초록
군용 웨어러블 어플리케이션은 기존에는 상상할 수 없었던 개인 상태 점검 및 모니터링을 가능케 함으로써 큰 주목을 받고 있다. 그 중에서도 인간의 동작 상태를 인식하기 위한 기술은 개별 병력의 운용 현황 및 이동 상태를 즉각적으로 수집하여 능동적인 병력 관장을 허용한다는 점에서 그 필요성이 매우 높다. 본 논문에서는 군용 웨어러블 어플리케이션 연구의 일환으로 전투 상황 중의 군인이 어떤 환경에서 어떤 동작을 수행하고 있는지에 대한 정보를 취득하는 발목형 웨어러블 디바이스를 제안한다. 실제상황을 가정했을 때, 군인의 상지는 상황에 대한 변동성에 쉽게 노출되므로 지면과 상시 상호작용하고 있는 발목 부근에 측정 모듈을 부착한다. 측정 데이터는 각 동작 중의 3축 가속도 및 3축 각속도로 이들은 인간이 설정한 알고리즘으로는 해석이 불가능하다는 특징이 있다. 본 논문에서는 이러한 동적 데이터를 활용해 인간의 행동양식을 파악하기 위해 데이터의 이동 양상을 모델링하는 과정을 소개한다. 데이터로부터 추출되는 특징은 총 네 가지로 (최댓값, 최솟값, 평균, 표준편차) 딥러닝 모델의 인풋으로 활용돼 총 여덟 종류의 주요 군사 동작(Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, High Crawl)을 분류하는데 활용된다. 그 결과, 임의의 시험 상황에 대해 95.16%의 정확도로 군인의 이동 현황을 파악해낼 수 있었다. 본 연구는 웨어러블 기술 및 인공지능을 융합하여 군용 어플리케이션으로 확장될 동작 인식의 새로운 접근 방식을 제안했다는 점에서 의미가 크다.
Wearable technology for military applications has received considerable attention as a means of personal status check and monitoring. Among many, an implementation to recognize specific motion states of a human is promising in that allows active management of troops by immediately collecting the operational status and movement status of individual soldiers. In this study, as an extension of military wearable application research, a new ankle wearable device is proposed that can glean the information of a soldier on the battlefield on which action he/she takes in which environment. Presuming a virtual situation, the soldier's upper limbs are easily exposed to uncertainties about circumstances. Therefore, a sensing module is attached to the ankle of the soldier that may always interact with the ground. The obtained data comprises 3-axis accelerations and 3-axis rotational velocities, which cannot be interpreted by hand-made algorithms. In this study, to discern the behavioral characteristics of a human using these dynamic data, a data-driven model is introduced; four features extracted from sliced data (minimum, maximum, mean, and standard deviation) are utilized as an input of the model to learn and classify eight primary military movements (Sitting, Standing, Walking, Running, Ascending, Descending, Low Crawl, and High Crawl). As a result, the proposed device could recognize a movement status of a solider with 95.16% accuracy in an arbitrary test situation. This research is meaningful since an effective way of motion recognition has been introduced that can be furtherly extended to various military applications by incorporating wearable technology and artificial intelligence.