• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권3호
• /
• pp.289-300
• /
• 2010

최근 휴대폰, 스마트폰, PDA와 같은 모바일 기기로 위치, 전화기록, SMS, 사진, 동영상 등 사용자에 관한 다양한 정보를 지속적으로 수집할 수 있게 되었다. 이에 모바일 기기로부터 수집된 정보를 토대로 개인의 일상을 검색 및 요약하는 서비스에 대한 연구가 활발하다. 본 논문에서는 이전 연구에서 개발된 라이프 브라우저를 소개하고, 이전 연구에서 확장된 내용으로 LPS 서버와 GPS 위치 보정을 추가로 설명하며, LPS 성능 평가 및 키워드 확장 검색에 대한 평가 실험 결과를 보인다. 라이프 브라우저는 모바일 기기에서 수집된 개인 정보를 효과적으로 검색할 수 있도록 해주고, 개념 네트워크를 이용하여 일반 상식으로부터 단편적인 키워드에 관련된 정보를 검색하는 기능을 지원한다. 사전 지식을 통해 설계된 베이지안 네트워크를 이용하여 확률적으로 연관성이 있는 장소를 검색할 수 있는 기능도 지원한다 실험에서는 실제 사용자를 대상으로 수집한 정보를 라이프 브라우저를 통해 시각화 하였으며, LPS 서버를 사용할 경우에 더 정확한 결과를 보일 수 있다는 점과 사용자 질의어의 개념을 개념 네트워크와 베이지안 네트워크로 확장하여 검색한 경우 더 유용한 결과를 보임을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제44권2호
• /
• pp.147-156
• /
• 2023

Efforts to employ smart home sensors to monitor the indoor activities of elderly single residents have been made to assess the feasibility of a safe and healthy lifestyle. However, the bathroom remains an area of blind spot. In this study, we have developed and evaluated a new edge computer device that can automatically detect water usage activities in the bathroom and record the activity log on a cloud server. Three kinds of sound as flushing, showering, and washing using wash basin generated during water usage were recorded and cut into 1-second scenes. These sound clips were then converted into a 2-dimensional image using MEL-spectrogram. Sound data augmentation techniques were adopted to obtain better learning effect from smaller number of data sets. These techniques, some of which are applied in time domain and others in frequency domain, increased the number of training data set by 30 times. A deep learning model, called CRNN, combining Convolutional Neural Network and Recurrent Neural Network was employed. The edge device was implemented using Raspberry Pi 4 and was equipped with a condenser microphone and amplifier to run the pre-trained model in real-time. The detected activities were recorded as text-based activity logs on a Firebase server. Performance was evaluated in two bathrooms for the three water usage activities, resulting in an accuracy of 96.1% and 88.2%, and F1 Score of 96.1% and 87.8%, respectively. Most of the classification errors were observed in the water sound from washing. In conclusion, this system demonstrates the potential for use in recording the activities as a lifelog of elderly single residents to a cloud server over the long-term.