1 |
1
모션 인식 장치가 모션 측정 데이터를 인식 대상자에 부착된 센서로부터 수신하는 단계;상기 모션 인식 장치가 상기 모션 측정 데이터로부터 경사각 합산값(TAS), 가속도 분산 값의 합산값(SVA) 및 경사각의 자기 상관 계수(ACT)를 연산하는 단계;상기 모션 인식 장치가 상기 TAS, SVA, ACT로 구성되는 데이터 포인트의 분포를 무한 가우시안 혼합 모델을 이용하여 모델링하는 단계; 및상기 모션 인식 장치가 상기 모델링된 데이터 포인트를 붕괴 깁스 샘플링(collapsed Gibbs sampling)을 이용하여 무한 가우시안 혼합 모델에 대한 사후 분포를 추정함으로써 비모수적 베이지안 클러스터링하는 단계를 포함하는 모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
2 |
2
제1 항에 있어서, 상기 연산하는 단계는,x축 방향 가속도의 분산, y축 방향 가속도의 분산 및 z축 방향 가속도의 분산 모두를 합산하여 상기 SVA를 연산하는 단계를 포함하는 모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
3 |
3
제1 항에 있어서,상기 연산하는 단계는 수식 에 의하여 상기 ACT(△(n))를 연산하는 단계를 포함하는,모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
4 |
4
제1 항에 있어서,상기 모델링하는 단계는 아래의 수식에 의하여 모델링하는 단계를 포함하는모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
5 |
5
제4 항에 있어서,= {μo, κo, υo, Λo }인,모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
6 |
6
제5 항에 있어서,인,모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
7 |
7
제5 항에 있어서,스틱-파괴 프로세스(Stick(α))에 의하여 하나의 데이터 포인트가 클러스터 k에 속할 확률인 가중치 들의 혼합 가중치 를 연산하는 단계를 포함하는,모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
8 |
8
제7 항에 있어서,상기 혼합 가중치 를 연산하는 단계는,수식 에 의하여 혼합 가중치 를 연산하는 단계를 포함하는,모션 인식 장치의 비모수적 베이지언 모션 인식 방법
|
9 |
9
모션 인식 장치에 있어서,모션 측정 데이터를 인식 대상자에 부착된 센서로부터 수신하는 데이터 수신부; 및상기 모션 측정 데이터를 상기 데이터 수신부로부터 제공받고, 상기 모션 측정 데이터로부터 모션을 인식하기 위한 연산을 수행하는 프로세서를 포함하되,상기 프로세서는,상기 모션 측정 데이터로부터 경사각 합산값(TAS), 가속도 분산 값의 합산값(SVA) 및 경사각의 자기 상관 계수(ACT)를 연산하는 특징값 연산부;상기 TAS, SVA, ACT로 구성되는 데이터 포인트의 분포를 무한 가우시안 혼합 모델을 이용하여 모델링하는 데이터 모델링부; 및상기 모델링된 데이터 포인트를 붕괴 깁스 샘플링(collapsed Gibbs sampling)을 이용하여 무한 가우시안 혼합 모델에 대한 사후 분포를 추정함으로써 비모수적 베이지안 클러스터링하는 클러스터링부를 포함하는,비모수적 베이지언 모션 인식 장치
|