1 |
1
스마트 인솔에 포함된 복수의 압력센서로부터 보행 데이터를 취득하는 보행 데이터 수집부;상기 보행 데이터 수집부가 취득한 보행 데이터에서 단위 걸음의 구간을 정의하여 각 단위 걸음에 대한 데이터를 분할하고, 분할된 데이터의 길이가 모두 같도록 데이터를 정규화(normalize)하는 전처리부; 및상기 전처리부에서 정규화된 보행 데이터를 입력으로 받는 완전 연결 네트워크(fully connected network)를 이용하여 최종 보행형태를 분류하는 보행 패턴 분류부를 포함하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
2 |
2
제1항에 있어서, 상기 전처리부는,하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하고, 기 정해진 수의 압력센서 값이 0이 되는 시점을 swing phase 시작점으로 정의하는 걸음단위 설정부를 포함하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
3 |
3
제2항에 있어서, 상기 전처리부는,swing phase의 시작점과 stance phase의 시작점 사이 동안, 0 이외의 값을 가지는 보행 데이터 값을 0으로 치환하는 노이즈 제거부를 더 포함하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
4 |
4
제1항에 있어서, 상기 전처리부는,단위 걸음의 보행 데이터 중 가장 짧은 시간을 측정하고, 측정된 시간 길이만큼으로 모든 단위 걸음의 데이터 길이를 리사이징(resizing)하는 정규화부를 포함하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
5 |
5
제4항에 있어서,상기 리사이징된 보행 데이터는 상기 압력센서의 수(S) 및 리사이징된 데이터 길이(t)에 대응하여 t×S의 포맷을 가지는 것을 특징으로 하는 보행 패턴 분류 시스템
|
6 |
6
제1항에 있어서, 상기 보행 패턴 분류부는,보행형태를 분류하는 DCNN(Deep Convolutional Neural Network)를 포함하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
7 |
7
제6항에 있어서, 상기 보행 패턴 분류부는,상기 DCNN의 학습 중 그레디언트 손실(vanishing gradient) 방지 및 학습 안정성 향상을 위해, ReLU(Rectifier Linear Unit) 함수 이용하는 것을 특징으로 하는 보행 패턴 분류 시스템
|
8 |
8
제7항에 있어서,상기 DCNN은 복수개의 컨볼루션 레이어를 포함하고,상기 DCNN은 과적합(over-fitting) 문제 방지 및 일반화(regularization) 성능 향상을 위해, 학습 시 상기 컨볼루션 레이어에 포함된 노드(node)를 무작위로 선택하여 삭제하고, 남겨진 노드만을 이용하여 학습되는 것을 특징으로 하는 보행 패턴 분류 시스템
|
9 |
9
(a) 보행 데이터 수집부가 스마트 인솔에 포함된 복수의 압력센서로부터 보행 데이터를 취득하는 단계;(b) 전처리부가 상기 보행 데이터에서 단위 걸음의 구간을 정의하여 각 단위 걸음에 대한 데이터를 분할하고, 분할된 데이터의 길이가 모두 같도록 데이터를 정규화(normalize)하는 단계; 및(c) 보행 패턴 분류부가 상기 정규화된 보행 데이터를 입력으로 받는 완전 연결 네트워크(fully connected network)를 이용하여 최종 보행형태를 분류하는 단계를 포함하는 것을 특징으로 하는 보행 패턴 분류 방법
|
10 |
10
제9항에 있어서, 상기 (b)단계는,하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하는 단계;swing phase의 시작점과 stance phase의 시작점 사이 동안, 0 이외의 값이 출력되는 보행 데이터 값을 0으로 치환하는 단계;단위 걸음의 보행 데이터 중 가장 짧은 시간 길이만큼으로 모든 단위 걸음의 데이터 길이를 리사이징(resizing)하는 단계를 포함하는 것을 특징으로 하는 보행 패턴 분류 방법
|
11 |
11
제9항에 있어서,상기 완전 연결 네트워크는 DCNN(Deep Convolutional Neural Network)인 것을 특징으로 하는 보행 패턴 분류 방법
|
12 |
12
제9항에 있어서, 상기 (c)단계 후,상기 보행 패턴 분류부가 소프트맥스(softmax) 함수를 이용하여 최종 출력을 연산하는 단계를 더 포함하는 것을 특징으로 하는 보행 패턴 분류 방법
|