독거노인 응급 상황 탐지를 위한 멀티모달 데이터 활용 연구
Research on the Use of Multimodal Data for Detecting Emergency Situations Involving Elderly People Living Alone
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 고령화 사회에서 독거노인의 안전을 효과적으로 모니터링하기 위해 멀티모달 이상탐지 모델을 개발하고, 단일 모달과의 성능을 비교,분석하였다. 실험에 사용된 데이터는 AI 허브에서 제공하는 독거노인 돌봄용 위험 감지 데이터셋으로 그 중에서도 생체신호, 응급요청, 적외선 이미지의세 가지 센서 모달리티를 사용하였다. 생체신호 데이터는 1D-CNN 모델을 통해 가장 우수한 성능(정확도 99.74%, F1-Score 0.9975)을 보였으며,응급요청 데이터는 LSTM 모델에서 최고 성능(정확도 99.99%, F1-Score 0.9750)을 기록하였다. 적외선 이미지 단독 모델의 성능(정확도 88.01%,F1-Score 0.8668)은 다른 모델에 비해 비교적 낮았으나, 멀티모달 얼리 퓨전 모델을 적용한 결과, 적외선 이미지 기반 이상 탐지 성능이 크게향상됨을 확인하였다(정확도 94.52%, F1-Score 0.9475). 본 실험은 멀티모달 융합이 단일 센서의 한계를 효과적으로 보완하며, 특히 이미지 데이터의탐지 성능을 향상시키는 데 기여함을 실험적으로 입증하였다.
Abstract
This study developed a multimodal anomaly detection model to monitor the safety of elderly people living alone in an ageing society,and compared and analysed its performance with that of a single modality model. The data used in the experiment was a risk detectiondataset for elderly care provided by AI Hub, which included three sensor modalities: biosignals, emergency requests, and infrared images. The 1D-CNN model showed the best performance (accuracy 99.74%, F1-score 0.9975) for biosignal data, while the LSTM model recordedthe highest performance (accuracy 99.99%, F1-score 0.9750) for emergency request data. The performance of the infrared image-onlymodel (accuracy 88.01%, F1-score 0.8668) was relatively low compared to other models, but the application of the multimodal early fusionmodel significantly improved the anomaly detection performance based on infrared images (accuracy 94.52%, F1-score 0.9475). Thisexperiment experimentally demonstrated that multimodal fusion effectively compensates for the limitations of a single sensor andcontributes to improving the detection performance of image data.