지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정광태
- 발행연도
- 2021
- 저작권
- 한국기술교육대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 고령 인구가 지속적으로 증가함에 따라 고령자의 독립적인 일상생활을 지원하기 위한 다양한 기술이 개발되고 있다. 그 중 소형화된 웨어러블 센서를 활용하여 고령자의 일상생활행동을 모니터링하고, 이를 통하여 낙상과 같은 일상생활 중 발생할 수 있는 사고를 예방할 수 있다. 다양한 웨어러블 센서 중 3차원 가속도계와 자이로스코프 센서로 구성된 관성센서는 고령자의 일상생활활동을 인식하기 위해 주로 활용된다. 그러나 기존의 연구는 다수의 관성센서를 사용하여 고령자의 일상생활행동을 인식하였으나 이러한 다수의 관성센서는 실생활 환경에서 고령자에게 신체적 불편함을 유발할 수 있다. 또한 기존의 관성센서 기반의 일상생활행동인식이 가능한 대부분의 스마트 웨어러블 기기들은 손목 위치에 착용하는 시계 형태로 개발되었다. 이러한 행동 인식 스마트 웨어러블 기기의 위치는 일반적인 스마트 웨어러블 기기의 관행적인 위치를 그대로 따른 것으로 보여 진다. 따라서 본 연구에서는 단일 관성센서를 활용한 고령자의 동적 일상생활행동 인식 시 관성센서의 착용 위치에 따른 인식 정확도를 비교하여 최적의 착용 위치를 제안하고자 수행되었다.
연구 목적을 달성하기 위해 문헌 조사를 통해 고령자의 일상생활행동특성, 일상생활행동에서 나타나는 신체동작, 신체 동작 인식과 관련된 선행 연구 사례에 관하여 정리하고 관성센서를 활용한 일상생활행동 인식방법에 대해 알아보았다. 선행 연구 조사 내용을 토대로 단일 고나성센서의 착용 위치에 따른 고령자의 일상생활행동 인식 정확도 비교 실험 프로토콜을 수립하였다. 수립된 실험 프로토콜을 기반으로 65세 이상 고령자 20명을 대상으로 실험을 수행하였다. 관성센서는 총 5곳으로 요추(Second lumbar vertebra), 양 손목(dorsal of wrist ligaments), 양 정강이(Lateral fibula) 위치에 벨트를 활용하여 착용하고 동적 일상생활행동 10가지를 수행하였다. 측정 후 관성센서 착용 위치 별로 3축 가속도 신호와 3축 각속도 신호를 기반으로 30개의 특성을 도출한 후 4가지 기계학습 알고리즘을 통해 4개의 알고리즘 별 동적 일상생활행동 인식 모델을 구현하였다. 구현된 예측 모델의 성능을 평가하기 위해 5겹 교차 검증법을 활용하였으며, 오차 행렬을 통해 각 예측 모델의 정밀도, 재현률, 정확도를 산축하고, F1-score를 통해 관성센서의 착용 위치 별 예측 모델 간 성능을 비교하였다.
성능을 비교한 결과 L2 위치의 앙상블 학습으로 구현한 모델의 F1-score가 0.77로 가장 우수한 성능을 보였다. 반면에 Wrist 위치의 의사결정나무 학습으로 구현한 예측 모델의 F1-score가 0.51로 가장 저조한 성능을 보였다. 또한 L2 위치에서 4개의 예측 모델의 평균 F1-score가 0.72 ± 0.05로 가장 높은 결과가 도출되었으며 Wrist 위치에서 4개의 예측 모델의 평균 F1-scroe는 0.60 ± 0.05로 가장 낮은 결과가 도출되었다.
본 연구 결과를 통해 L2 위치에서 측정한 데이터를 기반으로 하는 앙상블 학습 예측 모델이 가장 우수한 성능을 나타내는 것으로 확인되었다. 따라서 단일 관성센서를 L2 위치에 착용하는 것이 고령자의 일상생활동작을 가장 정확하게 인식하는 것을 확인하였다. 본 연구는 관성센서 기반의 고령자의 일상생활 모니터링이 가능한 스마트 웨어러블 기기 개발 시 스마트 웨어러블 기기의 착용 위치를 고려하기 위한 기초 연구 자료로써 활용될 수 있다.
연구 목적을 달성하기 위해 문헌 조사를 통해 고령자의 일상생활행동특성, 일상생활행동에서 나타나는 신체동작, 신체 동작 인식과 관련된 선행 연구 사례에 관하여 정리하고 관성센서를 활용한 일상생활행동 인식방법에 대해 알아보았다. 선행 연구 조사 내용을 토대로 단일 고나성센서의 착용 위치에 따른 고령자의 일상생활행동 인식 정확도 비교 실험 프로토콜을 수립하였다. 수립된 실험 프로토콜을 기반으로 65세 이상 고령자 20명을 대상으로 실험을 수행하였다. 관성센서는 총 5곳으로 요추(Second lumbar vertebra), 양 손목(dorsal of wrist ligaments), 양 정강이(Lateral fibula) 위치에 벨트를 활용하여 착용하고 동적 일상생활행동 10가지를 수행하였다. 측정 후 관성센서 착용 위치 별로 3축 가속도 신호와 3축 각속도 신호를 기반으로 30개의 특성을 도출한 후 4가지 기계학습 알고리즘을 통해 4개의 알고리즘 별 동적 일상생활행동 인식 모델을 구현하였다. 구현된 예측 모델의 성능을 평가하기 위해 5겹 교차 검증법을 활용하였으며, 오차 행렬을 통해 각 예측 모델의 정밀도, 재현률, 정확도를 산축하고, F1-score를 통해 관성센서의 착용 위치 별 예측 모델 간 성능을 비교하였다.
성능을 비교한 결과 L2 위치의 앙상블 학습으로 구현한 모델의 F1-score가 0.77로 가장 우수한 성능을 보였다. 반면에 Wrist 위치의 의사결정나무 학습으로 구현한 예측 모델의 F1-score가 0.51로 가장 저조한 성능을 보였다. 또한 L2 위치에서 4개의 예측 모델의 평균 F1-score가 0.72 ± 0.05로 가장 높은 결과가 도출되었으며 Wrist 위치에서 4개의 예측 모델의 평균 F1-scroe는 0.60 ± 0.05로 가장 낮은 결과가 도출되었다.
본 연구 결과를 통해 L2 위치에서 측정한 데이터를 기반으로 하는 앙상블 학습 예측 모델이 가장 우수한 성능을 나타내는 것으로 확인되었다. 따라서 단일 관성센서를 L2 위치에 착용하는 것이 고령자의 일상생활동작을 가장 정확하게 인식하는 것을 확인하였다. 본 연구는 관성센서 기반의 고령자의 일상생활 모니터링이 가능한 스마트 웨어러블 기기 개발 시 스마트 웨어러블 기기의 착용 위치를 고려하기 위한 기초 연구 자료로써 활용될 수 있다.
목차
제1장 서론 1제1절 연구 배경 및 필요성 1제2절 연구 목적 및 방법 6제2장 이론적 고찰 7제1절 고령자의 일상생활행동 특성 71. 일상생활행동의 정의 72. 고령자의 6가지 기초 일상생활행동 83. 고령자의 일상생활행동 패턴 11제2절 일상생활행동의 신체 동작 12제3절 신체 동작 인식과 관련된 선행 연구 사례 151. 비전센서 기반의 신체 동작 인식 연구 152. 웨어러블 센서 기반의 신체 동작 인식 연구 18제3장 관성센서를 활용한 일상생활행동 인식 방법 22제1절 개요 22제2절 데이터 수집 방법 231. 관성센서의 데이터 수집 샘플링 주기 232. 관성센서의 신체 부착 위치 24제3절 데이터 전처리(Pre-processing) 방법 281. 데이터 분할(Segmentation) 282. 특성 추출(Features extraction) 30제4절 일상생활행동 인식에 활용되는 기계학습 기법 321. 서포트 벡터 머신(Support vector machines) 342. k-최근접 이웃 알고리즘(k-Nearest Neighbors algorithm: kNN) 363. 의사결정나무(Decision Tree) 374. 앙상블(Ensemble) 38제4장 단일 관성센서의 착용 위치에 따른 고령자의 동적 일상생활행동 인식 정확도 비교 40제1절 개요 40제2절 실험 및 결과 분석 계획 411. 실험 계획 412. 결과 분석 계획 44제3절 관성센서의 착용 위치에 따른 정확도 비교 평가 결과 491. 평가 결과 종합 492. 오차 행렬을 통한 착용 위치 별 동적 일상생활행동 예측 결과 52제5장 결론 57참고문헌 61ABSTRACT 70
최근 본 자료
댓글(0)
0