| 1 |
1
스마트 시계의 GPS(global positioning system) 및 센서를 이용하여 상기 스마트 시계를 착용한 보행자의 실외 보행패턴 좌표 값을 측위하고, 상기 측위된 실외 보행패턴 좌표 값에 해당하는 GPS 실외좌표 데이터 및 센서 실외좌표 데이터의 신호를 각각 수신하여 서버에 수집하는 실외 데이터 수집단계;상기 서버에 수집된 GPS 실외좌표 데이터 및 센서 실외좌표 데이터를 일치시켜 토폴로지 컨트롤러(topology controller)를 통해 상태 전이 확률 행렬(state transition probability matrix)을 분석하는 실외 데이터 분석단계;상기 스마트 시계의 센서를 이용하여 상기 보행자의 실내 보행패턴 좌표 값을 측위하고, 상기 측위된 실내 보행패턴 좌표 값에 해당하는 센서 실내좌표 데이터의 신호를 서버에 전송하는 실내 데이터 전송단계;상기 서버가 수신받은 상기 센서 실내좌표 데이터를 상기 상태 전이 확률 행렬을 통해 분석하여 상기 보행자의 실내 위치를 예측하는 실내위치 예측단계;를 포함하는 것을 특징으로 하는 스마트 시계를 이용한 실내 위치추적 경로 패턴인식 방법
|
| 2 |
2
제 1항에 있어서,상기 실외 데이터 수집단계에서,상기 실외 보행패턴 좌표 값은 상기 보행자의 반복 보행을 통해 데이터셋(dataset)화 된 것을 특징으로 하는 스마트 시계를 이용한 실내 위치추적 경로 패턴인식 방법
|
| 3 |
3
제 1항에 있어서,상기 실외 데이터 수집단계에서,상기 스마트 시계의 센서는, 가속도 센서(accelerometer sensor), 자이로스코프 센서(gyroscope sensor) 및 지자기 센서(geomagnetic sensor)를 포함하는 것을 특징으로 하는 스마트 시계를 이용한 실내 위치추적 경로 패턴인식 방법
|
| 4 |
4
제 1항에 있어서,상기 실외 데이터 분석단계에서,상기 토폴로지 컨트롤러는, HMM(hidden markov chain model), 칼만피터(kalman filter), 딥러닝(deep learning) 또는 CNN(convolution neural network)을 포함하는 것을 특징으로 하는 스마트 시계를 이용한 실내 위치추적 경로 패턴인식 방법
|
