초록
본 논문은 3차원 가속 센서들과 장갑 형태로 제작한 RFID 리더기를 사용하여, 사용자의 신체 상태에 따른 동작 분석을 통해, 일상생활에서 사용자의 액티비티(Activity)를 자동으로 인식하는 새로운 방법을 제안한다. 두 개의 가속 센서로부터 획득한 움직임 정보로부터 선택 트리(Decision Tree) 방법을 통해 사용자의 5가지 자세 정보(Posture Information)를 구별하고, 손목에 장착된 가속 센서와 장갑 형태로 제작된 RFID 리더를 통해 인식한 객체와의 상호 작용을 통해서 도구를 사용하는 액티비티(Instrumental Activity)를 인식하는데 사용한다. 이를 위해, 객체 의존적인 손의 움직임을 학습에 의해 미리 5가지 카테고리로 분류한 후, 해당 객체와 인식된 움직임의 일치 여부를 확인한 후, 최종적으로 사용자의 신체 상태와 액티비티를 결정한다. 실험 결과에 의하면, 제안된 계층적 움직임 분석 방법은 20가지의 일상생활 액티비티들을 인식하는데 있어서 90%이상의 정확도를 보였다.
We propose a new method for recognizing the activities of daily living(ADL) based on the state-dependent motion analysis using 3-axial accelerometers and a glove type RFID reader. Two accelerometers are used for the classification of 5 body states based on the decision tree. Classification of the instrumental activities is performed based on the hand interaction with an object ID using an accelerometer and a RFID reader. Object-dependent hand movements are classified into 5 categories in advance and final decision combines the body state and the instrumental activities. Experiment shows that the suggested hierarchical motion analysis provides accuracy rate of over 90% for all 20 ADLs.
