낙상 탐지의 실용적 접근: 저사양 하드웨어를 위한 경량 AI
A Practical Approach to Fall Detection: Lightweight AI for Low-Cost Implementation
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 저사양 하드웨어 환경에서도 효율적으로 동작할 수 있는 경량 AI 기반 낙상 탐지 시스템을 개발하고 이를 제안한다. 기존의 낙상 탐지 연구는 주로 고성능 GPU 환경에 의존하거나탐지 정확도에만 중점을 두어 처리 속도와 하드웨어 제약 문제를 충분히 고려하지 못했다. 이에본 연구에서는 GPU에서 자유로운 미디어파이프와 데이터 분석기반의 머신러닝 모델을 활용하여, 낮은 연산 자원을 요구하면서도 신속하고 정확한 낙상 탐지가 가능한 시스템을 제안하였다. 제안된 시스템은 병원, 요양원 등 다양한 실내 환경에 설치되어 낙상 사고를 실시간으로 탐지하고, 관리자에게 즉시 알림을 전송함으로써 골든타임 내 대응이 가능하도록 한다. 실험 결과, 제안된 모델은 GPU를 사용하는 모델과 비교하여 학습 및 추론 속도에서 우위를 보였으며, 탐지 성능 측면에서도 경쟁력 있는 결과를 나타냈다. 이러한 연구는 고비용 하드웨어 의존성을 줄이고 실제 환경에서의 실용성을 극대화한 낙상 탐지 시스템의 새로운 가능성을 제시한다.
Abstract
This paper proposes the development of a lightweight AI-based fall detection system that can operate efficiently in low-spec hardware environments. Existing fall detection research has often relied on high-performance GPU environments or focused solely on detection accuracy, without adequately addressing processing speed and hardware limitations. To overcome these challenges, this study utilizes MediaPipe, a GPU-independent framework, combined with data analysis-based machine learning models, to design a system that requires minimal computational resources while ensuring fast and accurate fall detection. Experimental results demonstrate that the proposed model outperforms GPU-based models in terms of training and inference speed, while also delivering competitive detection performance. This research presents a promising approach to reducing dependency on high-cost hardware, thereby maximizing the practicality of fall detection systems in real-world scenarios.