엣지 컴퓨팅 기반의 개인 맞춤형 운동 데이터 수집 시스템 설계
Design of Personalized Exercise Data Collection System based on Edge Computing
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 논문에서는 운동 재활 서비스에 제공할 수 있는 엣지 컴퓨팅 기반의 운동 데이터 수집 디바이스를 제안한다. 기존 클라우드 컴퓨팅 방식에서는 사용자가 급증하는 경우 데이터 센터의 처리량이 증가하여 많은 지연 현상을 발생하는 문제점을 가진다. 본 논문에서는 엣지 컴퓨팅을 이용하여 사용자측에서 3차원 카메라를 통한 영상 정보를 기반으로 포즈 에스티메이션을 적용한 신체관절의 키포인트 위치를 측정하고 추정하여 서버에 전송하는 디바이스를 설계하고 구현하였다. 본 연구의 결과를 통하여 클라우드 시스템에 부하없이 원활한 정보 수집 환경을 구축할 수 있으며 운동 재활을 원하는 다양한 사용자를 대상으로 IoT 및 엣지 컴퓨팅 기술을 통한 개인 맞춤형재활운동 코칭 시스템에 활용될 수 있을 것이다.
Abstract
In this paper, we propose an edge computing-based exercise data collection device that can be provided for exercise rehabilitation services. In the existing cloud computing method, when the number of users increases, the throughput of the data center increases, causing a lot of delay. In this paper, we design and implement a device that measures and estimates the position of keypoints of body joints for movement information collected by a 3D camera from the user's side using edge computing and transmits them to the server. This can build a seamless information collection environment without load on the cloud system. The results of this study can be utilized in a personalized rehabilitation exercise coaching system through IoT and edge computing technologies for various users who want exercise rehabilitation.
참고문헌 (21)
- Maarten G. Lansberg, "Home‐based virtual reality therapy for hand recovery after stroke", PM&R (2021), Wiley[DOI]
- "What is edge computing and why it matters"[URL]
- A. O. Akmandor, "Smart health care : An edge-side computing perspective", IEEE Consum. Electron. Mag, 7(1), pp.29~37 (2018)
- M. S. Hossain, "Cloud-based collaborative media service framework for HealthCare", Int. J. Distrib. Sensor Netw, 10(3), pp.858712~ (2014)
- G. Muhammad, "EEG-based pathology detection for home health monitoring", IEEE J. Sel. Areas Commun., early access, Aug (2020)[DOI]
- L. Liu, "Socially aware dynamic computation ofoading scheme for fog computing system with energy harvesting devices", IEEE Internet Things J, 5(3), pp.1869~1879 (2018)
- M. Shamim Hossain, "Deep Learning Based Pathology Detection for Smart Connected Healthcare", IEEE Network, 34(6), pp.120~125 (2020), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- Y. Abdulsalam, "COVID-19 networking demand: An auction-based mechanism for automated selection of edge computing services", IEEE Trans. Netw. Sci. Eng (2020)[DOI]
- C. Hegde, "Autotriage-an open source edge computing raspberry pi-based clinical screening system", MedRxiv, ~
- Min Chen, "Edge cognitive computing based smart healthcare system", Future Generation Computer Systems, 86, pp.403~411 (2018), Elsevier BV[DOI]
- Soraia Oueida, "An Edge Computing Based Smart Healthcare Framework for Resource Management", Sensors, 18(12), pp.4307~ (2018), MDPI AG[DOI]
- Sun ke, "Deep High-Resolution Representation Learning for Human Pose Estimation", 2019 IEEE, 2019, 5686~5696
- "JetPack SDK"[URL]
- "WebRTC"[URL]
- Huayou Su, "Efficient Parallel Video Processing Techniques on GPU: From Framework to Implementation", The Scientific World Journal, 2014, pp.716020~ (2014)[DOI]
- "Kurento"[URL]
- 장래영, "OpenFaaS 기반 AI 분석 서비스 시스템 구축", 한국콘텐츠학회 논문지, 20(7), pp.97~106 (2020), 한국콘텐츠학회[DOI]
- "Spring Boot"[URL]
- "MPII Human Pose"[URL]
- Christian Rupprecht, "Learning in an Uncertain World: Representing Ambiguity Through Multiple Hypotheses", IEEE International Conference on Computer Vision 2017 (2017)
- R. A. Güler, "DensePose : Dense Human Pose Estimation in the Wild", 2018 IEEE, 2018, 7297~7306