사용자 움직임 인식이 가능한 휴대형 센서 디바이스 구현

Implementation of a Mobile Sensor Device Capable of Recognizing User Activities

  • 안진호 (호서대학교 전자공학과) ;
  • 박세준 (호서대학교 전자공학과) ;
  • 홍유진 (한국과학기술연구원 영상미디어연구센터) ;
  • 김익재 (한국과학기술연구원 영상미디어연구센터) ;
  • 김형곤 (한국과학기술연구원 영상미디어연구센터)
  • 투고 : 2009.05.08
  • 발행 : 2009.10.25

초록

본 논문에서는 사용자의 일상적인 동작 분석자료를 기반으로 실시간으로 사용자의 움직임 추정이 가능한 휴대형 센서 디바이스 및 활용 결과를 소개한다. 센서 디바이스는 3차원 가속센서와 GPS를 장착하고 있으며 센서 데이터 처리 및 움직임 추정을 위한 32비트 마이크로컨트롤러, 그리고 센서 데이터 및 추정결과를 전송하기 위한 블루투스 타입의 무선 통신 모듈을 포함한다. 완성된 디바이스는 50*47*14(mm)의 크기이며 리튬이온 소형 배터리 기준으로 연속 사용시 최대 10시간, 대기시간은 약 160시간 정도의 소형/저전력 형태로 구현되었다. 추정 가능한 사용자 움직임의 종류는 크게 3가지("서기", "달리기", "걷기")이며 피실험자군에 의한 동일 동작에 대한 가속센서 변화량을 학습하여 결정 트리 형식으로 사용자 움직임을 결정한다. 실험 결과 사용자 움직임 추정에 대한 정확도는 90% 이상인 것으로 확인되었다.

In this paper, we introduce a mobile-type tiny sensor device that can classify the activities of daily living based on the state-dependent motion analysis using a 3-axial accelerometer in real-time. The device consists of an accelerometer, GPS module, 32bit micro-controller for sensor data processing and activity classification, and a bluetooth module for wireless data communication. The size of device is 50*47*14(mm) and lasts about 10 hours in operation-mode and 160 hours in stand-by mode. Up to now, the device can recognize three user activities ("Upright", "Running", "Walking") based on the decision tree. This tree is constructed by the pre-learning process to activities of subjects. The accuracy rate of recognizing activities is over 90% for various subjects.

키워드

참고문헌

  1. http://www.micoach.com
  2. WiTilt V3, http://www.sparkfun.com
  3. P. Chalimbaud, F. Marmoiton, and F. Berry, 'Towards an Embedded Visuo-Inertial Smart Sensor,' The International Journal of Robotics Research, Vol. 26, No. 6, pp. 537-546, June 2007 https://doi.org/10.1177/0278364907079275
  4. T. Harada, T. Mori, and T. Sato, 'Development of a Tiny Orientation Estimation Device to Operate under Motion and Magnetic Disturbance,' The International Journal of Robotics Research, Vol. 26, No. 6, pp. 547-559, June 2007 https://doi.org/10.1177/0278364907079272
  5. L. Bao and S. S. Intille, 'Activity recognition from user-annotated acceleration data,' Pervasive 2004 (LNCS 3001), pp. 1-17, 2004
  6. 임새미, 김익재, 안상철, 김형곤, '3차원 가속 센서 및 RFID 센서를 이용한 ADL 자동 분류,' 전자공학회 논문지 CI편, Vol. 45, No. 3, pp. 135-141,2008년 5월