• 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.

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.336-342
• /
• 2015

넘어짐은 노인이나 산업현장에서 일하는 사람들에게 심각한 부상을 일으키는 원인이 되기 때문에 센서를 사용하여 넘어짐을 판단하고자 하는 연구가 활발히 진행되고 있다. 최근 들어 스마트폰의 보급이 일반화 되면서 스마트 폰에 내장된 센서를 사용하여 넘어짐을 판단하는 방법이 연구되고 있다. 가속도 센서에서 추출된 가속도벡터의 변화량을 분석하면 넘어짐은 어렵지 않게 판단할 수 있지만, 넘어지는 방향을 판단하기 위해서는 가속도벡터의 크기의 변화나 방향으로의 변화로 판단하기 어렵다. 일반적으로 가속도 벡터의 방향은 물체의 움직임의 방향을 의미하지 않기 때문이다. 한편, 속도 벡터는 물체가 움직이는 방향의 접선방향으로 나타나는 성질을 사용하여 넘어지는 방향을 판단하는 방법을 제안하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.491-500
• /
• 2021

본 연구에서는 MS Kinect v2 RGBD 카메라 기반의 Human-Skeleton Keypoints와 2-Stacked Bi-LSTM 모델을 이용하여 낙상 행위를 탐지하는 방법을 제안한다. 기존의 연구는 RGB 영상에서 OpenPose 등의 딥러닝 모델을 이용하여 골격 정보를 추출한 후 LSTM, GRU 등의 순환신경망 모델을 이용해 인식을 수행하였다. 제안한 방법은 카메라로부터 골격정보를 바로 전달 받아 가속도 및 거리의 2개의 시계열 특징을 추출한 후 2-Stacked Bi-LSTM 모델을 이용하여 낙상 행위를 인식하였다. 어깨, 척추, 골반 등 주요 골격을 대상으로 중심관절을 구하고 이 중심관절의 움직임 가속도와 바닥과의 거리를 특징으로 제안하였다. 추출된 특징은 Stacked LSTM, Bi-LSTM 등의 모델과 성능비교를 수행하였고 GRU, LSTM 등의 기존연구에 비해 향상된 검출 성능을 실험을 통해 증명하였다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.127-133
• /
• 2021

낙상 판단을 위한 최근 발표되는 연구는 RNN(Recurrent Neural Network)을 이용한 낙상 동작 특징 분석과 동작 분류에 집중되어 있다. 웨어러블 센서를 기반으로 한 접근 방식은 높은 탐지율을 제공하나 사용자의 착용 불편으로 보편화 되지 못했고 최근 영상이나 이미지 기반에 딥러닝 접근방식을 이용한 낙상 감지방법이 소개 되었다. 본 논문은 2D RGB 저가 카메라에서 얻은 영상을 PoseNet을 이용해 추출한 인체 골격 키포인트(Keypoints) 정보로 머리와 어깨의 키포인트들의 위치와 위치 변화 가속도를 추정함으로써 낙상 판단의 정확도를 높이기 위한 감지 방법을 연구하였다. 특히 낙상 후 자세 특징 추출을 기반으로 Convolutional Neural Networks 중 Gated Recurrent Unit 기법을 사용하는 비전 기반 낙상 감지 솔루션을 제안한다. 인체 골격 특징 추출을 위해 공개 데이터 세트를 사용하였고, 동작분류 정확도를 높이는 기법으로 코, 좌우 눈 그리고 양쪽 귀를 포함하는 머리와 어깨를 하나의 세그먼트로 하는 특징 추출 방법을 적용해, 세그먼트의 하강 속도와 17개의 인체 골격 키포인트가 구성하는 바운딩 박스(Bounding Box)의 높이 대 폭의 비율을 융합하여 실험을 하였다. 제안한 방법은 기존 원시골격 데이터 사용 기법보다 낙상 탐지에 보다 효과적이며 실험환경에서 약 99.8%의 성공률을 보였다.

• 센서학회지
• /
• 제24권1호
• /
• pp.47-53
• /
• 2015

Fall-related injuries in elderly people are a major health care problem. This paper introduces determination of fall direction before impact using support vector machine (SVM). Once a falling phase is detected, dynamic characteristic parameters measured by the accelerometer and gyroscope and then processed by a Kalman filter are used in the SVM to determine the fall directions, i.e., forward (F), backward (B), rightward (R), and leftward (L). This paper compares the determination sensitivities according to the selected parameters for the SVM (velocities, tilt angles, vs. accelerations) and sensor attachment locations (waist vs. chest) with regards to the binary classification (i.e., F vs. B and R vs. L) and the multi-class classification (i.e., F, B, R, vs. L). Based on the velocity of waist which was superior to other parameters, the SVM in the binary case achieved 100% sensitivities for both F vs. B and R vs. L, while the SVM in the multi-class case achieved the sensitivities of F 93.8%, B 91.3%, R 62.3%, and L 63.6%.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.123-125
• /
• 2022

본 논문에서는 Yolo-pose를 이용하여 장단기 메모리(Long short-term Memory)에 적용하는 시스템을 소개한다. 영상데이터로부터 Yolo-pose를 이용하여 일상생활과 낙상으로 구분된 데이터를 추출하여 LSTM에 적용하여 학습시킨다. 학습은 오버피팅을 방지하기 위하여 8대2의 Validation을 진행하며 Confusion matrix로 나타낸다. Yolo-pose의 결과값은 sensitivity와 specificity 모두 100%를 기록하여 일상생활과 낙상을 잘 구분하는 것을 확인 하였다.

• 해양환경안전학회지
• /
• 제26권6호
• /
• pp.601-605
• /
• 2020

선박은 크고, 복잡한 구조로 되어 있기 때문에 다른 작업자의 위치를 알아내기 어려우며, 특히 작업자가 쓰러진 경우에는 발견하기가 쉽지 않아 신속한 대처가 어렵다. 그리하여, 신체에 디바이스를 부착하는 방법이나 카메라를 이용하여 쓰러짐을 검출하기 위한 연구가 진행되고 있다. 기존의 영상기반 쓰러짐 검출은 사람의 신체부위를 검출하여 쓰러짐을 판단하였으나, 조선소에서는 다양한 복장과 자세로 작업으로 인해 검출하기가 어렵다. 본 논문에서는 쓰러짐 영역 전체를 추출하여 딥러닝 학습으로 선박 작업자의 쓰러짐을 이미지 기반으로 검출하였다. 학습에 필요한 데이터는 조선소의 건조중인 선박에서 쓰러진 모습을 연출하여 획득하였으며, 이미지를 좌우대칭, 크기조절, 회전하여 학습 데이터의 수를 증가하였다. 성능평가는 정밀도, 재현율, 정확도 그리고 오차율로 평가하였으며, 데이터의 수가 많을수록 정밀도가 향상되었다. 다양한 데이터를 보강하면 카메라를 이용한 쓰러짐 검출 모델의 실효성이 향상됨으로서 안전 분야에 기여할 수 있을 것으로 사료된다.

• Pediatric Infection and Vaccine
• /
• 제21권1호
• /
• pp.22-28
• /
• 2014

목적: 임상적으로 중증 세균성 감염과 바이러스성 질환의 감별이 어려운 어린 영아에서 호흡기 바이러스를 검출하고 이것과 연관된 임상적 위험인자를 분석하였다. 방법: 2011년 9월부터 2012년 8월까지 생후 90일 이하 영아 중 패혈증을 포함한 감염성 질환이 의심된 227명을 대상으로 비인두 검체를 채취하였으며 임상적 특성에 대한 후향적 연구를 시행하였다. 채취한 검체 내 호흡기 바이러스의 검출은 real-time PCR 검사를 통해 측정되었다. 결과: 총 157명(69.2%)의 영아에서 한 가지 이상의 호흡기 바이러스가 검출되었다. 빈도는 RSV (75명), RV (42명), influenza virus (18명), parainfluenza virus (15명), human metapneumovirus (9명), coronavirus (9명), adenovirus (4명), bocavirus (3명) 순이었다. 이 중 24명(10.6%)에서 세균성 감염을 진단하였다. 기침, 호흡기 질환의 가족력이 있는 경우 혹은 가을/겨울 철에 호흡기 바이러스가 의미있게 높은 빈도로 검출되었으며 로지스틱 회귀분석에서도 같은 경향을 확인하였다. 가을과 겨울에는 세균성 감염 환자보다 그렇지 않은 환자에서 호흡기 바이러스 검출이 유의하게 많은 것을 알 수 있었다. 결론: 호흡기 바이러스는 감염성 질환이 의심되어 입원한 어린 영아의 중요한 병원체이며 그 검출률은 호흡기 증상, 가을/겨울철 발생, 호흡기 증상의 가족력이 있는 환자에서 유의하게 높았다.

• 인터넷정보학회논문지
• /
• 제13권4호
• /
• pp.23-31
• /
• 2012

인간의 동작 인식은 건강관리, 상황기반 응용 등 실제적인 삶의 여러 부분에서 이용할 수 있기 때문에 중요한 주제이다. 건강관리를 위한 조언을 제공하는데 사용될 수 있기 때문에 동작인식 중 일상생활 동작인식이 주로 연구되고 있다. 특별히 넘어짐은 심장문제로 발생할 수 있기 때문에 넘어짐 인식은 독거 노인의 건강한 삶에 중요한 역할을 할 수 있다. 넘어짐 인식은 여전히 어려운 연구과제이다. 넘어짐 인식을 위해 몸에 여러 종류의 센서를 부착하는 시스템이 제안되었지만 이는 사용자가 센서를 부착하는 것을 잊어버리거나 이런 시스템에 익숙하지 않기 때문에 유용성에 문제가 있다. 본 연구에서는 사용자가 휴대하고 있는 스마트 폰 내의 가속도 및 자이로센서 값의 변화를 분석하여 알려진 넘어짐 패턴과 유사성을 분석하여 넘어짐을 판단하는 방법을 제안한다. 이 연구를 위해 5명의 자원자를 모집하여 다양한 종류의 넘어짐을 실험하였다. 실험결과는 본 연구를 통해서 넘어짐 인식을 위한 제안한 방식이 유효하다는 것을 보여준다. 실험 알고리즘은 많이 사용되고 있는 G1 스마트 폰 위에 구현하였다.

• ETRI Journal
• /
• 제44권4호
• /
• pp.654-671
• /
• 2022

Accidental falls frequently occur during activities of daily living. Although many studies have proposed various accident detection methods, no high-performance accident detection system is available. In this study, we propose a method for integrating data and accident detection algorithms presented in existing studies, collect new data (from two stunt performers and 15 people over age 60) using a developed wearable device, demonstrate new features and related accident detection algorithms, and analyze the performance of the proposed method against existing methods. Comparative analysis results show that the newly defined features extracted reflect more important risk factors than those used in existing studies. Further, although the traditional algorithms applied to integrated data achieved an accuracy (AC) of 79.5% and a false positive rate (FPR) of 19.4%, the proposed accident detection algorithms achieved 97.8% AC and 2.9% FPR. The high AC and low FPR for accidental falls indicate that the proposed method exhibits a considerable advancement toward developing a commercial accident detection system.