• 한국산업정보학회논문지
• /
• 제21권2호
• /
• pp.31-37
• /
• 2016

낙상은 응급상황이 발생한 노인에게는 적절한 시간이 응급처치가 요구되는 주요한 상태이다. 응급상황의 경우, 낙상의 발생과 낙상 방향은 초기 상태의 응급처치를 위한 중요한 정보로 사용될 수 있다. 본 논문에서는 낙상의 발생과 방향을 정확히 판단하는 시스템을 구현하였다. 낙상과 방향을 감지하기 위하여 하나의 3축 자이로도센서(MPU-6050)를 사용하였다. 제안된 낙상 방향 알고리듬은 X와 Y축 가속도값을 사용하여 낙상여부와 앞, 뒤 좌,우 및 중간방향을 포함한 8개 낙상방향을 감지하였다. 제안된 시스템은 선택적인 가속도 임계값을 사용하여 97% 이상의 낙상과 낙상방향을 성공적으로 감지함을 보였다.

• 센서학회지
• /
• 제33권1호
• /
• pp.18-23
• /
• 2024

Humanoid robots, designed to interact in human environments, require stable mobility to ensure safety. When a humanoid robot falls, it causes damage, breakdown, and potential harm to the robot. Therefore, fall detection is critical to preventing the robot from falling. Prevention of falling of a humanoid robot requires an operator controlling a crane. For efficient and safe walking control experiments, a system that can replace a crane operator is needed. To replace such a crane operator, it is essential to detect the falling conditions of humanoid robots. In this study, we propose falling detection methods using Convolution Neural Network (CNN) model. The image data of a humanoid robot are collected from various angles and environments. A large amount of data is collected by dividing video data into frames per second, and data augmentation techniques are used. The effectiveness of the proposed CNN model is verified by the experiments with the humanoid robot MAX-E1.

• Journal of Multimedia Information System
• /
• 제7권4호
• /
• pp.257-262
• /
• 2020

In this paper, a method of detecting the emergency situations such as body fall is proposed by using color images. We detect body areas and key parts of a body through a pre-learned Mask R-CNN in the images captured by a camera. Then we find the centerline of the body through the joint points of both shoulders and feet. Also, we calculate an angle to the center line and then calculate the amount of change in the angle per hour. If the angle change is more than a certain value, then it is decided as a suspected fall. Also, if the suspected fall state persists for more than a certain frame, then it is determined as a fall situation. Simulation results show that the proposed method can detect body fall situation accurately.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1649-1654
• /
• 2021

본 논문에서는 고령자의 낙상상황을 감지할 수 있는 텐서플로우 장단기 메모리 기반 낙상감지 시스템의 정규화에 대하여 소개한다. 낙상감지는 고령자의 몸에 부착한 3축 가속도 센서 데이터를 사용하며, 총 7가지의 행동 패턴들에 대하여 학습하며, 각각 4가지는 일상생활에서 일어나는 패턴이고, 나머지 3가지는 낙상에 대한 패턴이다. 학습시에는 손실함수(loss function)를 효과적으로 줄이기 위하여 정규화 과정을 진행하며, 정규화 과정은 데이터에 대하여 최대최소 정규화, 손실함수에 대하여 L2 정규화 과정을 진행한다. 3축 가속도 센서를 이용하여 구한 다양한 파라미터에 대하여 정규화 과정의 최적의 조건을 제시한다. 낙상 검출율면에서 SVM을 이용하고 정규화 127과 정규화율 λ 0.00015일 때 Sensitivity 98.4%, Specificity 94.8%, Accuracy 96.9%로 가장 좋은 모습을 보였다.

• 인터넷정보학회논문지
• /
• 제10권3호
• /
• pp.17-25
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions, NEWFM)기반의 특징추출기법을 사용하여 낙상을 검출하는 방안을 제안하고 있다. 비중복면적 분산 측정법에 의해 중요도가 가장 낮은 특징입력을 하나씩 제거하면서 최소의 특징입력을 선택하였다. 특징입력으로써 가속도 센서를 통해 입력된 가속도 변화랑을 웨이블릿 변환한 33개의 계수들 중 비중복면적 분산측정법에 의해서 추출된 19개의 계수가 사용되었다. 제안된 방법으로 민감도가 95%, 특이도가 97.25%, 정확도가 96.125%를 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.516-518
• /
• 2022

본 논문에서는 낙상상태를 감지할 수 있는 장단기 메모리(Long Short-Term Memory)를 이용한 낙상감지 시스템에서 은닉층 노드 수 변경에 따른 영향을 소개한다. 3축 가속도 센서를 이용하여 x, y, z축 데이터를 중력 방향과 이루는 각도를 나타내는 파라미터 theta(θ)를 이용하여 훈련을 진행한다. 학습에서는 validation이 진행되어 8:2의 비율로 훈련 데이터와 테스트 데이터로 나뉘며, 효율성을 높이기 위해 은닉층의 노드 수를 변화하며 훈련을 진행한다. 노드 수가 128일 때 Accuracy 99.82%, Specificity 99.58%, Sensitivity 100%로 가장 좋은 정확도를 나타내었다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1226-1274
• /
• 2022

본 논문에서는 산업 재해의 주요 원인인 추락 및 낙상 사고와 가스 누출에 중점을 둔 위험 상황 감지 안전모를 다루었다. 가속도 센서를 이용한 중력 가속도 측정을 통해 추락 상황 범위를 설정하였으며, 그 결과 80%의 추락 및 낙상 감지율을 확인할 수 있었다. 또한 가스 센서를 통해 위험 가스 농도를 측정하여 시리얼 모니터를 통해 188 이상의 디지털 값이 출력될 경우 가스 위험 상황으로 판단하였다, 앱 인벤터 프로그램을 기반으로 제작한 스마트폰 어플을 통해 추락 및 낙상 상황 경고 메시지와 가스 경고 메시지를 확인할 수 있도록 구현하였다.

• 센서학회지
• /
• 제31권2호
• /
• pp.96-101
• /
• 2022

As the elderly population gradually increases, the risk of fatal fall accidents among the elderly is increasing. One way to cope with a fall accident is to determine the fall direction before impact using a wearable inertial measurement unit (IMU). In this context, a previous study proposed a method of classifying fall directions using a support vector machine with sensor velocity, acceleration, and tilt angle as input parameters. However, in this method, the IMU signals are processed through several processes, including a Kalman filter and the integration of acceleration, which involves a large amount of computation and error factors. Therefore, this paper proposes a machine learning-based method that classifies the fall direction before impact using IMU raw signals rather than processed data. In this study, we investigated the effects of the following two factors on the classification performance: (1) the usage of processed/raw signals and (2) the selection of machine learning techniques. First, as a result of comparing the processed/raw signals, the difference in sensitivities between the two methods was within 5%, indicating an equivalent level of classification performance. Second, as a result of comparing six machine learning techniques, K-nearest neighbor and naive Bayes exhibited excellent performance with a sensitivity of 86.0% and 84.1%, respectively.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.265-269
• /
• 2008

Home health care with compact wearable units sounds to be a convenient solution for the elderly people living independently. This paper presents a method to detect fall from the other activities of daily living and also to classify those activities. This kind of ambulatory monitoring enables them to get an emergency help in the case of the fatal fall event and can provide their general health status by observing the activities being performed in daily life. A tri-axial accelerometer sensor is used to get the acceleration anomalies associated with the user's movements. The three axis acceleration data are transferred to the base station sensor node via an IEEE 802.15.4 compliant zigbee module. The base station sensor node sends the data to base station PC for an offline processing. This work shows the feature set preparation using the principal component analysis (PCA) for the designing of neural network. The work includes the most common activities of daily living (ADL) like Rest, Walk and Run along with the detection of fall events from ADL. The angle from the vertical is found to be the most significant feature parameter for classification of fall while mean, standard deviation and FFT coefficients were used as the feature parameter for classifying the other activities under consideration. The accuracy for detection of fall events is 86%. The overall accuracy for ADL and fall is 94%.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.552-554
• /
• 2021

도플러 레이더 센서로 취득한 움직임 데이터를 딥러닝 알고리듬을 사용한 낙상 인식 시스템을 제안한다. 딥러닝 알고리듬중 시계열 데이터에 장점을 가지는 RNN을 사용하여 낙상 인식에 적용한다. 도플러 레이더 센서의 낙상데이터는 시계열 데이터로 시간적인 특성을 가지고 있으며 결과는 낙상인지 아닌지 만을 판단하기 때문에 RNN의 구조를 시퀀스 입력에 고정 크기를 출력하는 구조로 설계하였다.