| 1 |
1
사용자의 활동 감지를 위해 적어도 하나 이상의 스마트 기기의 센서들로부터 측정된 센서 데이터를 입력받아 수집하는 데이터베이스;상기 데이터베이스에 수집된 센서 데이터에서 노이즈를 제거하고 윈도우 또는 세그먼트로 분할하는 전처리부;상기 전처리된 센서 데이터의 특징 벡터 크기를 증가시켜 특징 추출하는 특징 추출부; 및 상기 추출된 특징을 기계 학습 알고리즘에 적용하여 신체 활동을 분류하는 분류기를 포함하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 2 |
2
제1항에 있어서, 상기 데이터베이스에 수집된 센서 데이터는 스마트 기기인 스마트 폰 및 스마트 워치에 각각 포함된 4개의 3축 센서인 가속도계, 자이로스코프, 선형 가속도 센서 및 자력계로부터 측정된 센서 데이터인 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 3 |
3
제2항에 있어서,상기 데이터베이스에 수집된 스마트 폰 및 스마트 워치에서 각각 4개의 3축 센서로부터 측정된 12차원 데이터는 각 샘플에 레이블을 지정하고, 상기 두 장치의 데이터를 병렬로 연결하여 융합하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 4 |
4
제1항에 있어서,상기 특징 추출부의 특징 벡터는 회전 특징, 시간 영역 특징 및 주파수 영역 특징으로 구성되는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 5 |
5
제4항에 있어서,상기 회전 특징은 x축에 대한 회전의 피치(Pitch)(), z축에 대한 회전의 롤(roll)(φ) 및 장치의 방향에서 파생되는 순간 회전의 가속도 벡터(α)를 포함하여 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 6 |
6
제4항에 있어서,상기 시간 영역 특징은 윈도우를 이용하여 피치 σ2θi, 롤 σ 2 φ i 및 가속도 크기 σ 2 α i의 분산을 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 7 |
7
제4항에 있어서,상기 주파수 영역 특징은 고속 푸리에 변환(FFT)을 사용하여 피치(f), 롤(fφ) 및 가속도 크기(fα)의 데이터를 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 8 |
8
제1항에 있어서,상기 분류기는 나이브 베이즈(Naive Bayes;NB), K-최근접 이웃(K-Nearest Neighbors ;KNN) 및 신경망(Neural Network;NN)의 기계 학습 알고리즘을 사용하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 시스템
|
| 9 |
9
데이터베이스에 사용자의 활동 감지를 위해 적어도 하나 이상의 스마트 기기의 센서들로부터 측정된 센서 데이터를 입력받아 수집하는 단계;상기 데이터베이스에 수집된 센서 데이터에서 노이즈를 제거하고 윈도우 또는 세그먼트로 분할하는 전처리 단계;상기 전처리된 센서 데이터의 특징 벡터 크기를 증가시켜 특징 추출하는 단계; 및 상기 추출된 특징을 기계 학습 알고리즘에 적용하여 신체 활동을 분류하는 단계를 포함하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 10 |
10
제9항에 있어서, 상기 데이터베이스에 수집된 센서 데이터는 스마트 기기인 스마트 폰 및 스마트 워치에 각각 포함된 4개의 3축 센서인 가속도계, 자이로스코프, 선형 가속도 센서 및 자력계로부터 측정된 센서 데이터인 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 11 |
11
제10항에 있어서,상기 데이터베이스에 수집된 스마트 폰 및 스마트 워치에서 각각 4개의 3축 센서로부터 측정된 12차원 데이터는 각 샘플에 레이블을 지정하고, 상기 두 장치의 데이터를 병렬로 연결하여 융합하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 12 |
12
제9항에 있어서,상기 특징 벡터는 회전 특징, 시간 영역 특징 및 주파수 영역 특징으로 구성되는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 13 |
13
제12항에 있어서,상기 회전 특징은 x축에 대한 회전의 피치(Pitch)(), z축에 대한 회전의 롤(roll)(φ) 및 장치의 방향에서 파생되는 순간 회전의 가속도 벡터(α)를 포함하여 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 14 |
14
제12항에 있어서,상기 시간 영역 특징은 윈도우를 이용하여 피치 σ2θi, 롤 σ 2 φ i 및 가속도 크기 σ 2 α i의 분산을 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 15 |
15
제12항에 있어서,상기 주파수 영역 특징은 고속 푸리에 변환(FFT)을 사용하여 피치(f), 롤(fφ) 및 가속도 크기(fα)의 데이터를 계산하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
| 16 |
16
제9항에 있어서,상기 기계 학습 알고리즘은 나이브 베이즈(Naive Bayes;NB), K-최근접 이웃(K-Nearest Neighbors ;KNN) 및 신경망(Neural Network;NN) 알고리즘을 사용하는 것을 특징으로 하는 스마트 기기 기반의 다중 감각 접근 방법
|
