한국컴퓨터정보학회:학술대회논문집 (Proceedings of the Korean Society of Computer Information Conference)

한국컴퓨터정보학회 (Korean Society of Computer Information)
권호 표지

다중 센서 기반의 낙상 검출 및 방향 분류

Multisensor-Based Fall Direciton Classification

  • 신효진 (순천향대학교대학원 ICT융합학과) ;
  • ;
  • 남윤영 (순천향대학교대학원 ICT융합학과) ;
  • 우지영 (순천향대학교대학원 ICT융합학과)
  • Hyojin Shin (Dept. of ICT convergence, SoonChunHyang University) ;
  • TENG Sokea (Dept. of ICT convergence, SoonChunHyang University) ;
  • Yunyoung Nam (Dept. of ICT convergence, SoonChunHyang University) ;
  • Jiyoung Woo (Dept. of ICT convergence, SoonChunHyang University)
  • 발행 : 2024.01.17
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

고령화 사회가 도래함에 따라 낙상은 심각한 사회 문제로 대두되고 있다. 그러나 낙상 위험 예측 및 평가 도구의 한계가 여전히 존재하고 있어 정확하고 신뢰성 있는 낙상 평가 방법을 필요로 한다. 본 연구에서는 신체 다양한 부위에 부착되어 수집된 센서 데이터를 이용하여 낙상을 검출하고 낙상의 방향까지 실시간으로 분류하는 모델들을 구축 및 평가한다. 이는 낙상의 유형에 따른 신속한 조치가 가능하도록 한다.

키워드

과제정보

본 연구는 한국연구재단의 지역대학우수과학자지원사업(2020R1I1A3056858)의 연구결과로 수행되었음

참고문헌

  1. Wisesa, I. Wayan Wiprayoga, and Genggam Mahardika. "Fall detection algorithm based on accelerometer and gyroscope sensor data using Recurrent Neural Networks." IOP Conference Series: Earth and Environmental Science. Vol. 258. No. 1. IOP Publishing, 2019.
  2. Rodrigues, Thiago B., et al. "Fall detection system by machine learning framework for public health." Procedia Computer Science 141 (2018): 358-365.
  3. Hochreiter, Sepp, and Jurgen Schmidhuber. "Long short-term memory." Neural computation 9.8 (1997): 1735-1780.
  4. Kazemi, Seyed Mehran, et al. "Time2vec: Learning a vector representation of time." arXiv preprint arXiv:1907.05321 (2019).
  5. "O'Shea, Keiron, and Ryan Nash. "An introduction to convolutional neural networks." arXiv preprint arXiv:1511.08458 (2015).
  6. Niu, Zhaoyang, Guoqiang Zhong, and Hui Yu. "A review on the attention mechanism of deep learning." Neurocomputing 452 (2021): 48-62