스마트폰 사용자의 행동 종류를 감안한 칼로리 소모량 추정 스마트폰 앱 개발
Development of a Smartphone App for Estimating Caloric Expenditure Considering Smartphone User’s Activity Types
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 들어 건강한 생활에 대한 관심 증가로 일상생활 속에서 소모되는 칼로리를 측정할 수 있는 기술에 대한 관심이 증가하여 칼로리 소모량을 측정하는 앱들이 활발히 개발되고 있다. 그러나 개발된 앱들은 정확 성에서 높은 수준에 이르지 못하고 있다. 이러한 문제점의 주요 원인 중 하나는 신체 행동 종류에 대한 감안 이 부족했기 때문이다. 본 논문에서는 인간 행동 분류 기법을 사용하여 칼로리 소모량을 즉정할 수 있는 방법을 제안한다. 사용자 4명의 여섯 가지 행동을 스마트폰 가속도 센서로부터 데이터를 수집하여 10겹 교차 검증 방법으로 랜덤 포레스트 분류기를 이용하여 실험한 결과, 우수한 분류 정확도를 구하였으며, 이를 사용 하여 칼로리 소모량의 추정치를 구할 수 있는 방법을 제시하였다. 제안한 기법은 이전보다 좀 더 정확한 측 정을 도울 수 있으며, 장기간에 걸친 칼로리 소모 추세를 분석하는데 효과적으로 사용할 수 있을 것으로 판 단된다.
Abstract
In recent years, in order to increase the interest in healthy living there is a growing need for the techniques that can measure the calories consumed in everyday life. As a result, the apps measuring calorie consumption have been actively developed. However, the developed mobile apps have not achieved a high level of accuracy. One of the main causes of these problems is lack of consideration of the types of human activity types. We collected the data from the smartphone’s accelerometer for six types of the activities from four individuals and experimented with the random forest classifier using 10-fold cross validation. We achieved good classification accuracy and proposed a method to obtain the estimated value of caloric expenditure by using it. The proposed technique will help to estimate more accurate than the previous, and would be effectively used to analyze long-term caloric expenditure trends.
참고문헌 (13)
- Juliana Chen, "The Most Popular Smartphone Apps for Weight Loss: A Quality Assessment", JMIR mHealth and uHealth, 3(4), pp.e104~ (2015), JMIR Publications Inc.[DOI]
- Bouchard, C., "A method to assess energy expenditure in children and adults", The American journal of clinical nutrition, 37(3), pp.461~467 (1983)[DOI]
- Caspersen, C. J., "Physical activity, exercise, and physical fitness: definitions and distinctions for health-related research", Public health reports, 100(2), pp.126~ (1985)
- 송윤미, "신체활동량 및 에너지 소비량 추정 방법", 코칭능력개발지, 7(3), pp.159~168 (2005), 한국코칭능력개발원
- Enhad A. Chowdhury, "Assessment of laboratory and daily energy expenditure estimates from consumer multi-sensor physical activity monitors", PLOS ONE, 12(2), pp.e0171720~ (2017), Public Library of Science (PLoS)[DOI]
- Soo-Lim Lee, "Development of a Real-Time Caloric Expenditure Estimation System with Smartphone Sensors", KIIT 2016 Summer Conference, pp.426~427 (2016)
- Liu, K., "A Survey of Human Activity Recognition Using Smartphones", Journal of Residuals Science & Technology, 13(8), pp.385.1~385.10 (2016)
- Anguita, D., "A Public Domain Dataset for Human Activity Recognition using Smartphones", 21th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, pp.437~442 (2013)
- "R: A language and environment for statistical computing"[URL]
- Eibe Frank, "The WEKA Workbench. Online Appendix for "Data Mining: Practical Machine Learning Tools and Techniques", Morgan Kaufmann" (2016)
- S. S. Keerthi, "Improvements to Platt's SMO Algorithm for SVM Classifier Design", Neural Computation, 13(3), pp.637~649 (2001), MIT Press - Journals[DOI]
- Leo Breiman, "Random forests", Machine Learning, 45(1), pp.5~32 (2001), Springer Nature[DOI]
- Dong-Oun Choi, "The Development of u-Momentum Measurement System", Journal of the Korea Entertainment Industry Association, 3(2), pp.29~33 (2009)