DOI QR코드

DOI QR Code

Activity Data Modeling and Visualization Method for Human Life Activity Recognition

인간의 일상동작 인식을 위한 동작 데이터 모델링과 가시화 기법

  • 최정인 (이화여자대학교 컴퓨터공학과) ;
  • 용환승 (이화여자대학교 컴퓨터공학과)
  • Received : 2012.01.31
  • Accepted : 2012.07.03
  • Published : 2012.08.31

Abstract

With the development of Smartphone, Smartphone contains diverse functions including many sensors that can describe users' state. So there has been increased studies rapidly about activity recognition and life pattern recognition with Smartphone sensors. This research suggest modeling of the activity data to classify extracted data in existing activity recognition study. Activity data is divided into two parts: Physical activity and Logical Activity. In this paper, activity data modeling is theoretical analysis. We classified the basic activity(walking, standing, sitting, lying) as physical activity and the other activities including object, target and place as logical activity. After that we suggested a method of visualizing modeling data for users. Our approach will contribute to generalize human's life by modeling activity data. Also it can contribute to visualize user's activity data for existing activity recognition study.

오늘날 스마트폰의 발전으로 스마트폰 내장 센서를 통해 사용자의 개인 정보를 쉽게 파악 할 수 있고 원한다면 사용자의 위치를 실시간으로 알아낼 수 있다. 그리하여 센서를 통해 추출된 데이터를 통해 동작인식과 생활 패턴 인식에 관한 연구가 급증하고 있다. 본 논문에서는 기존의 동작 인식 연구에서 추출되는 데이터를 정형화하기 위해 동작 데이터를 모델링하였다. 본 논문의 일상 동작 모델링은 이론적 분석이다. 동작을 크게 두 가지로 분류시켜 가속도 센서만으로 인식 가능한 기본 동작을 물리적 동작으로 정의하고 그 외 목적과 대상, 장소를 포함하는 모든 동작을 논리적 동작으로 분류시켰다. 모델링 된 데이터를 기반으로 각 동작의 특성에 맞게 가시화 하는 방안을 제안하였다. 본 연구를 통해 인간의 일상생활을 동작별로 간편하게 표준화 할 수 있고 기존의 동작 인식 연구에서 추출되는 동작 데이터를 사용자의 요구에 따라 가시화 할 수 있다.

Keywords

References

  1. W.K. Kim, M.K. Kim, D.W. Cheun, H.J. Bae, C.S. Kim, and S.D. Kim, "Mobile Context Visualizer Design," Journal of KI ISE, Vol. 38, No. 1, pp. 108-111, 2011.
  2. K.S. Bok, M.H. Kim, J.R. Shin, J.S. Yoo, and K.H. Cho, "Moving Objects Modeling for Supporting Content and Similarity Searches," Journal of Korea Multimedia Society, Vol. 7, No. 5, pp. 617-632, 2004
  3. J.I. Choi and H.S. Young, "Activity Classification and Visualization Method for Activity Recognition," Proc. of the 28th Korea Multimedia Society Fall Conference, Vol. 14, No. 2, pp. 117, 2011
  4. American Time Use Survey, ATUS Data Files : www.bls.gov/ tus/ , 2010.
  5. WISDM, http://storm.cis.fordham.edu/-gweiss/wisdm/news.html, 2011.
  6. J.R. Kwapisz, G.M. Weiss, and S.A. Moore, "Activity Recognition using Cell Phone Accelerometers," Human Factors, pp. 10-18, 2010.
  7. D.A. Keim, "Information Visualization and Visual Data Mining," IEEE Transactions on Visualization and Computer Graphics, Vol. 8, No. 1, pp. 1-8, 2002. https://doi.org/10.1109/2945.981847
  8. ShinHanart, 12006 전문가용 포스터컬러 40ml 30색 B세트 : http://www.shinhanart.co.kr/ , 2011.
  9. Microsoft office 2010, Available chart types from http:/ /office.microsoft.com/ko-kr/excel-help/HA010342187. aspx#BMpiecharts, 2011.
  10. JFreeChart, http://www.jfree.org/jfreechart/, 2011.

Cited by

  1. Real-Time Physical Activity Recognition Using Tri-axis Accelerometer of Smart Phone vol.17, pp.4, 2014, https://doi.org/10.9717/kmms.2014.17.4.506
  2. Logical Activity Recognition Model for Smart Home Environment vol.20, pp.9, 2015, https://doi.org/10.9708/jksci.2015.20.9.067
  3. Android App Development System Using Modular Method vol.17, pp.5, 2014, https://doi.org/10.9717/kmms.2014.17.5.601
  4. Conceptual Group Activity Recognition Method in the Classroom Environment vol.21, pp.5, 2015, https://doi.org/10.5626/KTCP.2015.21.5.351
  5. 스마트폰 센서를 이용하여 행동을 인식하기 위한 계층적인 심층 신뢰 신경망 vol.20, pp.8, 2012, https://doi.org/10.9717/kmms.2017.20.8.1421
  6. 신경망을 이용한 반복운동 검출 vol.21, pp.9, 2012, https://doi.org/10.6109/jkiice.2017.21.9.1725