• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.550-552
• /
• 2010

최근 행위인식 기술은 u-헬스케어 분야를 통해서 실용화되는 단계에 이르고 있다. 실생활에 적용단계에 있는 행위인식 시스템은 기존의 서버 및 데스크톱 환경에서 벗어나 모바일 기기를 기반으로 수행되도록 변해가고 있다. 모바일 환경에 적합한 행위인식 시스템은 행위인식 센서 및 모바일 행위인식 기기의 저전력화와 모바일 기기에 적합한 행위인식 시스템이 요구된다. 본 논문은 모바일기기 기반의 스마트 환경에 알맞은 행위인식 시스템을 위해 행위인식 알고리즘 경량화 기법 연구를 수행한다. 행위별 최적의 낮은 주파수를 사용하여 센싱에 소요되는 자원을 줄인 경량화된 행위인식 방법을 제안하고 또한 주파수 변화에 따른 윈도우간 적절한 오버랩 구간 설정 방법과 윈도우에서의 특징 검출 시 오버랩 구간의 중복 연산을 제거한 경량화된 특징 검출 방법을 제안한다. 실험 결과는 행위 별 최적의 낮은 주파수를 사용하여 전력을 줄이면서도, 서로 다른 주파수의 데이터임에도 인식률은 그대로 유지됨을 보인다.

• Korean Journal of Occupational Health Nursing
• /
• v.2
• /
• pp.52-59
• /
• 1992

본 연구는 예방적 건강행위에 대한 필요성 인식 정도와 실천정도를 파악하고 이를 요인분석하여 산업장의 예방적 건강행위를 이끌기 위한 프로그램의 기틀을 세우기 위해 시도되었다. 연구도구는 참고문헌과 선행연구 등을 참조하여 본 연구자가 만든 설문지를 사전 조사후 수정, 보완하여 사용하였다. 연구대상은 경기도 소재의 2개 기계제조업체에 근무하는 근로자들이였으며 1989년 5월 5일부터 10일까지 자료를 수집하였다. 수집된 자료 중 탈락 및 기재가 불충분한 질문지를 제외한 284명의 응답자를 분석에 사용하였다. 자료분석은 SPSS를 이용하여 전산처리하였으며, 연구결과는 다음과 같다. 1) 예방적 건강행위의 필요성 인식정도의 평균은 122.1점으로 매우 높은 점수분포를 나타냈으며, 실천정도의 평균은 87.6점으로 필요성 인식정도 보다는 낮은 실천정도를 나타냈었다. 2) 예방적 건강행위에 대한 필요성 인식정도와 실천 정도간의 상관관계를 분석한 결과 29개 예방적 건강행위 중 20개의 항목에서 통계적으로 유의한 상관관계를 보였다. 이것을 예방적 건강행위에 대한 필요성 인식정도가 높을수록 실천정도가 높은 것을 의미하는 것으로 인식정도가 행위에 영향을 미침을 반영하고 있다. 3) 요인분석결과 29개의 예방적 건강행위 항목들은 7가지의 요인으로 범주화되었으며 각 범주들은 요인부하량이 높은 것들을 참고로 하여 보건의료자원활동을 통한 예방적 건강행위, 개인위생에 대한 예방적 건강행위, 작업과 관련된 건강행위, 식습관을 통한 예방적 건강행위, 휴식을 통한 예방적 건강행위, 기호습관(금연, 금주)을 통한 예방적 건강행위, 활동을 통한 예방적 건강행위등으로 명명할 수 있었다. 결론적으로 생산직에 종사하고 있는 근로자들은 예방적 건강행위에 대한 필요성을 깊이 인식하고 있으나, 실천정도는 그에 미치지 못하고 있었다. 그러나 예방적 건강행위의 필요성 인식정도와 실천정도간의 상관관계에서 29개 항목중 20개 항목에서 유의한 상관관계를 보여 인식정도가 높을 수록 실천정도가 높은 것으로 나타났다. 이는 근로자의 건강에 대한 인식 및 태도가 가장 직접적으로 영향을 미칠 수 있는 산업간호사의 역할 중 보건교육에 대한 업무가 보다 중요한 비중으로 수행되어져야 함을 시사하는 결과라고 볼수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.65-68
• /
• 2012

본 논문에서는 최근 활발히 연구가 진행되고 있는 행위인식 연구 분야 중에서 스마트폰 환경에서의 개인화된 행위 인식기 및 로거를 제안한다. 최근 스마트폰의 보급이 활발해지면서 행위 인식 연구 분야에서 스마트폰을 이용하는 연구가 활발히 진행되고 있다. 그러나 스마트폰에서는 센서를 이용하여 행위정보를 수집하고, 서버에서 는 분류 및 처리하는 방식으로 실시간 인식과 개발자에 의한 트레이닝으로 인해 개인화된 트레이닝이 불가능하다는 단점이 있다. 이러한 단점을 극복하고자 Naive Bayes Classifier를 사용하여 스마트폰 환경에서 실시간으로 사용자 행위 수집이 가능하고 행위정보의 분류 및 처리가 가능한 경량화 및 개인화된 행위 인식기 및 로거의 구현을 목적으로 한다. 제안하는 방법은 행위 인식기를 통해 행위 인식이 가능할 뿐만 아니라 로거를 통해 사용자의 라이프로그, 라이프패턴 등의 연구 분야에 이용이 가능하다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.423-424
• /
• 2016

본 연구는 30대, 40대 남성 근로자의 심뇌혈관질환 인식, 예방에 대한 태도, 건강행위 간의 관계를 알아보고, 건강행위에 미치는 영향요인을 파악하여 30,40대 남성 근로자의 건강행위를 증진키기 위한 기초 자료를 제공하기 위하여 시도되었다. 연구대상자는 G도 J, S시에 소재한 회사에 근무하는 30대, 40대 남성 근로자를 대상으로 하였으며, 자료 수집은 심혈관질환 인식, 뇌혈관질환 인식, 예방에 대한 태도, 건강행위 도구를 통하여 설문 조사하였다. 자료 분석은 SPSS Win 21.0 프로그램을 이용하여 분석하였다. 연구결과 대상자의 평균 평점은 심혈관질환 인식 정도는 17.99점, 뇌혈관질환 인식 정도는 5.21점, 예방에 대한 태도는 3.95점, 건강행위 정도는 2.82점으로 나타났다. 대상자의 심혈관질환 인식, 뇌혈관질환 인식, 예방에 대한 태도는 건강행위와 양의 상관관계가 있는 것으로 나타났다. 대상자의 건강행위에 영향을 미치는 요인으로 결혼상태, 심혈관질환 인식 순이었으며, 전체 설명력은 14.6%이었다. 본 연구를 바탕으로 심뇌혈관질환 예방을 위한 건강행위의 교육적 시사점과 후속연구에 대한 제언을 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1328-1331
• /
• 2013

본 논문에서는 스마트폰 내장 가속도 센서를 이용한 2단계 행위 인식 시스템을 제안한다. 제안하는 행위 인식 시스템에서는 행위 별 시간에 따른 가속도 센서 데이터의 변화 패턴을 충분히 반영하기 위해, 1단계 분류에서는 결정트리 모델 학습과 분류를 수행하고, 2단계 분류에서는 1단계 분류 결과들의 시퀀스를 이용하여 HMM모델 학습과 분류를 수행하였다. 또한, 본 논문에서는 특정 사용자나 스마트폰의 특정 위치, 방향 변화에도 견고한 행위 인식을 위하여, 동일한 행위에 대해 사용자와 스마트폰의 위치, 방향을 변경하면서 다양한 훈련 데이터를 수집하였다. 6720개의 가속도 센서 데이터를 이용하여 총 6가지 실내 행위들을 인식하기 위한 실험들을 수행하였고, 그 결과 높은 인식 성능을 확인 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.427-430
• /
• 2012

스마트폰의 내장형 3축 가속도 센서를 이용한 사용자 행위 인식은 사용자 개개인의 행위 패턴이 모두 달라 사용자에 따른 의존성이 크고, 스마트폰의 위치나 방향이 일정하게 고정되어 있지 않기 때문에 센서 데이터를 토대로 서로 다른 행위들을 정확히 분류하는데 어려움이 있다. 본 논문에서는 특정 사용자나 스마트폰의 특정 위치에 대한 의존성이 적은 효과적인 행위 인식 방식을 제안하고, 이를 기초로 안드로이드 스마트폰 기반의 실시간 행위 인식 시스템을 구현하였다. 총 6642개의 데이터 집합을 이용하여 본 논문에서 제안한 행위 인식 시스템의 사용자 의존성 및 폰 위치 의존성 분석 실험을 수행하고, 그 결과를 소개한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.302-305
• /
• 2009

본 논문은 오프라인 환경에서 연구되던 행위인식 연구들이 온라인 환경에서 통합되어 동작할 수 있도록 하기 위해 스트림데이터 처리기를 이용한 행위인식 시스템을 제안하였다. 스트림데이터 처리는 멀티 센서 환경에서의 방대한 센서 데이터를 처리하기 위한 기술로서, 행위인식 시스템의 실시간으로 발생하는 데이터를 즉각 처리하여 결과를 추론하여야 한다는 요구사항을 만족시킬 수 있다. 이를 위해 행위인식에 사용되는 필수적인 연산을 정의하여 스트림데이터 처리기에 추가할 수 있도록 행위 인식에 필요한 각종 연산자를 설계하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06b
• /
• pp.124-129
• /
• 2008

독거노인의 수가 증가함에 따라 노인의 건강한 생활 패턴 유지 및 응급상황탐지 등을 위해 생활모니터링에 대한 연구가 요구되고 있다. 본 논문에서는 단순히 사물에 대한 접촉만으로 일상생활행위(ADL : activity of daily living)를 인식하기 보다는 노인의 행동과 연관이 있는 사물의 접촉을 함께 고려한 행위인 요소ADL를 인식하여 정확하게 최종 ADL를 인식할 수 있도록 한다. 또한, 행위센서로부터 인식된 물리적 행위분류는 간혹 튀는 데이터들로 인해 잘못된 결과가 나오므로, 이를 보정함으로써 인식의 정확성을 더 보장한다. 실험결과는 8개의 요소ADL에 대해 97% 이상의 인식 결과를 보이며, 이는 최종 ADL을 인식하는데 효율적으로 적용할 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1332-1335
• /
• 2013

본 논문에서는 키넥트 센서 데이터에 은닉 조건부 랜덤 필드 모델을 적용하여 인간의 일상 행위를 인식하는 시스템을 제안한다. 많은 고수준의 일상 행위들은 다수의 부속 행위들이 순차적 혹은 반복적으로 수행되어 나타나는 하나의 계층구조로 볼 수 있다. 따라서 제안하는 시스템에서는 이러한 고수준의 일상 행위들을 순차성과 계층성을 잘 표현할 수 있는 확률 그래프 모델의 하나인 은닉 조건부 랜덤 필드 모델로 모델링함으로써, 행위 인식률을 높이려고 시도하였다. 또한 제안하는 시스템에서는 효과적인 행위 모델의 학습과 적용을 위해, 모션 특징, 구조 특징, 손 위치 특징과 같은 다양한 종류의 특징들을 키넥트 센서 데이터로부터 추출하여 이들을 이용하였다. 그리고 12 가지 일상 행위들에 관한 코넬 대학의 CAD-60 데이터 집합을 이용한 다양한 실험을 통해, 제안하는 시스템의 우수한 인식 성능을 확인할 수 있었다.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.2
• /
• pp.87-92
• /
• 2014

In this paper, we present a two-phase activity recognition system using smartphone's accelerometers. To consider the unique temporal pattern of accelerometer data for each activity, our system executes the decision-tree(DT) learning in the first phase, and then, in the second phase, executes the hidden Markov model(HMM) learning based on the sequences of classification results of the first phase classifier. Moreover, to build a robust recognizer for each activity, we trained our system using a large amount of data collected from different users, different positions and orientations of smartphone. Through experiments using 6720 examples collected for 6 different indoor activities, our system showed high performance based on its novel design.