| 1 |
1
대상자의 보행시 수집된 족저압(足底壓) 특징값 및 보행시간에 관련된 보행시간 특징값을 포함하는 보행 데이터를 이용하여 대상자를 식별하는 대상자 식별 방법으로서,이전 족저압 특징값을 학습하여 기구축된 제1 보행모델을 기반으로 현재 족저압 특징값이 대상자의 것인지를 판단하는 제1 분류단계; 이전 보행시간 특징값을 학습하여 기구축된 제2 보행모델을 기반으로 현재 보행시간 특징값이 대상자의 것인지를 판단하는 제2 분류단계; 및상기 제1 및 제2 분류단계의 판단결과의 정확도를 고려하여 제1 및 제2 분류 가중치를 각기 산출하고, 상기 제1 및 제2 분류 가중치를 이용하여 현재 보행 데이터가 대상자의 데이터인지를 최종적으로 판단하는 단계를 포함하며,상기 제1 분류단계는, 단일 클래스 기반 k-인접 분류 알고리즘을 이용하여 상기 제1 보행모델과 상기 현재 족저압 특징값의 유사도를 확인하여 상기 현재 족저압 특징값이 대상자의 것인지를 판단하는 단계를 각기 포함하는 것인 대상자 식별 방법
|
| 2 |
2
제1항에서,일정기간 동안의 상기 대상자의 양발 하부의 전단과 후반에 구비된 복수의 압력센서에 의해 감지된 압력 값으로부터 상기 대상자 한걸음당 상기 이전 및 현재 족저압 특징값을 산출하는 단계를 더 포함하는 대상자 식별 방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에서, 상기 제2 분류단계는,단일 클래스 기반 k-인접 분류 알고리즘을 이용하여 상기 제2 보행모델과 상기 현재 보행시간 특징값의 유사도를 확인하여 상기 현재 보행시간 특징값이 대상자의 것인지를 판단하는 단계를 각기 포함하는 것인 대상자 식별 방법
|
| 5 |
5
제1항에서, 일정기간 동안의 상기 대상자의 적어도 한 발에 구비된 3축 가속도센서에 의해 발의 전방과 후방, 좌우 및 상하 방향의 3축 가속도 값을 학습하여 구축된 제3 보행모델을 기반으로 현재 3축 가속도 값이 대상자의 것인지를 판단하는 제3 분류단계를 더 포함하는 대상자 식별 방법
|
| 6 |
6
제5항에서, 상기 최종적으로 판단하는 단계는,상기 제1 내지 제3 분류단계의 판단결과의 참과 거짓의 정확도를 각기 이용해 제1 내지 제3 분류 가중치를 각기 산출하고, 각기 산출된 상기 제1 내지 제3 분류 가중치들을 종합하여 상기 현재 보행 데이터가 대상자의 것인지를 최종적으로 식별하는 것인 대상자 식별 방법
|
| 7 |
7
제5항에서, 상기 제3 분류단계는,DTW(Dynamic Time Warping) 알고리즘 및 k-인접 분류 알고리즘에 기반하여 상기 제3 보행모델과 상기 현재 3축 가속도 값의 유사도를 확인하여 상기 현재 3축 가속도 값이 대상자의 것인지를 판단하는 것인 대상자 식별 방법
|
| 8 |
8
대상자 식별 장치에 의한 대상자 식별 방법으로서,센싱 기기에 의해 대상자의 양발의 하부 전단과 후반의 족저압 값 및 적어도 한 발의 3축 가속도 값을 감지하는 단계;상기 센싱 기기로부터 일정기간 동안의 상기 족저압 값 및 상기 3축 가속도 값을 전달받아, 상기 족저압 값으로부터 대상자 한 걸음당 현재 압력 분포 특성 및 보행시간 특징값을 확인하는 단계; 및이전 압력 분포 특성, 이전 보행시간 특징값 및 이전 3축 가속도 값 패턴을 학습하여 각기 구축된 제1 내지 제3 보행 모델에 대비한 상기 현재 압력 분포 특성, 보행시간 특징값 및 3축 가속도 값 패턴의 일치 여부를 확인하는 단계를 포함하는 대상자 식별 방법
|
| 9 |
9
제8항에서, 상기 대상자 한 걸음당 현재 압력 분포 특성을 확인하는 단계는,상기 족저압 값으로부터 대상자 한 걸음당 압력센서별 압력 값의 합을 이용하여 상기 대상자 한걸음당 압력 분포 특성으로 산출하는 단계를 포함하는 것인 대상자 식별 방법
|
| 10 |
10
제8항에서, 상기 족저압 값으로부터 현재 대상자 한 걸음당 보행시간 특징값을 확인하는 단계는,상기 족저압 값으로부터 대상자의 각 발이 지면에 닿는 시간과 지면에 닿지 않는 시간인 상기 현재 보행시간 특징값을 검출하는 단계를 포함하는 것인 대상자 식별 방법
|
| 11 |
11
제8항에서, 상기 일치 여부를 확인하는 단계는,상기 제1 보행모델로부터 상기 현재 압력 분포 특성과 인접한 k 개의 이웃 인접 데이터의 평균 유클리디언 거리인 제1거리를 산출하는 단계;상기 k 개의 이웃 인접 데이터들과 인접한 k 개의 인접 데이터 사이의 평균 유클리디언 거리인 제2거리를 산출하는 단계; 및상기 제1거리를 상기 제2거리로 제산한 결과를 기설정된 임계치를 초과하면 상기 현재 압력 분포 특성이 상기 대상자의 이전 압력 분포 특성과 일치한다고 판단하는 단계를 포함하는 것인 대상자 식별 방법
|
| 12 |
12
제8항에서, 상기 일치 여부를 확인하는 단계는,상기 제2 보행모델로부터 현재 스탠스와 스윙시간 특성과 인접한 k 개의 이웃 인접 데이터의 평균 유클리디언 거리인 제1거리를 산출하는 단계;상기 k 개의 이웃 인접 데이터들과 인접한 k 개의 인접 데이터 사이의 평균 유클리디언 거리인 제2거리를 산출하는 단계; 및상기 제1거리를 상기 제2거리로 제산한 결과를 기설정된 임계치를 초과하면, 상기 현재 보행시간 특징값이 상기 대상자의 이전 보행시간 특징값과 일치한다고 판단하는 단계를 포함하는 것인 대상자 식별 방법
|
