인공지능 기반의 행동인식을 통한 개인 운동 트레이너 구현의 방향성 제시
Presenting Direction for the Implementation of Personal Movement Trainer through Artificial Intelligence based Behavior Recognition
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
최근 딥러닝을 비롯한 인공지능 기술의 활용이 다양한 분야에서 활발해지고 있으며, 특히 딥러닝 기술 기반의 객체 인식 및 검출에 뛰어난 성능을 보이는 여러 알고리즘들이 발표되고 있다. 이에 본 논문에서는 사용자의 편의성이 효과적으로 반영된 모바일 헬스케어 애플리케이션 구현에 대한 적절한 방향성을 제시하고자 한다. 기존의 피트니스 애플리케이션들에 대한 이용 만족도 연구 및 모바일 헬스케어 애플리케이션에 대한 현황을 파악하여, 이로부터 피트니스 애플리케이션 시장에서의 생존과 우위를 확보하는 동시에, 최근 주목 받고 있는 인공지능 기술의 효과적인 적용에 의한 성능 개선을 통해 기존 이용자 유지 및 확대를 도모하고자 한다.
Abstract
Recently, the use of artificial intelligence technology including deep learning has become active in various fields. In particular, several algorithms showing superior performance in object recognition and detection based on deep learning technology have been presented. In this paper, we propose the proper direction for the implementation of mobile healthcare application that user's convenience is effectively reflected. By effectively analyzing the current state of use satisfaction research for the existing fitness applications and the current status of mobile healthcare applications, we attempt to secure survival and superiority in the fitness application market, and, at the same time, to maintain and expand the existing user base.
참고문헌 (20)
- K. E. Ko, "Trend of Object Recognition and Detection Technology Using Deep Learning", Journal of Control Robotics and Systems, 23(3), pp.17~24 (2017)[DOI]
- Bruno M.C. Silva, "Mobile-health: A review of current state in 2015", Journal of Biomedical Informatics, 56, pp.265~272 (2015), Elsevier BV[DOI]
- Online health Care Service Survey . Research Report, "Embrain Trend Monitor", ~ (2011)
- 이미연, "스마트폰 피트니스 애플리케이션(App)의 서비스 품질이 이용만족, 신뢰, 몰입 및 지속적 이용의도에 미치는 영향", 한국체육학회지, 52(2), pp.379~396 (2013), 한국체육학회
- 최훈, "스마트폰 게임 애플리케이션 환경에서 불확실성 회피성향과 권력거리 문화적 성향에 따른 품질 결정 요인에 대한 연구", 한국콘텐츠학회 논문지, 13(2), pp.62~70 (2013), 한국콘텐츠학회[DOI]
- Zekun Zheng, "모바일 헬스케어 애플리케이션 수용에 관한 연구: UTAUT과 HBM의 통합 모형 적용을 중심으로", 한국정책과학학회보, 19(3), pp.203~236 (2015), 한국정책과학학회
- S. H. Lee, "Mobile Healthcare Application Status and Forecast", Information and Communication Broadcasting Policy, 26(17), pp.1~23 (2014)
- H. I. Ku, "Artificial Intelligence and Deep Running Trends", The world of electricity, 67(7), pp.7~12 (2018)
- Y. LeCun, "Backpropagation Applied to Handwritten Zip Code Recognition", Neural Computation, 1(4), pp.541~551 (1989), MIT Press - Journals[DOI]
- B. Sven, "Hierarchical Neural Networks for Image Interpretation" (2003), Springer
- P. Y. Simard, "Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis", Seventh International Conference on Document Analysis and Recognition, pp.958~962 (2017), IEEE
- Yann LeCun, "Deep learning", Nature, 521(7553), pp.436~444 (2015), Springer Science and Business Media LLC[DOI]
- Y. LeCun, "The Handbook of Brain Theory and Neural Networks" (1995), MIT Press
- Y. J. Kim, "Analysis of image Big Data using Deep Learning", Doctor, pp.2017
- A. Graves, "Speech Recognition with Deep Recurrent Neural Networks", International Conference on Acoustics, Speech and Signal Processing, pp.6645~6649 (2013), IEEE
- S. C. Lee, "Deep Running", Journal of KSNVE, 27(3), pp.19~25 (2017)[DOI]
- M. Linna, "Real-time Human Pose Estimation with Convolutional Neural Networks", Proceedings of the 13th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, pp.335~342 (2018), VISIGRAPP
- V. Ramakrishna, "Pose Machines :Articulated Pose Estimation via Inference Machines", 13th European Conference on Computer Vision, pp.33~47 (2014), ECCV
- M. Andriluka, "2D Human Pose Estimation : New Benchmark and State of The Art Analysis", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognitio, pp.3686~3693 (2014), IEEE
- A. Bulat, "Human Pose Estimation via Convolutional Part Heatmap Regression", 14th European Conference on Computer Vision, pp.717~732 (2016), ECCV