• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.606-608
• /
• 2022

센서 데이터를 활용한 행동 감지 연구는 인간 행동 인식을 선행연구로 진행되었으며, 인식의 정확도를 높이기 위해 전처리, 보간, 증강 등을 통한 연구가 활발히 진행되고 있다. 이에 본 논문에서는 시계열 센서 데이터 증강을 통하여 반려동물의 행동 감지를 제안한다. ODROID 단일 보드 컴퓨터와 6축 센서(가속도, 자이로) 데이터를 탑재한 소형 디바이스를 사용하여 블루투스 통신을 통해 웹 서버 DB에 저장한다. 저장된 데이터는 이상치, 결측치 처리 후 정규화를 통해 시퀀스를 구성하는 전처리 과정을 거친다. 이후 GAN을 기반으로 한 시계열 데이터 증강을 진행한다. 이때, 데이터 증강은 입력된 텍스트에 따라 센서 데이터로 변환하여 데이터를 증강한다. 학습된 딥러닝 모델을 바탕으로 행동을 감지 후 평가 지표에 따라 모델 성능을 검증한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.513-515
• /
• 2023

본 논문에서는 그리드 탐색과 트랜스포머를 사용한 그룹 행동 인식 모델을 제안한다. 추출된 여러 사람의 스켈레톤 정보를 차분 벡터, 변위 벡터, 관계 벡터로 변환하고 사람별로 묶어 이를 TimeDistributed 함수에 넣고 풀링을 한다. 이를 트랜스포머 모델의 입력으로 넣고 그룹 행동 인식 분류를 출력하였다. 논문에서 3가지 벡터를 입력으로 하여 합치고 트랜스포머 계층을 거친 모델과 3가지 벡터를 입력으로 하고 계층적으로 트랜스포머 모델을 거쳐 행동 인식 분류를 출력하는 두 가지 모델을 제안한다. 3가지 벡터를 합친 모델에서 클래스 분류 정확도는 CAD 데이터 세트 96.6%, Volleyball 데이터 세트 91.4%, 계층적 트랜스포머 모델은 CAD 데이터 세트 96.8%, Volleyball 데이터 세트 91.1%를 얻었다

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.68-84
• /
• 2024

본 논문에서는 행동인식 기술을 기반으로 0세에서 2세까지의 아동을 대상으로 행동 발달 지표(활동성, 사회성, 위험성)를 파악하여 고도의 복지 서비스를 제공할 수 있는 시스템과 알고리즘에 관해 기술한다. 행동인식은 0세 영아의 눕기에서 부터 2세 유아의 점프까지 총 11개 행동을 대상으로 하였으며 광주·전남지역 어린이집 3개소에서 연구용으로 제공받은 실제 영상으로부터 직접 취득한 데이터를 학습에 사용하였다. 11개 행동에 대해 425개 클립 영상에서 1,867개 행동 데이터셋을 구축하여 학습한 결과 평균 97.4%의 인식정확도를 확인하였다. 또 실세계 적용을 위해 행동분석 장치인 엣지 비디오 분석기(Edge Video Analyzer, EVA)를 제작하였고 이 장치 위에 4채널 영상에서 최대 30명까지 실시간 행동인식이 가능한 영역별 랜덤 프레임 선택 기반 PoseC3D 알고리즘을 구현하였다. 개발된 시스템은 3곳의 어린이집에 설치되어 10명의 보육교사에 의해 1개월 간 실증테스트가 진행되었고 설문조사 결과 체감 정확도는 91점, 서비스 만족도는 94점으로 평가되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.375-378
• /
• 2021

인간의 보행에는 다양한 분야에서 유용하게 사용할 수 있는 정보를 가지고 있어 의료분야와 수사기관에서 사용되고 있다. 보행 데이터로부터 유용한 정보를 얻어내기 위해 선행되어야 하는 작업은 보행주기를 판별하는 것이다. 본 연구에서는 보행주기 판별을 위하여 발 뒷굽 닿기와 발가락 떼기 행동을 가속도 값과 각속도 값을 사용하여 알아내고, 정확도를 분석하는 알고리즘에 대해 논한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.21-26
• /
• 2009

유비쿼터스 컴퓨팅 환경의 급속한 발전은 Multi-Sensor를 이용하여 자동으로 사용자의 행동인식을 가능한 환경을 만들어주었다. 따라서 이 논문에서는 사용자가 일상생활을 하는데 있어서 기본적으로 필요한 행동인 ADL(activities of daily living)의 수행능력을 분석하고 진단할 수 있는 Multi-Sensor기반의 ADL 자동 진단 시스템을 구축하였다. 두 개의 가속도 센서를 허벅지와 손목에 부착하여 사용자의 행동 정보를 수집하고 이를 Decision-Tree를 통하여 분석하여 사용자의 행동 정보를 수집하였다. 또한 Zigbee 센서를 이용하여 개별 물체의 Object ID를 이용하여 사용자의 위치정보와 주변의 물체의 정보를 수집하여 사용자의 상태 정보를 수집하였다. 이렇게 수집된 행동 정보와 상태 정보들을 통하여 일상생활에 필요한 약 20여 가지의 행동을 인식하였고 평균적으로 96%이상의 정확도를 나타내었으며 이를 통하여 ADL 지수를 자동으로 측정하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.25-26
• /
• 2018

이 논문에서는 고소 작업자의 위험 행동 분석을 위해 딥러닝 기법 중 연속적인 데이터 분석에 적합하며 매우 뛰어난 성능을 보여주는 LSTM 알고리즘을 이용해 모니터링 하는 시스템을 개발하였다. 모델을 위해 학습 데이터는 안전벨트에 자이로센서 등을 부착해서 실험하였다. 시스템은 작업자의 5가지의 행동 패턴을 분석할 수 있으며, 96%의 정확도를 얻었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.507-511
• /
• 2010

휴먼 행동 인식은 크게 3D 모델 기반 방법과 템플릿 기반 방법으로 나눌 수 있다. 3D 모델 기반 방법은 휴먼의 포즈를 3D로 재구성한 뒤 특징을 추출하는 것으로 인식 정확도는 높으나 연산량이 많아 매우 비효율적이다. 반면 템플릿 기반의 방법은 간단하고 수행 시간이 빠르기 때문에 여러 논문들에서 채택되고 있다. 그러나 템플릿을 이용한다는 특성 때문에 시점, 행동 스타일의 변화 등에 따라 실루엣의 변화가 심해 인식 성능에 한계점을 가진다. 본 논문에서는 핵심-포즈들의 히스토그램으로 표현되는 핵심-포즈 분포와 광류의 변화를 이용하여 다중 시점에서의 휴먼 행동 인식 방법을 제안한다. 제안하는 방법은 IXMAS 데이터 셋을 이용한 실험에서 적은 수의 템플릿을 이용하면서도 평균 87.9%의 높은 인식률을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.317-319
• /
• 2024

본 논문에서는 비디오 캡셔닝 알고리즘을 적용한 수어 번역 및 행동 인식 알고리즘을 적용한 수어 인식 알고리즘을 제안한다. 본 논문에 사용된 비디오 캡셔닝 알고리즘으로 40개의 연속된 입력 데이터 프레임을 CNN 네트워크를 통해 임베딩 하고 트랜스포머의 입력으로 하여 문장을 출력하였다. 행동 인식 알고리즘은 랜덤 샘플링을 하여 한 영상에 40개의 인덱스에서 40개의 연속된 데이터에 CNN 네트워크를 통해 임베딩하고 GRU, 트랜스포머를 결합한 RNN 모델을 통해 인식 결과를 출력하였다. 수어 번역에서 BLEU-4의 경우 7.85, CIDEr는 53.12를 얻었고 수어 인식으로 96.26%의 인식 정확도를 얻었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제7권8호
• /
• pp.211-218
• /
• 2018

본 연구에서는 6축 센서를 이용하여 식사 행동을 검출하고 식사 시간을 추론하는 알고리즘을 제안한다. 식사 행동을 음식을 집는 동작, 음식을 먹는 동작, 팔을 내려놓는 동작으로 분류하고, 각 동작 별로 자이로 신호의 특징점을 선정하고 특징점이 순서대로 나타날 경우 식사 행동을 검출한다. 제안한 알고리즘은 정확도 94.3%와 정밀도 84.1%를 달성하였다.

• 한국지능시스템학회논문지
• /
• 제21권1호
• /
• pp.86-99
• /
• 2011

사용자의 행동에 따른 의도 인식의 불확실성 때문에 사용자가 동일한 행동을 하더라도 상황에 따라 그 의도는 다르게 해석되며, 불확실성을 최소화함으로써 사용자 의도 인식의 정확성을 향상 시킬 수 있다. 본 논문에서는 사용자 의도 인식을 위한 온톨로지 기반의 새로운 방법을 제안하고, 불확실성을 최소화하는 방법을 제안한다. 제안하는 방법은 사용자 의도에 대한 온톨로지를 생성하고, 사용자 의도간 계층적 구조와 관계를 RuleML과 동적 베이지안 네트워크를 이용해서 정의하며, 온도, 습도, 시각 등의 수집된 센서 데이터와 정의된 RuleML을 통해 사용자 의도 인식을 보다 정확하게 하는 것이다. 로봇의 능동적 계획수립 방법의 성능을 평가하기 위해 시뮬레이터를 개발했고, 밝생 가능한 모든 상황에 대해 의도인식의 정확도를 측정하는 실험을 했으며, 이에 대한 결과를 제시하였다. 실험결과 비교적 높은 수준의 의도인식 정확도를 나타냈다. 그러나 불확실성을 내재한 행동이 보다 정확한 의도 인식을 방해한다는 것을 알 수 있었다.