연구과제
타임라인
▼

초록
▼

1. 연구개발 목표 및 결과
가. 최종 목표
○ 고령자를 대상으로 스마트 디바이스와 바이오센서의 연동을 통해 생체신호를 취득하고, 이를 이용하여 스마트 디바이스 기반의 헬스케어·셀프코칭 및 차세대 바이오인식이 가능한 프레임...

1. 연구개발 목표 및 결과
가. 최종 목표
○ 고령자를 대상으로 스마트 디바이스와 바이오센서의 연동을 통해 생체신호를 취득하고, 이를 이용하여 스마트 디바이스 기반의 헬스케어·셀프코칭 및 차세대 바이오인식이 가능한 프레임워크를 설계

나. 당해 (연도·단계) 연구개발 목표 및 결과
1차 연도 (2017)
세부 과제명 : 스마트 디바이스 기반 고령자의 헬스케어·셀프코칭을 위한 차세대 프레임워크 설계
세부 연구 목표 : 웨어러블 디바이스 기반 생체신호 요소 분석 및 전처리 기술 개발
연구개발 수행 내용 : 포터블 환경에서 심전도 및 근전도의 생체신호 분석 및 신호처리 개발
연구 결과 : 적응형 필터 및 정규화된 생체신호를 이용한 바이오인식 성능 향상

세부 연구 목표 : 심전도를 이용한 바이오인식 기술 개발
연구개발 수행 내용 : 심전도에서 특징 추출에 따른 바이오인식 성능 분석
연구 결과 : 100명에 대한 사용자 인증 EER 1.11% 사용자 인식 95.2%

세부 연구 목표 : 근전도를 이용한 바이오인식 기술 개발
연구개발 수행 내용 : 근전도에서 특징 추출에 따른 바이오인식 성능 분석
연구 결과 : 4명에 대한 제스쳐 인식 95% 사용자 인식 88.6%

다. 연구 범위 및 연구 수행 방법
연구 범위 : 웨어러블 디바이스 기반 생체신호 요소 분석 및 전처리 기술 개발

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 웨어러블 디바이스 기반 생체신호를 이용한 사용자 인증 기술 분석
- 심전도를 이용한 바이오인식 시스템 분석
- 공용 DB 분석 (Physionet)
- 개발 보드에서의 DB 분석(Arduino board)

구체적인 내용 :
○ 심전도를 이용한 바이오인식 시스템 분석
○ 공용 DB의 심전도 분석
○ 개발 보드에서의 측정된 심전도&근 전도 신호 DB 분석

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 생체신호 전처리
- 심전도에 존재하는 잡음 제거
- 정규화
- 분할
- R파 검출
- 기저선 변동 잡음 제거

구체적인 내용 :
○ 심전도를 이용한 전처리 기술
- 심전도에 나타나는 대표적인 잡음은 측정 장비에서 발생되는 60Hz 전력선 잡음, 움직임에 의한 근잡음,
호흡에 의한 기저선 변동잡음이 존재하기 때문에 잡음을 제거하는 전처리 기술에 의해 바이오인식 성능향상

○ 심전도에 존재하는 잡음제거
- 인체로부터 심전도를 측정할 때 측정 장비에 의해 발생되는 60Hz 전력선 잡음은 주파수 필터 또는 미디언 필터를 통해 설정한 구간에 의해 제거됨

○ 심전도의 정규화
- 심전도는 인체의 행동학적에 의해 측정되는 신호이기 때문에 측정자가 편안한 자세뿐만 아니라 자연스러운 상태에서도 일정한 신호로 정규화해주는 기술이 필요함. 이에 따라 등록된 이상적인 심전도 템플플레 의해 유사도 측정으로 P, QRS complexes, T파로 구성된 한 주기의 심전도로 정규화 함

○ 심전도의 분할
- 심전도는 준주기적 신호로 측정 시 계속 취득되기 때문에 사용 목적에 따라 일정한 데이터 사이즈로 분할해야함. 통상적으로 P, QRS complexes, T파가 한 주기이기 때문에 한 주기를 n개로 설정하여 분할함

○ 심전도의 R파 정점 검출
- pan-tomkins 알고리즘을 이용한 심전도의 R파 정점 검출은 심전도에서 R파가 다른 파에 비해 월등히 높은 전압 값으로 나타날 때 검출이 잘된다. 다만, R파 정점이 T파에 비해 낮거나 비슷한 경우 검출율이 낮기 때문에 고안된 방법으로 T파 보다 낮거나 비슷한 R파를 검출함

○ 기저선 변동 잡음 제거
- 심전도에 나타나는 대표적인 잡음은측정 장비에서 발생되는 60Hz 전력선 잡음, 움직임에 의한 근잡음, 호흡에 의한 기저선 변동잡음이 존재하기 때문에 잡음을 제거하는 전처리 기술이 필요함

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 전처리된 심전도를 이용한 바이오인식 결과
- 심전도 DB 분석
- 전처리된 심전도 DB 분석
- 실험
- 결과

구체적인 내용 :
○ 심전도의 공용 DB와 개발 장비에서 측정한 DB분석
○ 전처리된 심전도 DB 분석
○ 전처리된 심전도를 이용한 바이오인 식 실험
- 사용자 인증
- 사용자 인식
○ 결과
- 표, 그래프, 분석 내용


연구 범위 : 심전도를 이용한 바이오인식 기술 개발

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 심전도에서 특징 추출에 따른 데이터 분석
- 시간영역에 따른 데이터 분석
- 주파수영역에 따른 데이터 분석
- 위상영역에 따른 데이터 분석

구체적인 내용 :
○ 시간영역에 따른 심전도 데이터 분석
○ 주파수영역에 따른 심전도 데이터 분석
○ 위상수영역에 따른 심전도 데이터 분석

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 데이터 전처리
- 차원 축소
- 특징 선택 및 추출
- 희소(rare) 클래스 비율 조절

구체적인 내용 :
○ 차원 축소
○ 시간, 주파수, 위상영역에 의해 특징 선택 및 추출
○ 희소 클래스 비율 조절
- SMOTE (Synthetic Minority Over-sampling Technique)를 사용하여 각 희소 class 별로 데이터증가 비율을 설정하여 학습의 수준을 높임

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 머신러닝 알고리즘 적용
- k-Nearest Neighbor
- Support Vector Machine (SVM)

구체적인 내용 :
○ k-Nearest Neighbor
- k-NN은 분류나 회귀에 사용되는 비모수 방식으로써, 두 경우 모두 입력이 특징 공간 내 Euclidean distance에 의해 k개의 가장 가까운 훈련 데이터로 구성됨. 출력은 k-NN이 분류로 사용되었는지 또는 회귀로 사용되었는지에 따라 다름

- k-NN 분류에서 출력은 소속된 항목이고, 객체는 k개의 최근접 이웃사이에서 가장 공통적인 항목에 할당되는 객체로 과반수 의결에 의해 분류됨. k는 양의 정수이며 통상적으로 작은 수

- k-NN은 함수가 오직 지역적으로 근사하고 모든 계산이 분류될 때까지 연기되는 인스턴스 기반 학습 또는 게으른 학습의 일종이고, 데이터의 지역 구조에 민감하다는 단점이 있음

○ Support Vector Machine
- 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델 생성

- 생성된 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 그중 가장 큰 폭을 가진 경계를 찾음. SVM은 선형 분류와 더불어 비선형 분류에서도 사용가능

- 비선형 분류를 위해서 주어진 데이터를 고차원 특징 공간으로 사상하기 위해 커널 트릭을 사용함

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 데이터 분석에 의한 바이오인식 성능 분석
- 추출된 특징 데이터를 이용한 바이오 인식 실험
- 실험
- 결과

구체적인 내용 :
○ 심전도를 이용한 바이오인식 성능 분석
- 사용자 인증 성능 분석
- 사용자 인식 성능 분석


연구 범위 : 근전도를 이용한 바이오인식 기술 개발
연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 근전도에서 특징 추출에 따른 데이터 분석
- 시간영역에 따른 데이터 분석
- 주파수영역에 따른 데이터 분석

구체적인 내용 :
○ 시간영역에 따른 근전도 데이터 분석
- 전처리된 근전도 신호를 이용한 시간에 따른 신호 분석
- 손의 주먹 가위 보에 른 신호를 평균 이동 필터를 이용하여 시간에 따라 분석함

○ 주파수영역에 따른 근전도 데이터 분석
- Non uniform filter bank를 이용하여 주파수 영역에서의 특징을 추출함
- FFT(Fast Fourier Transform)를 이용하여 주파수 영역으로 변환하고 Non uniform filter bank를 설계하여 계산됨

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 머신러닝 알고리즘 적용
- GMM(Gaussian Mixture Model)

구체적인 내용 :
- 복수 개의 가우시안 분포들의 합으로 새로운 확률분포를 나타내는 가우시안 혼합 모델을 사용하면, 하나의 가우시안 분포함수로 나타낼 수 없었던 분포 특성을 나타냄

- 복잡한 형태의 함수라도 충분한 개수의 가우시안 함수를 사용하기만 하면 원하는 만큼 정확하게 근사함

- 가우시안 혼합 모델을 이용하여 밀도함수가 추정되면, 이를 이용하여 베이즈 분류기를 설계할 수도 있으며, 또한 K-means 클러스터링과 같은 군집화에도 적용함

연구 수행 방법(이론적ㆍ실험적 접근방법) :
○ 데이터 분석에 의한 바이오인식 성능 분석
- 추출된 특징 데이터를 이용한 바이오 인식 실험
- 실험
- 결과

구체적인 내용 :
○ 근전도를 이용한 바이오인식 성능 분석
- 제스쳐 인식 성능 분석
- 사용자 인식 성능 분석

(출처 : 본문 : 1. 연구개발 목표 및 결과 5p)

목차
Contents
▼

• 표지 ... 1
• 정보통신･방송 연구개발 창조씨앗형 R&D-1단계 보고서 ... 2
• 제출문 ... 3
• 목차 ... 4
• 1. 연구개발 목표 및 결과 ... 5
• 가. 최종 목표 ... 5
• 나. 당해 (연도·단계) 연구개발 목표 및 결과 ... 5
• 다. 연구 범위 및 연구 수행 방법 ... 5
• 2. 평가의 착안점 및 기준 ... 15
• 가. 연구개발성과 및 평가 방법 ... 15
• 나. 당해 (연도·단계) 정량적 기대 연구성과 ... 47
• 3. 연구개발성과(해당되는 성과만 기재) ... 48
• 가. 지식재산권(특허, 실용신안, 의장, 디자인, 상표, 규격, 신품종, 프로그램) ... 48
• 나. 국내 및 국외 논문 게재 ... 48
• 다. 국내 및 국제학술회의 발표 ... 48
• 라. 표준화 ... 48
• 마. 기술 거래(이전) 등 ... 48
• 바. 사업화 투자 실적 ... 49
• 사. 사업화 현황 ... 49
• 아. 저작권(소프트웨어, 서적 등) ... 49
• 자. 생명자원(생물자원, 생명정보)/화합물 ... 49
• 차. 전문 연구 인력 양성 ... 49
• 카. 산업 기술 인력 양성 ... 49
• 4. 연구개발비 집행 실적 ... 51
• 5. 연구 수행에 따른 문제점 및 개선 방향 ... 51
• 6. 중요 연구 변경 사항 ... 51
• 7. 기타 건의 사항 ... 51
• 끝페이지 ... 52

연구자의 다른 보고서

표 / 그림 (52) 모든 표/그림 보기 슬라이드로 보기

참고문헌

• 전체(0)
• 논문(0)
• 특허(0)
• 보고서(0)