Abstract
Embedding the compact wearable units to monitor the health status of a person has been analysed as a convenient solution for the home health care. This paper presents a method to detect fall from the other activities of daily living and also to classify those activities. This kind of ambulatory monitoring of the elderly and people with limited mobility can not only provide their general health status but also alarms whenever an emergency such as fall or gait has been occurred and a help is needed. A timely assistance in such a situation can reduce the loss of life. This work shows a detailed analysis of the data received from a chest worn sensor unit embedding a 3-axis accelerometer and depicts which features are important for the classification of human activities. How to arrange and reduce the features to a new feature set so that it can be classified using a simple classifier and also improving the classification resolution. Principal component analysis (PCA) has been used for modifying the feature set and afterwards for reducing the size of the same. Finally a Neural network classifier has been used to analyse the classification accuracies. The accuracy for detection of fall events was found to be 86%. The overall accuracy for the classification of Activities or daily living (ADL) and fall was around 94%.
일반인의 건강상태를 모니터하는 간편 착용 임베디드 장치가 홈 헬tm케어의 용이한 해법으로 소개되어지고 있다. 본 논문에서는 매일 일상 활동을 검사하고 활동성을 분류하는 방법을 보여주고 있다. 노약자나 장애인에 대한 일상 모니터링은 일반적인 건강상태 뿐 만아니라 넘어지거나 도움이 필요한 상황 등 비상시에 경보를 알려주게 된다. 이 같은 위기 상황에서 적시의 도움은 생명 손실을 줄여줄 수 있다. 본 연구에서는 3축 가속도계를 탑재한 흥부 착용센서로부터 수신되는 데이터를 분석하고 어떤 특징 값들이 인체활동분류에서 중요하게 되는가를 알려줄 수 있음을 보여주었다. 주성분 분석법은 특징 세트를 수정하거나 동일 정보에 대한 크기를 줄이는데 유용하다. 마지막으로, 신경 분류기법이 정확도 분류를 분석하기 위해 적용되었다. 넘어짐에 대해서 는 86%의 측정 정확도를 얻을 수 있었고, 일일 생활 활동에 대한 전체 활동성 분류 정확도는 94%를 얻을 수 있었다.
