IR-UWB 레이더와 머신러닝을 활용한 인원계수와 위치인식
Counting and Localizing Occupants using IR-UWB Radar and Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
사람이나 사물 등의 위치를 알아낼 수 있는 측위기술은 사람의 유동량 측정, 보안, 인원 구조 등다양한 환경에서 요구되고 사용될 수 있다. 측위를 위해 카메라와 같은 시각 센서기술을 사용하기도하지만 이는 빛, 온도 등 주변 환경에 민감하며 사생활 노출 문제가 발생할 수 있다. 본 논문에서는앞서 말한 문제들이 없는 초광대역 (UWB, ultra wideband) 레이더 기술과 머신러닝을 이용하여 벽 뒤다른 실내공간에 있는 점유자의 수와 위치를 인식하는 연구를 수행하였다. 네 가지 상황 (강의실 내몇 명이 있는지, 28가지의 위치를 정하고 어느 위치에 있는지, 28가지의 위치 중 한 위치에서 더 세부적인 16가지 위치 중 어느 위치에 있는지, 두 명이 동시에 있는 상황에서 어느 위치에 있는지)에대해 극단적 랜덤 트리 등 네 가지 알고리즘 별로 모델을 생성하고 그 결과를 비교하였다. 전체적으로 네 가지 알고리즘 모두 좋은 결과를 보여주었으며 머신러닝을 이용해 위치인식 및 위치측정이 가능함을 검증하였다. 또한 oneM2M 표준 플랫폼을 활용하여 서비스 확장 가능성을 고려하였으며 이기술을 여러 분야에서 활용한다면 더욱 많은 서비스나 제품을 창출할 수 있을 것으로 기대한다.
Abstract
Localization systems can be used with various circumstances like measuring population movement and rescue technology, even in security technology (like infiltration detection system). Vision sensors such as camera often used for localization is susceptible with light and temperature, and can cause invasion of privacy. In this paper, we used ultra-wideband radar technology (which is not limited by aforementioned problems) and machine learning techniques to measure the number and location of occupants in other indoor spaces behind the wall. We used four different algorithms and compared their results, including extremely randomized tree for four different situations; detect the number of occupants in a classroom, split the classroom into 28 locations and check the position of occupant, select one out of the 28 locations, divide it into 16 fine-grained locations, and check the position of occupant, and checking the positions of two occupants (existing in different locations). Overall, four algorithms showed good results and we verified that detecting the number and location of occupants are possible with high accuracy using machine learning. Also we have considered the possibility of service expansion using the oneM2M standard platform and expect to develop more service and products if this technology is used in various fields.
참고문헌 (12)
- 박찬, "CNN-LSTM 기반 위치 측위를 이용한 영상 내 비승인자 추적 시스템", 한국컴퓨터정보학회논문지, 26(12), pp.77~84 (2021), 한국컴퓨터정보학회[DOI]
- 오승훈, "위치 측위 향상을 위한 KNN과 Local Map Classification 및 Bayes Filter를 사용한 실내 위치 인식 시스템", 한국컴퓨터정보학회논문지, 26(6), pp.29~35 (2021), 한국컴퓨터정보학회[DOI]
- S. S. Saab, "A Standalone RFID Indoor Positioning System Using Passive Tags", IEEE Transactions on Industrial Electronics, 58(5), pp.1961~1970 (2011)[DOI]
- M. Werner, "Indoor positioning using smartphone camera", 2011 International Conference on Indoor Positioning and Indoor Navigation, pp.1~6 (2011)
- Feldmann, Silke, "An Indoor Bluetooth-Based Positioning System: Concept, Implementation and Experimental Evaluation", International Conference on Wireless Networks, 272 (2003)
- P. Dabove, "Indoor positioning using Ultra-wide band (UWB) technologies:Positioning accuracies and sensors' performances", IEEE, 2018, 175~184
- A. Fujii, "Impulse Radio UWB Positioning System", 2007IEEE Radio and Wireless Symposium, pp.55~58 (2007)
- J. Li, "Through-Wall Detection of Human Being's Movement by UWB Radar", IEEE Geoscience and Remote Sensing Letters, 9(6), pp.1079~1083 (2012)[DOI]
- A. G. Yarovoy, "UWB radar for human being detection", IEEE Aerospace and Electronic Systems Magazine, 21(3), pp.10~14 (2006)[DOI]
- J. W. Choi, "People Counting Based on an IR-UWB Radar Sensor", IEEE Sensors Journal, 17(17), pp.5717~5727 (2017)[DOI]
- X. Yang, "People counting based on CNN using IR-UWB radar", 2017 IEEE, 2017, 1~5
- F. Khan, "An IR-UWB Multi-Sensor Approach for Collision Avoidance in Indoor Environments", IEEE Transactions on Instrumentation and Measurement, 71, pp.1~13 (2022)[DOI]