on？Human-Machine Systems, 50(1), 13-21.

상세보기
Ayman, A., Attalah, O., & Shaban, H. (2019). An？efficient human activity recognition framework？based on wearable imu wrist sensors. In 2019？IEEE International Conference on Imaging？Systems and Techniques (IST) (pp. 1-5). IEEE.
Rivera, P., Valarezo, E., Choi, M. T., & Kim, T.？S. (2017). Recognition of human hand activities？based on a single wrist imu using recurrent？neural networks. Int. J. Pharma Med. Biol.？Sci, 6(4), 114-118.

상세보기
Villa, M., Dardenne, G., Nasan, M., Letissier, H.,？Hamitouche, C., & Stindel, E. (2018). FCN-based？approach for the automatic segmentation of bone？surfaces in ultrasound images. International？journal of computer assisted radiology and？surgery, 13(11), 1707-1716.

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