• KSII Transactions on Internet and Information Systems (TIIS)
• /
• v.8 no.6
• /
• pp.2070-2086
• /
• 2014

As a kind of personal lifelog data, activity data have been considered as one of the most compelling information to understand the user's habits and to calibrate diagnoses. In this paper, we proposed a robust algorithm to sampling rates for human activity recognition, which identifies a user's activity using accelerations from a triaxial accelerometer in a smartphone. Although a high sampling rate is required for high accuracy, it is not desirable for actual smartphone usage, battery consumption, or storage occupancy. Activity recognitions with well-known algorithms, including MLP, C4.5, or SVM, suffer from a loss of accuracy when a sampling rate of accelerometers decreases. Thus, we start from particle swarm optimization (PSO), which has relatively better tolerance to declines in sampling rates, and we propose PSO with an adaptive boundary correction (ABC) approach. PSO with ABC is tolerant of various sampling rate in that it identifies all data by adjusting the classification boundaries of each activity. The experimental results show that PSO with ABC has better tolerance to changes of sampling rates of an accelerometer than PSO without ABC and other methods. In particular, PSO with ABC is 6%, 25%, and 35% better than PSO without ABC for sitting, standing, and walking, respectively, at a sampling period of 32 seconds. PSO with ABC is the only algorithm that guarantees at least 80% accuracy for every activity at a sampling period of smaller than or equal to 8 seconds.

• Broadcasting and Media Magazine
• /
• v.22 no.1
• /
• pp.35-46
• /
• 2017

글로벌 라이프로그 미디어 클라우드 서비스를 위하여 네트워크 기술, 클라우드 기술 멀티미디어 App 기술 및 하이라이팅 엔진 기술이 요구된다. 본 논문에서는 미디어 클라우드 서비스를 위한 개발 기술 및 서비스 기술 개발 결과를 보였다. 하이라이팅 엔진은 표정인식기술, 이미지 분류기술, 주목도 지도 생성기술, 모션 분석기술, 동영상 분석 기술, 얼굴 인식 기술 및 오디오 분석기술 등을 포함하고 있다. 표정인식 기술로는 Alexnet을 최적화하여 Alexnet 대비 1.82% 우수한 인식 성능을 보였으며 처리속도면에서 28배 빠른 결과를 보였다. 행동 인식 기술에 있어서는 기존 2D CNN 및 LSTM에 기반한 인식 방법에 비하여 제안하는 3D CNN 기법이 0.8% 향상된 결과를 보였다. (주)판도라티비는 클라우드 기반 라이프로그 동영상 생성 서비스를 개발하여 현재 테스트 서비스를 진행하고 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.7-10
• /
• 2012

본 논문에서는 스마트폰을 이용하여 도로 주행 정보를 기록하고 운전자에게 패턴 별 주행정보를 제공하는 라이프로그(Lifelog) 형태의 서비스에 목적을 두고 있다. 운전자의 도로 주행 데이터를 데이터베이스화한 이 정보는 다양하게 이용될 수 있다. 주행 패턴 인식은 이벤트 구간 검출 과정을 통한 패턴 구간을 검출하고 가속도 센서와 방향 센서, 즉 멀티 센서 기반으로 주행패턴을 인식한다. 주행 패턴을 분석 후 시간 정보를 이용하여 촬영된 영상 데이터에서의 패턴 구간 영상을 같이 제공한다. 이렇게 패턴 구간의 센서 스트리밍 정보와 영상을 제공하면 운전자의 운전 성향 및 주행 기록을 분석하는데 이용될 수 있다. 따라서 주행패턴 인식 알고리즘을 프로토타입으로 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1390-1392
• /
• 2015

최근 다양한 웨어러블 기기의 등장으로 인해, 이종의 라이프로그 정보로부터 개인별 맞춤형 건강관리 서비스를 제공할 수 있는 분석 솔루션의 중요성이 대두되고 있다. 본 연구에서는 이기종의 웨어러블 기기를 통해 수집된 라이프로그 정보를 근간으로 개인의 건강상태를 모니터링하고 분석할 수 있는 웰니스 인포메틱스엔진에 대한 프레임워크를 소개한다. 또한 개발된 인포메틱스엔진의 효과성은 실증시범서비스 기간 동안에 수집된 다양한 라이프로그 정보를 활용하여, 2가지 벤치마크 방법들과의 예측능력을 비교함으로써 그 효과성을 제시한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.205-206
• /
• 2020

노년기를 더욱 의미 있고 창조적으로 보낼 수 있도록 돕는 교육의 필요성이 제기되면서 노년층의 평생교육의 중요성이 강조되고 있다. 평균수명의 연장은 노인의 삶의 질에 대한 사회적 관심을 촉발시켰고 특히, 문화예술관련 평생교육은 노인의 감수성과 삶의 질을 향상시킬 수 있다는 점에서 중요하다. 평생교육은 우리나라에서 2000년 3월부터 시행하였다. 본 연구는 노년층의 문화예술 평생교육기관 만족도에 미치는 영향을 파악하고자 한다. 노년층의 문화예술 평생교육기관의 교육서비스 품질, 행정서비스 품질, 환경 품질 요인에 따라서 이용자들의 만족도에 어떠한 영향을 미치는지 확인하고자 한다. 이러한 연구를 통하여 고령화 사회에서 평생교육이 노인문제해결에 요한 분야가 될 수 있다는 데에 의미를 부여하고 노인평생교육에 한 인식과 질 제고를 한 정책시사를 제공하고자 한다

• KIISE Transactions on Computing Practices
• /
• v.21 no.2
• /
• pp.154-159
• /
• 2015

Over the past few years, user needs in the smartphone application market have been shifted from diversity toward intelligence. Here, we propose a novel cognitive agent that plans the daily routines of users using the lifelog data collected by the smart phones of individuals. The proposed method first employs DPGMM (Dirichlet Process Gaussian Mixture Model) to automatically extract the users' POI (Point of Interest) from the lifelog data. After extraction, the POI and other meaningful features such as GPS, the user's activity label extracted from the log data is then used to learn the patterns of the user's daily routine by POMDP (Partially Observable Markov Decision Process). To determine the significant patterns within the user's time dependent patterns, collaboration was made with the SNS application Foursquare to record the locations visited by the user and the activities that the user had performed. The method was evaluated by predicting the daily routine of seven users with 3300 feedback data. Experimental results showed that daily routine scheduling can be established after seven days of lifelogged data and feedback data have been collected, demonstrating the potential of the new method of place-time-activity coupled daily routine planning systems in the intelligence application market.

• Information Systems Review
• /
• v.26 no.2
• /
• pp.137-153
• /
• 2024

This study aimed to propose early diagnosis and management of dementia, which is increasing in aging societies, and suggest commercial utilization strategies by leveraging digital healthcare technologies, particularly lifelog data collected from wearable devices. By introducing new approaches to dementia prevention and management, this study sought to contribute to the field of dementia prediction and prevention. The research utilized 12,184 pieces of lifelog information (sleep and activity data) and dementia diagnosis data collected from 174 individuals aged between 60 and 80, based on medical pathological diagnoses. During the research process, a multidimensional dataset including sleep and activity data was standardized, and various machine learning algorithms were analyzed, with the random forest model showing the highest ROC-AUC score, indicating superior performance. Furthermore, an ablation test was conducted to evaluate the impact of excluding variables related to sleep and activity on the model's predictive power, confirming that regular sleep and activity have a significant influence on dementia prevention. Lastly, by exploring the potential for commercial utilization strategies of the developed model, the study proposed new directions for the commercial spread of dementia prevention systems.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.84-89
• /
• 2010

최근 스마트폰의 성능이 향상되고 다양한 기능이 추가됨에 따라 기록되는 라이프로그 정보가 급격히 증가하고 있다. 이에 따라 라이프로그를 체계적으로 저장하고 검색하는 일이 중요해지고 있다. 사용자 컨텍스트는 라이프로그 검색의 정확도를 높이기 위한 중요한 요소 중 하나로 논의되어 왔다. 따라서 이를 자동으로 추출하고, 라이프로그의 태깅에 활용하려는 많은 연구가 시도되었다. 그러나 많은 기존 연구들은 컨텍스트를 추출하기 위해 사용자 주변에 센서가 설치되어 있는 환경을 가정하였는데, 이러한 환경은 비용 등의 문제로 일부 제한된 영역에서만 적용 가능하기 때문에, 광범위한 지역에서 사용자의 컨텍스트를 추출할 수 없다는 문제점이 있었다. 본 연구에서는 외부 센서들이 설치된 환경을 가정하지 않고, 스마트폰에 장착된 센서만을 활용하여 사용자의 컨텍스트를 찾아내고, 이를 라이프로그 자동 태깅에 적극 활용하는 방법에 대해 제안한다. 특히 본 연구에서는 기존의 포괄적인 컨텍스트의 정의를 일정 시간 간격동안 지속되는 사용자의 상황으로 한정지어 재정의하고, 이를 라이프로그 태깅에 활용하는 방법에 대해서 논의한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.236-237
• /
• 2018

최근 생활습관정보는 대사증후군을 진단하기 위한 임상적 진단지표로 중요하게 활용되고 있다. 대사증후군은 심혈관 및 간질환 그리고 당뇨와 같은 여러 합병증을 유발할 수 있는 질환으로 질환 정도에 따른 체계적 관리가 필요하다. 그러나 대사증후군 환자의 생활습관을 수집하기 위한 대부분의 시스템은 자가진단 및 예방 중심의 시스템으로 구성되어 있어 정확한 생활습관을 수집하여 생활습관을 관리하기에는 어려움이 있다. 본 논문에서 제안하는 시스템은 임상적 진단지표에 도움이 될 수 있도록 신뢰성 있는 생활습관 정보를 수집하기 위한 방법을 제시하고 수집된 생활습관정보를 모니터링 하여 환자의 생활습관 개선 여부에 따라 지속적인 피드백을 제공하여 체계적으로 생활습관을 관리할 수 있는 시스템을 제안하고자 한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.498-500
• /
• 2022

CCTV protects people and assets safely by identifying dangerous situations and responding promptly. However, it is difficult to continuously monitor the increasing number of CCTV images. For this reason, there is a need for a device that continuously monitors CCTV images and notifies when abnormal behavior occurs. Recently, many studies using artificial intelligence models for image data analysis have been conducted. This study simultaneously learns spatial and temporal characteristic information between image data to classify various abnormal behaviors that can be observed in CCTV images. As an artificial intelligence model used for learning, we propose a multi-classification deep learning model that combines an end-to-end 3D convolutional neural network(CNN) and ResNet.