1 |
1
보행에 의한 운동 정보 검출 센서를 포함하는 스마트 인솔로부터 사용자의 보행 데이터를 수신하는 정보 수집부;상기 정보 수집부에서 수신된 보행 데이터 중 센서의 종류별로 판별 분석(discriminant analysis)을 실시하고, 상기 판별 분석 결과를 이용하여 상기 사용자의 신분을 식별하는 분류부를 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
2 |
2
제1항에 있어서, 상기 분류부는,상기 정보 수집부에서 수신된 보행 데이터를 센서 종류별로 판별 분석을 실시하는 특징 추출부;상기 특징 추출부의 판별 분석 결과를 종합 분석하여 사용자의 신분을 식별하는 개인식별부를 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
3 |
3
제2항에 있어서,상기 특징 추출부의 판별 분석은 NLDA(Null-space linear discriminant analysis) 방법인 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
4 |
4
제3항에 있어서,상기 특징 추출부는 센서 종류별 보행 데이터를 NLDA에 적용하여 단일 모달(single-modal) 특징을 추출하고,상기 개인식별부는 상기 센서 종류별 단일 모달(single-modal) 특징의 분별력을 평가하여 사용자 식별에 이용될 결합된 특징을 생성하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
5 |
5
제4항에 있어서,상기 특징 추출부는 보행 데이터의 샘플 에 대한 특징 벡터 를으로 연산하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
6 |
6
제4항에 있어서,상기 개인식별부는 라플라시안 점수(laplacian score)를 이용하여 상기 단일 모달 특징의 분별력(discrimination)을 판단하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
7 |
7
제6항에 있어서, 상기 개인식별부는,상기 라플라시안 점수를 이용하여 상기 단일 모달 특징 중 분별 정보가 많은 순서대로 입력하여 다중 모달 특징 벡터(multi-modal feature vector)를 연산하며,상기 다중 모달 특징 벡터의 값을 이용하여 상기 사용자의 신분을 식별하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
8 |
8
제7항에 있어서,상기 개인식별부는 상기 다중 모달 특징 벡터를 One-NN 규칙(One-Nearest Neighborhood rule)에 입력하여 상기 사용자의 신분을 식별하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
9 |
9
제8항에 있어서,상기 개인식별부의 One-NN 규칙은 거리 측정(distance measure)에 유클리디안 거리(Euclidean distance)를 이용하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
10 |
10
제2항에 있어서,상기 정보 수집부가 수신한 보행 데이터에서 단위 걸음의 구간을 정의하여 각 단위 걸음에 대한 데이터를 분할하고, 분할된 데이터의 길이가 모두 같도록 정규화(normalize)하는 전처리부를 더 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
11 |
11
제10항에 있어서,상기 전처리부는 센서 종류별 단위 걸음에 대한 검출 값을 배열로 나타내고, 사전 순서 연산자(lexicographic ordering operator)를 이용하여 각 배열을 일렬의 정보로 변환하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 장치
|
12 |
12
제11항에 있어서,상기 전처리부는 0 내지 0
|
13 |
13
정보수집부가 보행에 의한 운동 정보 검출 센서를 포함하는 스마트 인솔로부터 사용자의 보행 데이터를 수신하는 단계;전처리부가 상기 보행 데이터에서 단위 걸음의 구간을 정의하여 각 단위 걸음에 대한 데이터를 분할하고, 분할된 데이터의 길이가 모두 같도록 정규화(normalize)하는 단계;분류부가 정규화된 보행 데이터 중 센서의 종류별로 판별 분석(discriminant analysis)을 실시하고, 판별 분석 결과를 이용하여 사용자의 신분을 식별하는 단계를 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
14 |
14
제13항에 있어서, 상기 분류부가 정규화된 보행 데이터 중 센서의 종류별로 판별 분석을 실시하고, 판별 분석 결과를 이용하여 사용자의 신분을 식별하는 단계는,상기 정보 수집부에서 수신된 보행 데이터를 센서 종류별로 판별 분석을 실시하는 단계;상기 판별 분석의 결과를 종합 분석하여 사용자의 신분을 식별하는 단계를 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
15 |
15
제14항에 있어서,상기 판별 분석은 NLDA(Null-space linear discriminant analysis) 방법인 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
16 |
16
제15항에 있어서,상기 정보 수집부에서 수신된 보행 데이터를 센서 종류별로 판별 분석을 실시하는 단계는 센서 종류별 보행 데이터를 NLDA에 적용하여 단일 모달(single-modal) 특징을 추출하고,상기 판별 분석의 결과를 종합 분석하여 사용자의 신분을 식별하는 단계는 상기 센서 종류별 단일 모달(single-modal) 특징의 분별력을 평가하여 사용자 식별에 이용될 결합된 특징을 생성하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
17 |
17
제16항에 있어서, 상기 정보 수집부에서 수신된 보행 데이터를 센서 종류별로 판별 분석을 실시하는 단계는,보행 데이터의 샘플 에 대한 특징 벡터 를으로 연산하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
18 |
18
제16항에 있어서, 상기 판별 분석의 결과를 종합 분석하여 사용자의 신분을 식별하는 단계는,라플라시안 점수(laplacian score)를 이용하여 상기 단일 모달 특징의 분별력(discrimination)을 판단하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
19 |
19
제18항에 있어서, 상기 판별 분석의 결과를 종합 분석하여 사용자의 신분을 식별하는 단계는,상기 라플라시안 점수를 이용하여 상기 단일 모달 특징 중 분별 정보가 많은 순서대로 입력하여 다중 모달 특징 벡터(multi-modal feature vector)를 연산하는 단계,상기 다중 모달 특징 벡터의 값을 이용하여 상기 사용자의 신분을 식별하는 단계를 포함하는 것을 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|
20 |
20
제13항에 있어서, 상기 전처리부가 상기 보행 데이터에서 단위 걸음의 구간을 정의하여 각 단위 걸음에 대한 데이터를 분할하고, 분할된 데이터의 길이가 모두 같도록 정규화(normalize)하는 단계는,센서 종류별 단위 걸음에 대한 검출 값을 배열로 나타내는 단계;사전 순서 연산자(lexicographic ordering operator)를 이용하여 상기 각 배열을 일렬의 정보로 변환하는 단계를 포함하는 특징으로 하는 검출정보별 판별 분석을 실시하여 개인을 식별하는 방법
|