• KSCI Review
• /
• v.15 no.1
• /
• pp.103-109
• /
• 2007

선진각국에서 고령화 문제를 해결하기 위하여 고령친화 산업과 관련된 많은 연구들이 진행되고 있다. 본 논문에서는 노인 요양 또는 복지 시설 내 노인들의 거주 환경 변화 및 거주자의 활동 양상을 측정하는 유비쿼터스 노인케어 시스템 knu-SCS(KangNam Ubiquitous Senior Care System)에 대하여 연구하였다. knu-SCS 시스템은 조도, 습도, 온도 센서, 카메라 등으로 구성되며, 각종 센서들이 감지한 데이터를 저장, 가공, 분석하여 데이터베이스에 저장을 하고 저장된 데이터들을 사용자들에게 시각적으로 제시하기 위하여 센서 웹을 구현하였다. 센서 웹에서 제공하는 데이터들은 일상적인 노인 행동 및 생활환경을 인지할 수 있는 자료가 되므로, 이를 기초로 노인들이 겪을 수 있는 건강상 문제, 갑작스런 생활의 변화감지, 일상생활의 불편함을 해소하는 등 노인케어에 효과적으로 활용될 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06c
• /
• pp.53-58
• /
• 2007

선진각국에서 고령화 문제를 해결하기 위하여 고령친화 산업과 관련된 많은 연구들이 진행되고 있다. 본 논문에서는 노인 요양 또는 복지 시설내 노인들의 거주 환경 변화 및 거주자의 활동 양상을 측정하는 노인케어 유비쿼터스 시스템 knu-SCS(KangNam Ubiquitous Senior Care System)에 대하여 연구하였다. knu-SCS 시스템은 조도, 습도, 온도 센서, 웹 카메라 등으로 구성되며, 각종 센서들이 감지한 데이터를 저장, 가공, 분석하기 위하여 데이터베이스를 설계 및 구현하였다. 또한, 데이터베이스에 저장된 데이터들을 사용자들에게 시각적으로 제시하기 위하여 센서 웹을 구현하였다. 센서 웹에서 제시하는 데이터들은 일상적인 노인 행동 및 생활환경을 인지할 수 있는 자료가 되므로, 이를 기초로 노인들이 겪을 수 있는 건강상 문제나 일상생활의 불편함을 해소하는 등 노인 케어에 활용될 수 있다.

• Journal of IKEEE
• /
• v.24 no.4
• /
• pp.1180-1183
• /
• 2020

Recently, the daily life safety detection functionalities such as fall accident detection and burn danger detection are widely disseminated along with the development of IoT and smart home. These safety detection functionalities are mostly performed by artificial intelligence. However, simple accuracy measurement of the safety detection in laboratory environment is often far from practical performance in daily life environment. To mitigate this problem, this paper introduces two techniques, i.e. living lab and confusion matrix. Living lab is more than simple simulation of daily life environment, and it enables users to directly participate technology development and product design. Various performance measures induced from confusion matrix significantly help to evaluate the performance of artificial intelligence system for proper application purposes.

• ICROS
• /
• v.17 no.1
• /
• pp.25-30
• /
• 2011

착용형 재활 로봇, 스마트 보철기구, 일상생활 동작 모니터링 등 다양한 분야에서 응용되는 보행 패턴의 감지와 분석을 위한 센서 시스템을 On-Shoe 타입, Off-Shoe 타입, 보행 인식 상업용 시스템으로 구분하여 동향을 살펴본다.

• 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 Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.28-31
• /
• 2021

전세계적으로 우울증은 정신 건강 질환으로써 문제가 되고 있으며, 이를 해결하기 위해 일상생활에서의 우울증 탐지에 대한 연구가 진행되고 있다. 따라서 본 논문에서는 일상생활에 밀접하게 연관되어 있는 AI 스피커를 사용한 어텐션 메커니즘(Attention Mechanism) 기반 멀티모달 우울증 감지 시스템을 제안한다. 제안된 방법은 AI 스피커로부터 수집할 수 있는 음성 및 텍스트 데이터를 수집하고 CNN(Convolutional Neural Network)과 BiLSTM(Bidirectional Long Short-Term Memory Network)를 통해 각 데이터에서의 학습을 진행한다. 학습과정에서 Self-Attention 을 적용하여 특징 벡터에 추가적인 가중치를 부여하는 어텐션 메커니즘을 사용한다. 최종적으로 음성 및 텍스트 데이터에서 어텐션 가중치가 추가된 특징들을 합하여 SoftMax 를 통해 우울증 점수를 예측한다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.585-590
• /
• 2007

최근 IT기술의 비약적인 발전과 더불어 사용자의 편의성을 극대화 시키는 웨어러블 컴퓨팅 기술이 주목을 받고 있다. 이러한 기술은 일반인뿐만 아니라 장애인들의 일상생활의 보조 도구에 활용되어 큰 도움이 될 것으로 예상된다. 본 논문에서는 시각 및 청각장애인을 위해 개발된 착용형 단말기들을 소개하고자 한다. 시각 장애인용 단말기인 SmartWand는 시각장애인용 지팡이에 부착하거나 손에 휴대할 수 있는 장치로, 시작장애인을 위한 보행 보조 및 색상과 명암 정보 인식 보조 기능을 갖춘 장치이다. SmarWand는 시각장애인이 보행 시 이용하는 기존의 지팡이로는 감지할 수 없는 전방의 장애물을 초음파 센서를 통해 탐지하여 촉각이나 음성으로 경고해주고, 물체의 색깔이나 주변의 밝기 정도를 측정하여 시각장애인에게 알려준다. 청각 장애인용 단말기인 SmarWatch는 손목에 착용하는 장치로서 아기 울음소리, 노크나 초인종 소리, 물 끓는 소리, 화재 경보 등 가정에서 발생하는 일상적인 소리를 인식할 수 있도록 해준다. SmartWatch는 입력 모듈의 마이크로 입력된 소리를 문선통신을 통해 컴퓨터로 전송한 후에 소리의 종류를 인식하고 적절한 제어신호를 다시 무선통신을 통해 전송받아 감지된 소리의 종류를 해당하는 진동과 시각정보로 표시해준다. 이런 착용형 단말기들을 통해 시각 및 청각 장애인의 일상 생활의 안정성과 편의성이 증대 되기를 기대한다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.10a
• /
• pp.115-116
• /
• 1999

대기 중으로 발산되어 인간의 감각기관을 자극함으로써 불쾌감을 유발하고 집중력을 저하시키는 등 일상생활에 좋지 않은 영향을 주는 악취를 객관적으로 평가하기 위해 취기를 감지할 수 있는 최저농도를 평가하는 감지역취(Threshold)의 결정, 냄새가 얼마나 강한가를 평가하는 악취강도(Odor Intensity) 측정, 냄새의 종류를 판단하는 냄새 질(Odor Quality) 판정 등 악취의 성질을 표현하는 여러 방법이 사용되고 있다.(중략)

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.7
• /
• pp.49-56
• /
• 2009

In this paper, we present a daily activity monitoring system by using a wireless sensor network. The proposed system is installed in glove for activity monitoring. The RFID reader, to send data by using sensor network platform and RFID tag are small size, the shape of quadrangle, and operate in the frequency of 13.56 MHz. The sensor node can read RFID tags on the various objects used in daily living such as furniture, medicines, and kitchenwares. The sensor node reads the data of RFID tags, it transmits wireless packets to the sink node. The sink node sends the received packet immediately to a server system. The data from each RFID system is collected into a database, and then the data are processed to visualize the measurement of daily living activities of users. We provide a web-based monitoring system, and can see the number of RFID tag readings per day as bar charts. The result of experiments demonstrates that the way we propose can help to check the situation of life for people who live alone.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.249-251
• /
• 2021

In this paper, we introduce the deep-learning system using Tensorflow for recognizing situations that can occur fall situations when the elderly are moving or standing. Fall detection uses the LSTM (long short-term memory) learned using Tensorflow to determine whether it is a fall or not by data measured from wearable accelerator sensor. Learning is carried out for each of the 7 behavioral patterns consisting of 4 types of activity of daily living (ADL) and 3 types of fall. The learning was conducted using the 3-axis acceleration sensor data. As a result of the test, it was found to be compliant except for the GDSVM(Gravity Differential SVM), and it is expected that better results can be expected if the data is mixed and learned.