[논문]손목 움직임 기반 휴식, 걷기, 달리기 분류에 관한 연구

하정호; 김준호; 최선탁; 조위덕

문제 정의

본 연구는 (그림 1)처럼 X, Y, Z방향의 3축 정보를 수집하는 LifeSense 가속도센서를 이용하여 사용자의 움직임을 기반으로 하는 휴식, 걷기, 달리기(느린속도, 빠른속도) 를 분류하는 방법에 관한 연구이다. 사용자의 행동상태를 분류하기 위해 (그림 2)와 같이 사용자의 오른쪽 손목에 가속도센서를 착용한 후 휴식, 걷기, 달리기 행동의 데이터를 수집한다.
본 연구는 단일 3축 가속도 데이터를 이용하여 사용자의 손목의 움직임 값으로 행동상태를 분류하는 방법을 제안한다. 행동상태는 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류하였다.

제안 방법

수집된 정보로부터 에너지 신호를 추출하고, 추출된 신호는 평균, 분산, 표준편차의 값으로 변환 하는데 사용한다. 3가지로 분류된 특징 값 중 평균, 표준편차 2가지 신호를 이용해 2차원 평면에 사영하고 이로부터 군집을 얻는다. 실제 행동 데이터는 시간에 따라 선형적 특징을 갖기 때문에 행동상태를 단순히 4가지 특징으로 정확히 분류하는데 무리가 있다.
고차원적인 행동상태를 분류하기 위해 행동상태의 전이를 고려하여 기존에 제시한 4가지 단계와 행동상태 전이가 고려된 군집의 개수를 선정한다. 기존 행동상태 분류에 더불어 휴식 ↔ 걷기, 걷기 ↔ 달리기(느린속도), 달리기(느린속도) ↔ 달리기(빠른속도) 세 가지 행동상태 전이의 역을 포함한 총 6가지를 추출하여 최종적으로 (그림 7)과 같은 10개 행동으로 분류한다.
기존 행동상태 분류에 더불어 휴식 ↔ 걷기, 걷기 ↔ 달리기(느린속도), 달리기(느린속도) ↔ 달리기(빠른속도) 세 가지 행동상태 전이의 역을 포함한 총 6가지를 추출하여 최종적으로 (그림 7)과 같은 10개 행동으로 분류한다.
행동상태는 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류하였다. 데이터의 분류과정을 단순하게 K-means 알고리즘에 의존하지 않고 행동상태가 유사한 특징에 대해서도 분류가 가능하도록 설계한다. 행동 상태의 분류 기준이 명확하지 않은 상태전이를 고려하여 행동상태를 전체 10가지 단계로 분류하고 의미상 특징이 알맞은 행동상태끼리 하나의 단계로 구분하여 최종적으로 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류한다.
실제 행동 데이터는 시간에 따라 선형적 특징을 갖기 때문에 행동상태를 단순히 4가지 특징으로 정확히 분류하는데 무리가 있다. 따라서 라벨이 주어진 4가지 특징 외의 행동상태 6개를 선정하여 총 10개의 특징 군집으로 분류하고 최종적으로 4가지 군집으로 분류한다.
[1] 이러한 문제를 해결하기 위해 낮은 연산 강도를 이용한 사용자의 행동상태를 분류하는 방법이 필요하다. 본 논문에서 분류할 행동은 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 상태이다. 신호의 특징을 확인하기 위해 각 행동 별 평균, 표준편차의 값을 사용하였고, 군집화 기법을 적용하여 행동상태를 분류한다.
사용자의 단일 3축 가속도 센서 정보만을 이용하여 행동상태를 (그림 10)과 같이 휴식, 걷기, 달리기(느린속도, 빠른속도)의 4가지 단계로 분류한다. 분류 과정을 전부를 K-means 알고리즘에 의존하지 않고 행동상태가 모호한 특징 상태에 라벨링을 하여 사용자의 행동상태를 보다 정확하게 분류한다.
사용자의 단일 3축 가속도 센서 정보만을 이용하여 행동상태를 (그림 10)과 같이 휴식, 걷기, 달리기(느린속도, 빠른속도)의 4가지 단계로 분류한다. 분류 과정을 전부를 K-means 알고리즘에 의존하지 않고 행동상태가 모호한 특징 상태에 라벨링을 하여 사용자의 행동상태를 보다 정확하게 분류한다.
48km/h (100m 달리기 세계 신기록 보유자 우사인 볼트의 속력)의 속도를 넘지 않는 범위까지를 달리기 상태라고 분류한다. 수집된 정보로부터 에너지 신호를 추출하고, 추출된 신호는 평균, 분산, 표준편차의 값으로 변환 하는데 사용한다. 3가지로 분류된 특징 값 중 평균, 표준편차 2가지 신호를 이용해 2차원 평면에 사영하고 이로부터 군집을 얻는다.
데이터의 분류과정을 단순하게 K-means 알고리즘에 의존하지 않고 행동상태가 유사한 특징에 대해서도 분류가 가능하도록 설계한다. 행동 상태의 분류 기준이 명확하지 않은 상태전이를 고려하여 행동상태를 전체 10가지 단계로 분류하고 의미상 특징이 알맞은 행동상태끼리 하나의 단계로 구분하여 최종적으로 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류한다. 수치적인 데이터만의 사용으로는 명확하게 분류되지 않았던 기준에 대한 모호성을 줄이며 행동상태를 분류할수 있었다.
본 연구는 단일 3축 가속도 데이터를 이용하여 사용자의 손목의 움직임 값으로 행동상태를 분류하는 방법을 제안한다. 행동상태는 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류하였다. 데이터의 분류과정을 단순하게 K-means 알고리즘에 의존하지 않고 행동상태가 유사한 특징에 대해서도 분류가 가능하도록 설계한다.

대상 데이터

본 연구에서 사용할 데이터의 수집은 단일 3축 가속도센서인 LifeSense를 이용한다. 데이터는 초당 32개 표본이며 실험은 우레탄 트랙에서 실시한다. 데이터의 수집 시간은 휴식의 경우 정적인 동작에서 5분, 걷는 동작 2분, 달리는 동작 3분이다.
본 연구에서 사용할 데이터의 수집은 단일 3축 가속도센서인 LifeSense를 이용한다. 데이터는 초당 32개 표본이며 실험은 우레탄 트랙에서 실시한다.
본 연구는 (그림 1)처럼 X, Y, Z방향의 3축 정보를 수집하는 LifeSense 가속도센서를 이용하여 사용자의 움직임을 기반으로 하는 휴식, 걷기, 달리기(느린속도, 빠른속도) 를 분류하는 방법에 관한 연구이다. 사용자의 행동상태를 분류하기 위해 (그림 2)와 같이 사용자의 오른쪽 손목에 가속도센서를 착용한 후 휴식, 걷기, 달리기 행동의 데이터를 수집한다. 휴식의 경우 사용자의 상태가 정적인 상태임을 고려하여 앉은 자세 혹은 가만히 서있는 자세를 모두 포함한다.

데이터처리

선별된 표본에서 확인 가능한 특징의 분포를 (그림 3) 처럼 실제 실험 데이터에서 확인할 수 있으며 그 중 각 행동 특징 값의 분포의 범위가 매우 넓어 오차가 큰 분산 값을 제외한 평균, 표춘편차를 이용하여 행동을 분류한다.
본 논문에서 분류할 행동은 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 상태이다. 신호의 특징을 확인하기 위해 각 행동 별 평균, 표준편차의 값을 사용하였고, 군집화 기법을 적용하여 행동상태를 분류한다.

성능/효과

행동 상태의 분류 기준이 명확하지 않은 상태전이를 고려하여 행동상태를 전체 10가지 단계로 분류하고 의미상 특징이 알맞은 행동상태끼리 하나의 단계로 구분하여 최종적으로 휴식, 걷기, 달리기(느린속도, 빠른속도) 4가지 단계로 분류한다. 수치적인 데이터만의 사용으로는 명확하게 분류되지 않았던 기준에 대한 모호성을 줄이며 행동상태를 분류할수 있었다. 향후 본 연구에서 제안한 알고리즘을 통해 사용자의 다양한 행동의 분류를 실시하며, 일상생활에서 빈번하게 발생하는 차량이동, 지하철 탑승, 자전거 탑승과 같은 이동 상태를 분류 할 수 있는 방법에 대해 연구할 것이며, 테니스와 배드민턴과 같이 동일한 스윙 동작이지만 다른 행동상태에서 나타나는 행동에 대해 분류하는 방법에 대해 연구하고자 한다.

후속연구

수치적인 데이터만의 사용으로는 명확하게 분류되지 않았던 기준에 대한 모호성을 줄이며 행동상태를 분류할수 있었다. 향후 본 연구에서 제안한 알고리즘을 통해 사용자의 다양한 행동의 분류를 실시하며, 일상생활에서 빈번하게 발생하는 차량이동, 지하철 탑승, 자전거 탑승과 같은 이동 상태를 분류 할 수 있는 방법에 대해 연구할 것이며, 테니스와 배드민턴과 같이 동일한 스윙 동작이지만 다른 행동상태에서 나타나는 행동에 대해 분류하는 방법에 대해 연구하고자 한다.

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

손목 움직임 기반 휴식, 걷기, 달리기 분류에 관한 연구
A Study on Method of Classification by Walking Resting and Running Based on Motion of Wrist 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

손목 움직임 기반 휴식, 걷기, 달리기 분류에 관한 연구 A Study on Method of Classification by Walking Resting and Running Based on Motion of Wrist 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

손목 움직임 기반 휴식, 걷기, 달리기 분류에 관한 연구
A Study on Method of Classification by Walking Resting and Running Based on Motion of Wrist 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper