[논문]스마트 깔창을 이용한 보행 형태 분류를 위한 데이터 전처리 기법에 대한 연구

서우덕; 이성신; 최상일

스마트 깔창을 이용한 보행 형태 분류를 위한 데이터 전처리 기법에 대한 연구
Data preprocessing for gait type analysis using smart insole 원문보기

서우덕 (단국대학교 데이터 사이언스학과) , 이성신 (단국대학교 데이터 사이언스학과) , 최상일 (단국대학교 컴퓨터학과)

본 연구에서는 스마트 깔창을 사용한 보행 분석을 위한 데이터 전처리 기법을 제안한다. 이를 위해 본 논문에서는 평지 보행, 오르막 보행, 내리막 보행, 계단 오르기, 계단 내려가기, 달리기, 빠른 보행의 7가지 종류의 보행 데이터를 수집하였다. 수집한 데이터에 대해 제안한 데이터 전처리 기법을 적용한 결과를 실제 걸음 수와 비교하였다. 실험결과 전처리한 결과가 실제 걸음 수에 가까운 결과를 보임을 확인하였다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구의 목적은 16개의 압력센서로부터 수집된 데이터를 단위 걸음 별로 분류한 후, 이상치 및 노이즈를 제거 후각 단위 걸음 데이터를 적합한 형태로 변형하는 것이다.
각각의 보행형태는 다양한 속도변이를 가지고 있다. 하지만 우리의 목표는 압력데이터의 패턴을 기반으로 보행형태를 분류하는 것이다. 그러므로 각각의 단위걸음 데이터를 보행속도에 영향 받지 않으며 데이터 사이에 동등한 비교가 가능한 형태로 변환해야 한다.

제안 방법

본 연구에서는, 3L-labs의 스마트 깔창을 이용하여 평지 지형에서 걸음, 빠른 걸음, 달리기, 경사 지형과 계단지형에서 각각 오르기, 내리기 총 7가지 종류의 보행 형태에대해 걸음 수를 측정하며 수집하였다.
, Ltd.(Seoul Korea)에서 개발한 상용 스마트깔창인 FootLogger를 이용해 보행 분석에 사용할 새로운 데이터 전처리 기법을 제안한다.제안한 전처리 기법은 센서데이터 중 단위걸음 데이터를추출하고, 노이즈를 제거한 후 각각의 데이터를 일정한 사이즈(t^*)로 변형한다.
걸음은 발이 지면에 붙어있는 stance phase와 지면에서 떨어진 swing phase로 구분할 수 있다. [1]이 제안한 방법에서와 같이, 우리는 센서 데이터로부터 swing phase를검출하였다. 그런 다음, 이를 기준으로 단위걸음을 왼쪽발 swing phase의 시작시점부터 stance phase의 종료시점까지의 압력 데이터로 정의하였다.
본 논문에서는 16개의 압력센서 데이터로부터 수집한 보행데이터로부터 단위걸음 데이터를 추출한 후, 노이즈제거 및 보행속도에 영향을 받지 않는 형태로 단위걸음데이터를 변형하였다. 제안한 전처리 기법을 이용하면 일반적인 걸음 뿐만 아니라 달리기와 같은 보행형태에 대해서도 걸음 수를 정확하게 측정할 수 있음을 확인하였다.
그러므로 각각의 단위걸음 데이터를 보행속도에 영향 받지 않으며 데이터 사이에 동등한 비교가 가능한 형태로 변환해야 한다. 이에, 수집된 단위걸음 데이터 중 가장 짧은 단위 걸음 시간(t^*)을 측정한후, 각각의 단위걸음 데이터(D_1:T,16)를 t^*시간 동안의 데이터로 정규화(normalize)하였다. 그림1은 위의 데이터 전처리 과정을 나타내는 그림이다.
(Seoul Korea)에서 개발한 상용 스마트깔창인 FootLogger를 이용해 보행 분석에 사용할 새로운 데이터 전처리 기법을 제안한다.제안한 전처리 기법은 센서데이터 중 단위걸음 데이터를추출하고, 노이즈를 제거한 후 각각의 데이터를 일정한 사이즈(t^*)로 변형한다.

대상 데이터

제안한 전처리 기법의 유효성을 검증하기 위하여, 7가지 종류의 보행에 대해 걸음수를 함께 기록된 압력데이터를 수집하였다.
먼저 왼쪽 발의 시작시점이 swing phase가 아니거나 종료시점이 stancephase가 아닌 데이터들은 모두 데이터 집합에서 제외하였다. 또한 수집된 걸음데이터 중 0.01초~0.03초의 길이만큼의 노이즈가 존재함을 발견하였고 그 시점의 16개의 센서데이터 모두를 제거하였다.
본 논문에서 사용한 스마트 깔창은 한 발당 8개의 압력센서, 3개의 가속도 센서, 3개의 자이로 센서로 구성되어 있으며, 100Hz단위로 데이터를 수집한다. 본 논문에서는압력센서 데이터만을 사용했으며, 압력센서는 0, 1, 2의 총3가지 값을 저장한다.
본 논문에서 사용한 스마트 깔창은 한 발당 8개의 압력센서, 3개의 가속도 센서, 3개의 자이로 센서로 구성되어 있으며, 100Hz단위로 데이터를 수집한다. 본 논문에서는압력센서 데이터만을 사용했으며, 압력센서는 0, 1, 2의 총3가지 값을 저장한다. 0은 압력이 없는 상태, 1은 압력이있는 상태, 2는 강한 압력이 있는 상태를 의미한다.

성능/효과

각각의 데이터셋으로부터 단위걸음을 추출한 후 단위걸음의 숫자를 실제 걸음 수와 비교를 표1에 표시하였다. 7개의 보행형태 중 평지 달리기를 제외한 6개의 보행형태는 전처리 데이터셋이 모두 실제 측정값과 일치함을 확인할 수 있었다. 평지 달리기의 경우 전처리 데이터셋의 개수가 실제 측정값에 가까움을 확인할 수 있었다.
본 논문에서는 16개의 압력센서 데이터로부터 수집한 보행데이터로부터 단위걸음 데이터를 추출한 후, 노이즈제거 및 보행속도에 영향을 받지 않는 형태로 단위걸음데이터를 변형하였다. 제안한 전처리 기법을 이용하면 일반적인 걸음 뿐만 아니라 달리기와 같은 보행형태에 대해서도 걸음 수를 정확하게 측정할 수 있음을 확인하였다. 향후 연구로는, 제안한 전처리 기법이 적용된 데이터에 데이터 분류를 위한 특징 추출 기법들을 적용하여 다양한 보행패턴을 분류하는 알고리즘을 개발할 계획이다.

후속연구

제안한 전처리 기법을 이용하면 일반적인 걸음 뿐만 아니라 달리기와 같은 보행형태에 대해서도 걸음 수를 정확하게 측정할 수 있음을 확인하였다. 향후 연구로는, 제안한 전처리 기법이 적용된 데이터에 데이터 분류를 위한 특징 추출 기법들을 적용하여 다양한 보행패턴을 분류하는 알고리즘을 개발할 계획이다.

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

스마트 깔창을 이용한 보행 형태 분류를 위한 데이터 전처리 기법에 대한 연구
Data preprocessing for gait type analysis using smart insole 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

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

스마트 깔창을 이용한 보행 형태 분류를 위한 데이터 전처리 기법에 대한 연구 Data preprocessing for gait type analysis using smart insole 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

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

스마트 깔창을 이용한 보행 형태 분류를 위한 데이터 전처리 기법에 대한 연구
Data preprocessing for gait type analysis using smart insole 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper