스마트폰 센서 데이터를 활용한 보편적 시계열 특징에 기반한 사람 행동 인식

Abstract

본 연구의 목적은 스마트폰에 내장된 센서 데이터를 활용하여 인간의 행동을 효과적으로 인식하는 것이다. 인간의 행동을 자동으로 인식하는 사람 행동 인식(HAR)은 비전 기반 방식과 센서 기반 방식으로 나눌 수 있다. 본 연구에서는 스마트폰에 내장된 센서 데이터에서 연구자가 제안한 특징을 추출하고 이를 기계 학습을 통해 인식하는 방식을 사용한다. 기계 학습 방식을 채택하는 대부분의 연구들이 HAR에 적합한 소수의 특징을 추출하는 데 초점을 맞추는 반면, 본 연구에서는 신호 처리 분야에서 널리 사용되는 시간 영역과 주파수 영역에서의 보편적 특징을 추출하여 MLP와 SVM에 적용하는 방식을 제안한다. 이 방식은 대상 행동이 변할 때마다 특징을 다르게 추출하지 않고 데이터에 기반하여 분류기를 적응시키는 딥러닝 방식의 장점을 가지며, 딥러닝 방식에 비해 학습해야 할 매개변수의 수가 적어 상대적으로 적은 양의 학습 데이터로 효과적으로 분류기를 학습시킬 수 있다는 장점이 있다. 제안하는 방식의 효과를 검증하기 위해 HAR 연구에 널리 활용되고 있는 UniMib SHAR 데이터셋을 이용하여 실험을 수행하였다. 실험 결과 제안된 방법은 동일한 데이터 세트를 사용하여 5겹 교차 검증 방법과 사용자 독립적 방법 모두에서 기존 연구보다 인식 성능이 더 우수함을 보였다.