개선된 Google Activity Recognition을 이용한 상황인지 모델
Context Awareness Model using the Improved Google Activity Recognition
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
사용자의 상황에 따라 유용한 정보를 제공할 수 있는 행위인식 기술은 최근 많은 주목을 받고 있다. 스마트폰이 보급되기 전 행위인식연구에서는 독립된 센서를 사용하여 사용자의 행위를 추론해야 했지만, 현재는 IT산업의 발달로 스마트폰의 내부 센서를 사용해 사용자의행위를 추론할 수 있게 되었다. 따라서 행위인식 분야의 연구가 더욱 활발히 진행되고 있다. 행위인식 기술을 응용하면 사용자의 선호도에따라 애플리케이션을 추천하거나 경로 정보를 제공하는 서비스 등을 개발할 수 있다. 기존의 행위인식 시스템들은 GPS를 이용하기 때문에전력을 많이 소모한다는 단점이 있다. 반면에 최근 Google에서 발표한 행위인식(Google Activity Recognition) 시스템은 Network Provider 를 이용하기 때문에 GPS 방식에 비해 전력소모가 적어 휴대해야 하는 스마트폰 응용 시스템에 적합하다. 하지만 Google Activity Recognition의 성능을 테스트한 결과 불필요한 행위 항목과 일부 잘못된 상황인지로 인해 정확한 사용자 행위를 파악하기 어렵다는 것을발견했다. 행위인식 기술을 기반으로 한 새로운 서비스 개발을 위해 더욱 정확한 상황인지가 필요하므로 본 논문에서는 GAR의 문제점을기술하고 정확도를 높이는 개선 방법을 적용한 AGAR(Advanced Google Activity Recognition)을 제안한다. 또한 AGAR의 이용가치를 평가하기 위하여 다른 여러 행위인식 시스템과 성능과 전력소모량을 비교분석하고 AGAR을 검증하는 예시 프로그램을 개발하여 응용 가능성을 설명한다.
Abstract
Activity recognition technology is gaining attention because it can provide useful information follow user’s situation. In research of activity recognition before smartphone’s dissemination, we had to infer user’s activity by using independent sensor. But now, with development of IT industry, we can infer user’s activity by using inner sensor of smartphone. So, more animated research of activity recognition is being implemented now. By applying activity recognition system, we can develop service like recommending application according to user’s preference or providing information of route. Some previous activity recognition systems have a defect using up too much energy, because they use GPS sensor. On the other hand, activity recognition system which Google released recently (Google Activity Recognition) needs only a few power because it use ‘Network Provider’ instead of GPS. Thus it is suitable to smartphone application system. But through a result from testing performance of Google Activity Recognition, we found that is difficult to getting user’s exact activity because of unnecessary activity element and some wrong recognition. So, in this paper, we describe problems of Google Activity Recognition and propose AGAR(Advanced Google Activity Recognition) applied method to improve accuracy level because we need more exact activity recognition for new service based on activity recognition. Also to appraise value of AGAR, we compare performance of other activity recognition systems and ours and explain an applied possibility of AGAR by developing exemplary program.
참고문헌 (13)
- 정찬민, "Movement Activitiy Recognition using Accelerometer and GPS in a Smartphone", 석사
- "Google Activity Recognition"[URL]
- N. Kern, "Multi-Sensor Activity Context Detection for WearableComputing", Ambient Intelligence Lecture Notes in Computer Science, 2875, pp.220~232 (2003)
- A. Krause, "Unsupervised, Dynamic Identification of Physiological and Activity Context in Wearable Computing", Proceedings Seventh IEEE International Symposium, pp.88~97 (2005)
- C. Zhu, "Multi-sensor fusion for human daily activity recognition in robot-assisted living", 4th ACM, 2009, 303~304
- 배은준, "스마트폰 후반전 세그멘테이션과 사업모델이 승부 가른다", LG Business Insight, 2~25 (2013)
- 백승은, "Accuracy Improvement Plan of Google Activity Recognition for User Activity Recognition", Korean Institute of Information Scientist and Engineers, 2014 Korea Computer Congress, pp.1770~1772 (2014)
- 전명중, "모바일 센서 기반 사용자 행위 인지", 석사, 컴퓨터학과, pp.2013
- 남윤영, "이미지 센서와 3축 가속도 센서를 이용한 인간 행동 인식", 인터넷정보학회논문지, 11(1), pp.129~141 (2010), 한국인터넷정보학회
- 이계환, "상황인지 휴대폰을 위한 음성 코딩 파라미터를 이용한 환경인식 알고리즘", Telecommunications Review, 18(1), pp.139~149 (2008), SK텔레콤
- Jennifer R, "Activity Recognition using Cell Phone Accelerometers", ACM SIGKDO Explorations Newsletter, 12(2), pp.74~82 (2010)
- Zhi Zeng, "Adaptive Context Recognition Based on Audio Signal", 19th International Conference on Pattern Recognition, pp.1~4 (2008)
- 정성수, "Low Frequency Noise", 표준과 표준화 연구, 1(1), pp.43~51 (2011)