| 1 |
1
복수개로 제공되는 압력 센서; 및상기 압력 센서에서 측정된 값을 이용하여 사용자의 정보 파악 및 상기 사용자의 진행 방향 파악을 수행할 수 있는 데이터 처리부;를 포함하는 사용자 인식이 가능한 발 패드
|
| 2 |
2
제1항에 있어서, 상기 데이터 처리부는,상기 압력 센서에서 측정된 값을 통해 학습을 위한 데이터의 전처리를 수행하는 전처리부; 상기 압력 센서에서 측정한 값에서 복수의 특징값을 추출하는 특징 추출부; 상기 복수의 특징값을 학습하는 학습부; 및상기 학습부의 학습값을 이용하여 상기 압력 센서에서 측정된 사용자의 정보 파악 및 방향 파악을 수행하는 결론부;를 포함하는 사용자 인식이 가능한 발 패드
|
| 3 |
3
제2항에 있어서, 상기 전처리부는, 상기 압력 센서에서 측정된 압력 분포가 온전한 발인지 판단하기 위해 발가락의 유무, 발 앞 뒤의 무게중심의 유무, 발 무게중심과 비례하는 활성화된 압력 분포 셀의 개수를 파악하는 사용자 인식이 가능한 발 패드
|
| 4 |
4
제3항에 있어서,상기 전처리부는, 상기 압력 분포 셀에서 각 발을 분리하기 위해 발의 중앙을 찾은 후 그 지점을 기준으로 왼쪽 부분의 압력분포와 오른쪽 부분의 압력분포를 분리하는 사용자 인식이 가능한 발 패드
|
| 5 |
5
제4항에 있어서, 상기 전처리부는 상기 발의 중앙 지점을 찾기 위해 왼쪽 압력분포의 시작지점과 끝 지점, 오른쪽 압력분포의 시작지점과 끝지점을 찾은 후 왼쪽 압력분포의 끝지점과 오른쪽 압력분포의 시작지점의 평균값을 이용하는사용자 인식이 가능한 발 패드
|
| 6 |
6
제3항 내지 제5항 중 어느 한 항에 있어서, 상기 전처리부는 모든 방향에서 걸어오는 사용자를 인식하기 위해 활성화된 압력분포의 모든 지점과 직교거리의 제곱이 최소가 되는 직선의 기울기와 발 앞 뒤 무게중심의 기울기의 평균값을 이용하여 각 발의 기울기를 계산하는사용자 인식이 가능한 발 패드
|
| 7 |
7
제6항에 있어서,상기 전처리부는 상기 발의 각도를 측정함으로써 사용자가 어디에서 오기 시작하여 어디로 향하고 있는지 사용자 이동 방향을 추론하는 사용자 인식이 가능한 발 패드
|
| 8 |
8
제7항에 있어서, 상기 전처리부는 상기 측정한 발의 각도를 사용자 인지 알고리즘에 적용하기 위해 압력분포의 중앙을 기준으로 회전변환행렬(Rotation Matrix)을 사용하여 정방향 정렬하고 일반화하는 사용자 인식이 가능한 발 패드
|
| 9 |
9
제8항에 있어서, 상기 전처리부는 각각의 발을 구분하기위해 족궁(발의 아치, 발의 세로궁)의 특징을 이용하는사용자 인식이 가능한 발 패드
|
| 10 |
10
제9항에 있어서, 상기 전처리부는, 상기 발의 앞부분의 가장 넓은 부분, 상기 발 가운데의 가장 좁은 부분, 상기 발 뒷부분의 가장 넓은 부분을 측정하고, 각 지점의 가장자리의 차이를 계산하여 차이의 합이 큰 부분을 찾음으로써 족궁을 찾는 것을 특징으로 하는 사용자 인식이 가능한 발 패드
|
| 11 |
11
제10항에 있어서, 상기 전처리부는, 상기 발의 족궁의 위치가 압력분포의 오른쪽에 위치하면 왼발, 왼쪽에 위치하면 오른발로 판단하는 사용자 인식이 가능한 발 패드
|
| 12 |
12
제2항에 있어서, 상기 특징 추출부는 상기 발의 길이, 상기 발의 폭, 상기 발 앞부분의 가장 넓은 폭, 상기 발 중앙의 가장 좁은 폭, 상기 발 뒷부분의 가장 넓은 폭, 상기 발 가장 윗지점(시작지점)부터 상기 발 앞부분의 가장 넓은 지점 사이의 거리, 상기 발 앞부분의 가장 넓은 지점부터 상기 발 중앙의 가장 좁은 부분 사이의 거리, 상기 발 중앙의 가장 좁은 부분부터 상기 발 뒷부분의 가장 넓은 지점 사이의 거리, 상기 발 앞부분의 가장 넓은 지점부터 상기 발 뒷부분의 가장 넓은 지점 사이의 거리를 측정하여 특징점으로 추출하는사용자 인식이 가능한 발 패드
|
| 13 |
13
제12항에 있어서, 상기 학습부는 상기 특징 추출부에서 추출한 9가지 특징을 기반으로 학습 처리를 수행하는 사용자 인식이 가능한 발 패드
|
| 14 |
14
제13항에 있어서, 상기 학습 처리의 수행은 사용자를 판단하는 인공지능 알고리즘인 Gaussian Naive Bayes, K-Nearest Neighbor, Multi-Layer Perceptron, Convolutional Neural Network를 이용하는 사용자 인식이 가능한 발 패드
|
| 15 |
15
제14항에 있어서, 상기 결론부는, 사용자의 정보 및 상기 사용자가 향하고 있는 방향을 MQTT 프로토콜을 이용하여 서버에 송신하는사용자 인식이 가능한 발 패드
|
