• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.207-208
• /
• 2021

본 논문에서는 스마트 폰의 가속도(Accelerometer) 센서와 GPS 센서 및 Kakao Map, Kakao OPEN API 기반을 이용하여 아동, 기저질환자 및 노약자 등의 사용자들이 위험한 상황에 노출되었을 때 자동으로 구조 요청 서비스를 제공하는 낙상 감지 애플리케이션을 설계하고 구현한다. 이 애플리케이션은 사용자의 낙상, 넘어짐 등을 감지하여 보호자에게 SMS 및 카카오톡으로 구조 요청 메시지를 자동으로 전송한다. 안드로이드의 가속도 센서는 사용자의 가속도 및 각도를 계산하여 낙상 및 넘어짐을 감지하고, GPS 센서를 통해 사용자의 현재 위치를 카카오 맵에 표시하고, 구조 요청 메시지를 자동으로 전송함으로써 사용자가 긴급한 상황에서 구출되도록 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.262-264
• /
• 2013

본 본문에서는 교통사고와 자살에 이어 사고 발생률이 높은 낙상사고에 대해 영상감지기기를 이용한 신속한 응급처치를 하기 위해 기존의 지능형 영상감지 시스템을 조사 및 분석하고 이를 토대로 낙상사고 시나리오 분석 및 상황코드를 정의하여 낙상사고인식 시스템을 설계하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.11
• /
• pp.1649-1654
• /
• 2021

In this paper, we introduce a regularization of long short-term memory (LSTM) based fall detection system using TensorFlow that can detect falls that can occur in the elderly. Fall detection uses data from a 3-axis acceleration sensor attached to the body of an elderly person and learns about a total of 7 behavior patterns, each of which is a pattern that occurs in daily life, and the remaining 3 are patterns for falls. During training, a normalization process is performed to effectively reduce the loss function, and the normalization performs a maximum-minimum normalization for data and a L2 regularization for the loss function. The optimal regularization conditions of LSTM using several falling parameters obtained from the 3-axis accelerometer is explained. When normalization and regularization rate λ for sum vector magnitude (SVM) are 127 and 0.00015, respectively, the best sensitivity, specificity, and accuracy are 98.4, 94.8, and 96.9%, respectively.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.391-393
• /
• 2021

In this paper, we introduce a long short-term memory (LSTM)-based fall detection system using TensorFlow that can detect falls occurring in the elderly in daily living. 3-axis accelerometer data are aggregated for fall detection, and then three types of parameter are calculated. 4 types of activity of daily living (ADL) and 3 types of fall situation patterns are classified. The parameterized data applied to LSTM. Learning proceeds until the Loss value becomes 0.5 or less. The results are calculated for each parameter θ, SVM, and GSVM. The best result was GSVM, which showed Sensitivity 98.75%, Specificity 99.68%, and Accuracy 99.28%.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.191-192
• /
• 2024

고령 인구의 지속적인 증가로 인해 고령자의 안전과 관련된 문제는 주요한 관심사 중 하나로 부상하고 있다. 특히, 고령자들 사이에서 자주 발생하는 낙상 사고는 심각한 건강 문제를 일으킬 수 있으며, 이를 예방하고 대응하는 것은 고령 인구의 삶의 질을 향상하는 데 중요한 역할을 한다. 본 연구는 8대의 카메라로 촬영된 영상과 센서 데이터를 통합한 낙상 감지 기법을 제안한다. 제안한 기법은 MediaPipe를 활용하여 Skeleton Keypoint를 추출하는 이미지 인식 기법과 센서 데이터에서 얻은 특징을 활용하는 센서 기반 기술을 결합하여 낙상 사고의 발생 및 방향을 효과적으로 감지할 수 있다. 이러한 결과를 바탕으로 본 연구는 향후 고령자들의 생활 안전성과 의료 시스템의 효율성을 높이는 데 이바지할 수 있을 것으로 기대한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.461-462
• /
• 2022

최근 지속적인 출산율의 감소와 평균수명의 증가로 인하여, 대한민국의 초고령 사회는 예상보다 훨씬 빠르게 증가하고 있다. 핵가족 형태가 보편화되며 1인 가구도 함께 늘고 있어서 홀로 사는 노인의 수 역시 증가하는 추세이다. 주거 공간에서 낙상사고와 같은 고령화 안전사고가 많이 발생하고 있다. 혼자 사는 독거노인들의 경우 사고 발생 즉시 대처가 가능한 보호자가 없다는 문제점이 있다. 본 논문에서는 MediaPipe를 이용한 낙상사고 감지 시스템을 개발한다. 먼저, 이 시스템은 MediaPipe를 이용해서 카메라를 통해 실시간으로 수신된 영상에서 사람을 인식하고, 자세 유형 분석을 통해 낙상사고 발생 여부를 판별하여 애플리케이션을 통해 보호자에게 현장 상황을 알려주는 시스템이다. 낙상사고가 발생했다면 보호자용 애플리케이션을 통해 사고 발생 알림 및 현장 사진을 보여준다. 이와 같은 기술을 활용하여 응급상황에 처한 노인을 빠르게 구조하며 독거노인의 생활안전사고 문제를 해결하는 데에 기여하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1384-1387
• /
• 2015

고령화 사회로 진입하면서 노인들은 노화과정에 의한 보행능력의 감소 및 근력 약화와 같은 신체적 변화로 인해 잦은 낙상을 경험한다. 이에 따라 낙상 사고를 감지하는 연구가 활발히 진행되고 있다. 낙상은 사전 예방도 중요하지만 사고 발생 후의 신속한 대처도 중요하다. 낙상을 감지하고 의료진에게 즉시 낙상정보를 제공하여 후속적 조치를 취하는 것은 사고 후 대처의 핵심이다. 본 논문에서는 스마트폰 환경에서 사용자의 낙상 후 방향을 판별하기 위해 두 가지 센서 데이터의 특정 값들을 추출하였으며, 이에 5 가지 기계학습 알고리즘을 적용하였다. 사용자는 스마트폰을 착용한 상태로 전후좌우 4 방향 낙상 실험을 진행하며 스마트폰 내에 내장된 3 축 가속도 센서와 3 축 자이로 센서값을 측정한다. 피험자 11 명을 대상으로 낙상 실험 결과, 5 가지의 분류기 중 k-NN에서 98.6%의 인식률을 나타내었다. 뽑아낸 특징 값과 분류 알고리즘은 낙상의 방향 검출에 유용한 것으로 판단된다.

• Journal of Satellite, Information and Communications
• /
• v.12 no.2
• /
• pp.56-60
• /
• 2017

This paper describes the design and implementation of fall-down detection algorithm based on image processing. The fall-down detection algorithm separates objects by using background subtraction and binarization after grayscale conversion of the input image acquired by the camera, and recognizes the human body by using labeling operation. The recognized human body can be monitored on the display image, and an alarm is generated when fall-down is detected. By using computer simulation, the proposed algorithm has shown a detection rate of 90%. We verify the feasibility of the proposed system by verifying the function by using the prototype test implemented on the DSP image processing board.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.3
• /
• pp.85-90
• /
• 2021

In this paper, fall detection using individual wearable devices for older people is considered. To design a low-cost wearable device for reliable fall detection, we present a comprehensive analysis of two representative models. One is a machine learning model composed of a decision tree, random forest, and Support Vector Machine(SVM). The other is a deep learning model relying on a one-dimensional(1D) Convolutional Neural Network(CNN). By considering data segmentation, preprocessing, and feature extraction methods applied to the input data, we also evaluate the considered models' validity. Simulation results verify the efficacy of the deep learning model showing improved overall performance.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.21-22
• /
• 2023

본 논문에서는 낙상과 비낙상 구별을 위한 분류 모델을 제안한다. 일상생활과 낙상을 구분해 내는 것은 낙상이 발생하기 이전에 감지하고 사고를 예방할 수 있다. 낙상은 일상생활 중 일어나기 쉬우며, 노인들에게는 골절 및 기관 파열 등과 같은 심각한 부상을 초래할 수 있기 때문에 낙상 방지를 위한 낙상과 비낙상 행동의 구분은 중요한 문제이다. 따라서 실시간으로 수집되는 다양한 활동에서의 센서 데이터를 활용하여 낙상과 비낙상의 행동을 구분하였다.