1D CNN과 기계 학습을 사용한 낙상 검출
1D CNN and Machine Learning Methods for Fall Detection
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 고령자를 위한 개별 웨어러블(Wearable) 기기를 이용한 낙상 감지에 대해 논한다. 신뢰할 수 있는 낙상 감지를 위한 저비용웨어러블 기기를 설계하기 위해서 대표적인 두 가지 모델을 종합적으로 분석하여 제시한다. 기계 학습 모델인 의사결정 나무(Decision Tree), 랜덤포래스트(Random Forest), SVM(Support Vector Machine)과 심층 학습 모델인 일차원(One-Dimensional) 합성곱 신경망(Convolutional NeuralNetwork)을 사용하여 낙상 감지 학습 능력을 정량화하였다. 또한 입력 데이터에 적용하기 위한 데이터 분할, 전처리, 특징 추출 방법 등을 고려하여검토된 모델의 유효성을 평가한다. 실험 결과는 전반적인 성능 향상을 보여주며 심층학습 모델의 유효성을 검증한다.
Abstract
In this paper, fall detection using individual wearable devices for older people is considered. To design a low-cost wearable devicefor reliable fall detection, we present a comprehensive analysis of two representative models. One is a machine learning model composedof a decision tree, random forest, and Support Vector Machine(SVM). The other is a deep learning model relying on a one-dimensional(1D)Convolutional Neural Network(CNN). By considering data segmentation, preprocessing, and feature extraction methods applied to theinput data, we also evaluate the considered models’ validity. Simulation results verify the efficacy of the deep learning model showingimproved overall performance.
참고문헌 (12)
- D. Yachhirema, "Fall detection system for elderly people using IoT and big data", Procedia Computer Science, 130, pp.603~610 (2018)
- 2017 Survey of the Elderly, "Ministry of Health and Welfare", ~ (2017)
- S. R. Lord, "Falls in Older People: Risk Factors and Strategies for Prevention" (2007), Cambridge Univ. Press
- 황세현, "오픈소스 하드웨어와 RGB 카메라를 이용한 낙상 검출 시스템", 한국정보기술학회논문지, 14(4), pp.19~24 (2016), 한국정보기술학회[DOI]
- Serdaroglu Werkan, "Video Based Fall Down Detection with Deep Learning", Institute of Control, Robotics and Systems, 2018(5), pp.273~274 (2018)
- 김대언, "열화상 카메라를 이용한 3D 컨볼루션 신경망 기반 낙상 인식", 로봇학회 논문지, 13(1), pp.45~54 (2018), 한국로봇학회[DOI]
- Seon-Gi Kim, "Implementation of falldown detection algorithm based on Image Processing", Journal of Satellite, Information and Communications, 12(2), pp.56~60 (2017)
- 김동완, "바닥 진동을 통한 노인 낙상 검출", 전기전자학회논문지, 18(1), pp.134~139 (2014), 한국전기전자학회[DOI]
- S. J. Ahn, "The evaluation of pre-impact fall detection algorithm using public dataset", Rehabilitation Engineering And Assistive Technology Society of Korea, pp.192~193 (2018)
- G. Vavoulas, "Artificial intelligence:Concepts, methodologies, tools, and applications", pp.1218~1231 (2017), IGIGlobal
- R. M. Gibson, "Multiplecomparator classifier framework for accelerometer-based fall detection and diagnostic", Applied Soft Computing, 39, pp.94~103 (2016)
- Banos, O., "Window size impact in human activity recognition", Sensors, 14(4), pp.6474~6499 (2014)