선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 지금까지의 ADL 지수 항목의 행동을 인식하는 연구들은 비교적 간단한 행동들을 대상으로 제한된 환경 안에서 행동의 인식률을 구하는 것에 만족하였다. 그러나 이 실험에서는 그러한 제한된 환경의 ADL 항목이 아니라 다양하고 복잡한 ADL 행동을 인식하고 이를 통하여 자동으로 지수를 구하고 진단하는 시스템을 구현하는 것을 목표로 하여 실험을 진행했다. 이번 실험에서는 사람의 기본적인 Mobility (걷기, 앉기 뛰기 ,눕기, 계단 오르내리기) 등의 기본적인 움직임과 복잡한 행동인, Communication (전화하기, 교통수단이용, 대화하기, 쇼핑하기, 인터넷 이용), Self-care (목욕, 옷 갈아입기, 빗질하기), Sexual expression (화장하기, 잠자리 준비), Management of environmental hardware (청소하기, 식탁 차리기 설거지 공구 다루기) 등의 네 가지 항목을 기준으로 하여 총 다섯 가지의 항목과 각각의 항목에 속한 세부 항목 행동을 대상으로 하였다.
- 따라서 어린이나 노약자등의 사회적 약자에 대한 관찰이 중요한 분야로 대두되고 있는 상황에서 소형 웨어러블 센서를 이용하여 사용자를 모니터링하고 다양한 서비스를 제공하기 위한 연구가 활발히 진행 중이다. 본 논문에서는 노인과 장애인에 대한 맞춤형 서비스를 제공하기 위한 사회적 요구를 충족시키기 위하여 일상생활을 정상적으로 유지하기위한 기본적인 행동인 ADL(Activity of Daily Living)[1] 지수를 자동적으로 진단 할 수 있는 방법을 제안한다.
- 이 연구의 중요 목적은 Zigbee와 가속도 센서를 사용하여 사용자의 행동을 인식하고 ADL지수를 결정하는 것이다. 따라서 사용자의 행동을 인식하는데 영향을 미치는 두 가지 파라미터인 Zigbee와 가속도 센서 분리한 실험과 두 가지 파라미터를 모두 고려한 실험으로 나누어 실험을 진행하였고 각각의 실험의 인식률을 구하여 두 가지 결과를 비교 하였다.
가설 설정
- 따라서 달리기와 같이 주기적인 패턴을 나타내는 행동의 신호를 분석하기 위한 유용한 방식으로 주로 사용되어져 왔다.[4] Signal or data segmentation 과정 중에 고려해야 할 점은 윈도우의 길이의 설정이다. 윈도우의 크기가 길어질수록 행동인식의 정확도는 높아지지만 실시간으로 인식할 수 있는 시간의 차이가 발생한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.